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基于非对称距离优化的并行连续学习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：CN116822587B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310701734.1，技术领域涉及：G06N3/0464；该发明授权一种基于非对称距离优化的并行连续学习方法是由冯伟;吕凡;万亮;尚凡华;王春雪;周颜林;李炜骐设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。

本一种基于非对称距离优化的并行连续学习方法在说明书摘要公布了：本发明公开了一种基于非对称距离的并行连续学习方法，所述方法包括以下步骤：步骤一，从任务训练集S中随机无重复采样批次的任务数据{x,yt}n，输入到卷积神经网络构建多任务神经网络预测模型；步骤二，通过损失函数对多任务神经网络预测模型中每一任务首部特征数据进行计算获得每一任务首部损失值Lt；步骤三，将每一任务首部损失值Lt分别反向传播获得其在多任务神经网络预测模型中对应的每一任务第一梯度值gt；步骤四，通过如下公式对每一任务梯度值gt求最优解获得多任务神经网络预测模型非对称梯度距离矩阵αt；步骤六通过最小化范数算法对每一任务第一梯度值gt归一化处理获得多任务神经网络预测模型的权重集β等步骤；本发明有效地解决了并行连续学习的训练冲突和灾难性遗忘的问题。

本发明授权一种基于非对称距离优化的并行连续学习方法在权利要求书中公布了：1.一种基于非对称距离的并行连续学习方法，其特征在于，所述方法包括以下步骤： 步骤一，从任务训练集中随机无重复采样批次的任务数据，输入到卷积神经网络构建多任务神经网络预测模型；其中：,R为实数集，3*H*W表示维度，3表示图像的通道数，H表示图像的高，W表示图像的宽，为样本在任务中的真实标签，为一个批次所包含的样本数； 步骤二，通过损失函数对多任务神经网络预测模型中每一任务首部特征数据进行计算务获得每一任务首部损失值； 步骤三，将每一任务首部损失值分别反向传播获得其在多任务神经网络预测模型中对应的每一任务第一梯度值； 步骤四，通过如下公式对每一任务梯度值求最优解获得多任务神经网络预测模型非对称梯度距离矩阵 式中：任务的梯度；是其他所有任务的加权梯度；表示任务的梯度与其他所有任务的加权梯度的非对称梯度距离，是其他任务的权重，其中，； 步骤五，通过最小化范数算法对每一任务第一梯度值获得多任务神经网络预测模型的权重集,其中，； 步骤六，通过如下公式对每一任务的中权重项、求和并归一化获得每一任务的融合权重； ； 其中：表示任务数量； 步骤七，通过如下公式将每一任务的融合权重与每一任务第一梯度值进行加权求和获得任务匹配； ； 步骤八，通过任务匹配多任务神经网络预测模型。

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。