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！

龙图腾网获悉北京易智时代数字科技有限公司申请的专利面向小样本工业场景的双通道自适应持续学习方法及装置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：CN121390178B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202511924220.8，技术领域涉及：G06N3/08；该发明授权面向小样本工业场景的双通道自适应持续学习方法及装置是由刘畅;王红梅;李建华;刘洪艳;颜廷峰设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本面向小样本工业场景的双通道自适应持续学习方法及装置在说明书摘要公布了：本说明书实施例提供面向小样本工业场景的双通道自适应持续学习方法及装置，包括：构建双通道自适应持续学习引擎，双通道自适应持续学习引擎包括结构知识注入通道和语义认知优化通道，结构知识注入通道用于将规则子集编码为工业领域适配器并嵌入预训练模型中，语义认知优化通道用于基于工业指令模板对多模态输入进行知识增强提示工程；执行带噪声过滤的增量微调，包括使用动态置信度过滤器对小样本工业训练数据集中的样本进行噪声识别和降权，并采用任务感知参数隔离机制仅微调与新任务相关的子网络，以及结合弹性权重固化和回放缓冲区防止灾难性遗忘。通过“结构知识注入”与“语义认知优化”双通道协同机制，实现高效、鲁棒、无遗忘的持续学习。

本发明授权面向小样本工业场景的双通道自适应持续学习方法及装置在权利要求书中公布了：1.一种面向小样本工业场景的双通道自适应持续学习方法，其特征在于，包括： 获取小样本工业训练数据集，所述小样本工业训练数据集包括多模态工业数据和对应的标注以及关联的规则子集； 构建双通道自适应持续学习引擎，所述双通道自适应持续学习引擎包括结构知识注入通道和语义认知优化通道，其中所述结构知识注入通道用于将所述规则子集编码为工业领域适配器并嵌入预训练模型中，所述语义认知优化通道用于基于工业指令模板对多模态输入进行知识增强提示工程； 执行带噪声过滤的增量微调，包括使用动态置信度过滤器对所述小样本工业训练数据集中的样本进行噪声识别和降权，并采用任务感知参数隔离机制仅微调与新任务相关的子网络，以及结合弹性权重固化和回放缓冲区防止灾难性遗忘； 部署在线持续学习与模型更新机制，包括基于语义漂移检测触发增量微调，并管理模型版本； 所述结构知识注入通道包括将所述规则子集编码为工业领域适配器，所述工业领域适配器为轻量级全连接网络；将所述工业领域适配器嵌入预训练工业大模型的Transformer层之间；仅微调所述工业领域适配器的参数，冻结所述预训练工业大模型的主干网络参数； 所述语义认知优化通道包括：构建工业指令模板库，所述工业指令模板包括设备、现象和操作的可填充模板；将工业指令模板与多模态输入拼接形成带上下文的提示；引入语义纠偏算法对模型输出进行规则一致性校验，并在违反规则时反馈修正信号； 所述使用动态置信度过滤器对所述小样本工业训练数据集中的样本进行噪声识别和降权，包括： 对于每个样本，计算模型预测置信度； 若所述置信度低于0.3或高于0.95，则判定为噪声样本； 对所述噪声样本赋予低第一权重，对正常样本赋予第二权重；其中，所述第一权重小于所述第二权重； 所述任务感知参数隔离机制包括： 采用弹性权重固化计算历史任务关键参数的重要性矩阵； 构建回放缓冲区存储历史高置信度样本； 定义复合损失函数，所述复合损失函数包括基于样本权重计算的新任务损失、基于回放缓冲区中的样本计算的回放损失和基于参数重要性及原始参数值计算的弹性权重固化正则项； 仅微调与新任务相关的子网络，所述子网络包括工业领域适配器、提示向量和分类头； 所述部署在线持续学习与模型更新机制，包括： 计算新样本与历史知识库的平均语义距离；若所述平均语义距离超过0.35，则触发增量微调；在24小时内完成微调，生成新版本模型；采用语义化版本号管理模型版本，支持AB测试和回滚。

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北京易智时代数字科技有限公司，其通讯地址为：100176 北京市大兴区经济技术开发区荣华南路2号院2号楼27层；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。