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！

龙图腾网恭喜西北工业大学申请的专利一种基于类原型提示和虚拟逻辑值的持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：CN119598272B 。

龙图腾网通过国家知识产权局官网在2025-05-20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：202510148888.1，技术领域涉及：G06F18/24；该发明授权一种基于类原型提示和虚拟逻辑值的持续学习方法是由张艳宁;谭杰;张世周;路悦;王鹏;田雪涛;席庆彪设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种基于类原型提示和虚拟逻辑值的持续学习方法在说明书摘要公布了：本发明公开了一种基于类原型提示和虚拟逻辑值的持续学习方法，涉及模式识别技术领域，本发明为每个任务训练一个任务特定提示，在选择加入提示方法方面提出了一种基于类原型的提示查询机制，并向原本固定的查询函数加入提示动量地更新，消除了加入提示不均匀的问题。同时，此方法还提出向分类器输出的逻辑中加入虚拟生成的逻辑，使得分类器具有更好的分类边界，达到解决任务间混淆问题的目的。本发明解决了现有方法存在提示查询不均匀性问题，以及未能充分缓解任务间混淆，从而存在严重灾难性遗忘现象的问题。

本发明授权一种基于类原型提示和虚拟逻辑值的持续学习方法在权利要求书中公布了：1.一种基于类原型提示和虚拟逻辑值的持续学习方法，其特征在于，包括以下步骤：S1：在查询函数微调阶段中，将当前任务的图像和引入的提示输入至预训练的编码器进行训练，并通过训练样本的交叉熵损失反向传播更新分类器参数和提示；所述S1中包括以下分步骤：S11：进行模型参数初始化，并将当前任务的图像和引入的提示输入至预训练的编码器，获得图像特征；S12：将图像特征输入至分类器中，经分类器获得前向传播得到的输出；S13：基于前向传播得到的输出，计算每个样本的第一交叉熵损失，并通过反向传播更新分类器和提示；S2：基于更新后的提示和前一个任务查询函数中的提示，利用动量更新提示，并结合预训练的编码器，获得当前任务的查询函数；S3：基于当前任务的查询函数和当前任务的图像，提取训练样本的查询特征，并通过查询特征为当前任务的每个类别样本计算一个类原型，同时将类原型存储在原型池中；S4：在基于虚拟逻辑值的提示微调阶段中，将当前任务的图像和提示输入至另一预训练的编码器中，通过加入虚拟逻辑值计算训练样本的交叉熵损失，并根据交叉熵损失反向传播更新分类器和提示，同时将更新的提示存储在提示池中；所述S4中包括以下分步骤：S41：将当前任务的图像和提示输入至另一预训练的编码器中，获得图像特征；S42：将图像特征输入至分类器中，经分类器获得前向传播得到的输出逻辑值；S43：使用虚拟逻辑值生成器生成一个虚拟逻辑值，并将所述虚拟逻辑值加入至前向传播得到的输出逻辑值中，获得扩展逻辑值；S44：利用扩展逻辑值计算每个样本的第二交叉熵损失，并通过反向传播更新分类器和提示；S45：根据更新得到的提示，将其存储在提示池中；S5：重复上述步骤S1-S4，直至完成当前任务的训练，并基于存储的类原型和提示，利用当前任务的测试样本进行测试，获得分类结果，完成基于类原型提示和虚拟逻辑值的持续学习；所述S5中基于存储的类原型和提示，利用当前任务的测试样本进行测试，获得分类结果，包括以下分步骤：S51：选取测试集中的一个测试样本，并将测试样本输入至通过动量更新的查询函数中提取其查询特征；S52：计算提取的查询特征与存储在原型池中的类原型之间的距离，并选择最近邻类原型所对应的任务标签，公式为： 其中，表示欧式距离，表示首先固定任务对类别最小化，然后再对任务最小化，最终得到最近邻类原型对应的任务标签，为当前任务的第个类别的类原型；S53：基于任务标签选择对应的存储在提示池中的提示，并将提示与测试样本一同输入至模型中，获得特征；S54：将特征输入至分类器中获得分类结果。

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西北工业大学，其通讯地址为：710068 陕西省西安市友谊西路127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”。