买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津大学申请的专利一种面向深度学习表格识别模型演化的回归缺陷缓解方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119903485B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510086289.1，技术领域涉及：G06F18/27；该发明授权一种面向深度学习表格识别模型演化的回归缺陷缓解方法是由陈旭扬;王赞;陈俊洁;尤翰墨设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种面向深度学习表格识别模型演化的回归缺陷缓解方法在说明书摘要公布了：本发明公开了一种面向深度学习表格识别模型演化的回归缺陷缓解方法，首先在特征选择阶段运用CONMI评估函数结合特定超参数筛选新特征，与旧特征集合进行合并后的新特征集合作为模型训练数据，实现基于贡献度控制的重训练，一方面通过期望梯度计算特征贡献度，另一方面设计包含余弦相似度和交叉熵损失函数的总体损失函数来稳定旧特征贡献度并学习新特征，基于新特征集合通过前向传播和反向传播的过程训练模型；新版本的表格识别模型的准确率满足条件下，构建特征演化场景，依据回归缓解策略实现模型演化过程，将新版本的表格识别模型的准确率作为评估指标，获得演化过程回归缺陷缓解策略。本发明有助于提升深度学习表格识别模型质量和可靠性。

本发明授权一种面向深度学习表格识别模型演化的回归缺陷缓解方法在权利要求书中公布了：1.一种面向深度学习表格识别模型演化的回归缺陷缓解方法，其特征在于，包括： S1，进行针对表格识别模型演化的特征选择算法设计，以用户新增加的特征集合为该算法的输入，基于特征前向搜索算法进行适于后续模型训练的特征选择，去除冗余特征，以获得新特征集合； S2，将得到的所述新特征集合与旧特征集合进行合并，合并后的新特征集合作为模型训练数据，基于期望梯度对所述新特征集合计算特征贡献度，实现贡献度控制的特征重训练，计算特征在新旧模型上贡献度的余弦相似度，在表格模型训练过程中引入新的损失函数进行特征贡献度的变化控制，结合余弦相似度和损失函数得到总体损失函数，利用总体损失函数保持旧特征的贡献度，同时学习新特征，基于新特征集合通过前向传播和反向传播的过程来训练模型； S3，随机抽取总特征数量的作为原始特征，训练得到初始表格识别模型，然后将剩余的特征作为新添加的特征与原始特征组合，训练得到新版本的表格识别模型，直至新版本的表格识别模型的准确率高于初始表格识别模型时，构建特征演化场景； S4，在所述特征演化场景下，依据回归缓解策略实现模型演化过程，将新版本的表格识别模型的准确率作为评估约束，获得演化过程回归缺陷缓解策略为负翻转率和相对负翻转率越低，演化过程回归缺陷越小，依此策略实现回归缺陷修复。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津大学，其通讯地址为：300072 天津市南开区卫津路92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。