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！

龙图腾网获悉华南理工大学申请的专利一种基于评估模型的高效动态数据集剪枝方法及系统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：CN120181165B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510193157.9，技术领域涉及：G06N3/082；该发明授权一种基于评估模型的高效动态数据集剪枝方法及系统是由郭锴凌;黄景涛;徐向民设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种基于评估模型的高效动态数据集剪枝方法及系统在说明书摘要公布了：本发明公开一种基于评估模型的高效动态数据集剪枝方法及系统，涉及人工智能，针对现有技术中剪枝效果不理想的问题提出本方案。通过评估模型来辅助生成剪枝指标，设计样本训练策略以减少剪枝造成的信息损失。其优点在于，一方面通过评估模型提前提取数据集特征，为数据剪枝提供更为精准的指标；另一方面，采用在线批次评估方法，有效解决了传统动态指标存在的滞后性问题。通过这两种创新手段，本发明能够显著提升数据剪枝的效率和精度，优化训练过程。本发明提出的样本训练策略，解决了数据集调用顺序的问题，减少不必要的计算量，从而提高了训练效率，增强了模型的泛化能力。

本发明授权一种基于评估模型的高效动态数据集剪枝方法及系统在权利要求书中公布了：1.一种基于评估模型的高效动态数据集剪枝方法，其特征在于，用于图像分类，通过评估模型来辅助生成剪枝指标，设计样本训练策略以减少剪枝造成的信息损失； 所述评估模型训练包括以下步骤： S1.根据数据集的规模和复杂度，调整网络的深度和宽度；评估模型的最后一层输出结构定义为一个单一的数据难度指标； S2.定义评估模型的损失函数； 其中，为输入的图片数据，y为对应的真实标签，表示来自预训练分类模型的交叉熵损失，表示评估模型的输出，表示评估模型的参数；将预训练模型的损失作为训练目标，促使与之间呈现正相关关系； S3.通过预训练，令数据与评估模型之间建立关联，将评估模型作为即插即用的模块，采用在线批次数据选择的方式应用于数据剪枝过程中； 所述样本训练策略设计包括以下步骤： S4.采用了一种将重要数据放置于关键阶段进行训练的方法；训练早期是模型训练的关键阶段，在简单数据集中，将困难样本优先保留在训练的早期阶段，以便模型能够迅速适应并捕捉到数据中的复杂特征；而对于复杂的数据集，则优先将简单样本放入训练的初期阶段，以确保模型在早期能够稳定收敛并为后期处理复杂样本打下良好的基础； 所述步骤S2具体包括以下子步骤： S21.将输入图片同时传递到预训练的评估模型和教师模型；评估模型的目标是预测图片的难度，而教师模型则输出该图片的类别预测或用于训练的相关特征； S22.评估模型输出一个关于数据难度的标量值；与此同时，教师模型生成类别预测输出；通过与真实标签比较，计算教师模型的交叉熵损失值：； S23.对评估模型批次数据的输出进行softmax归一化处理，以确保输出值在[0,1]范围内并符合概率分布；然后根据公式计算评估模型的损失值，该损失值是评估模型和教师模型结果之间的交叉熵损失，反映了评估模型在捕获数据难度方面的表现； S24.使用梯度下降算法优化评估模型的参数。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。