申请/专利权人：清华大学

申请日：2019-11-18

公开（公告）日：2020-05-15

公开（公告）号：CN111160562A

主分类号：G06N20/00(20190101)

分类号：G06N20/00(20190101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2023.08.18#发明专利申请公布后的视为撤回;2020.06.09#实质审查的生效;2020.05.15#公开

摘要：本发明公开了一种基于元学习优化方法的连续学习方法及装置，其中，方法包括以下步骤：建立初始深度学习模型；对于第T个新任务，利用元学习的优化方法训练初始深度学习模型；在每次训练任务结束后，更新记忆储存单元，储存部分训练数据以用于后续学习，且在模型训练结束后，使得最终深度学习模型根据任意输入数据执行不同的任务。该方法利用元学习的优化方法解决连续学习场景下的机器学习问题，且元学习优化方法能够充分学习不同任务之间的关系，提高多任务之间的迁移效率，从而提高模型的学习能力。

主权项：1.一种基于元学习优化方法的连续学习方法，其特征在于，包括以下步骤：建立初始深度学习模型；对于第T个新任务，利用元学习的优化方法训练所述初始深度学习模型；以及在每次训练任务结束后，更新记忆储存单元，储存部分训练数据以用于后续学习，且在模型训练结束后，使得最终深度学习模型根据任意输入数据执行不同的任务。

全文数据：

权利要求：

百度查询： 清华大学 基于元学习优化方法的连续学习方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD