一种基于预训练模型的类增量学习高效重放方法

AITNT
正文
推荐专利
一种基于预训练模型的类增量学习高效重放方法
申请号:CN202410979485
申请日期:2024-07-22
公开号:CN118964979A
公开日期:2024-11-15
类型:发明专利
摘要
本发明提供一种基于预训练模型的类增量学习高效重放方法,属于人工智能的技术领域,包括获取数据预训练模型;基于获取到的所述数据预训练模型,对目标数据集进行类增量学习;根据所述数据预训练模型和类增量学习结果,预测历史学习任务。本发明将预训练模型与重放思想进行结合,在预训练模型的条件下,可以不损失性能的同时极大加速训练,并且只需要低限度的历史样本信息。
技术关键词
预训练模型 重放方法 分类预测模型 更新解码器 编码特征 输入解码器 数据 初始化解码器 编码器 记忆 图像 参数 样本 算法 阶段
系统为您推荐了相关专利信息
1
预测突变对蛋白酶活性的影响
蛋白酶 序列特征 三维结构 预训练模型 样本
2
基于大模型的智能安防监控系统及方法
编码向量 对象 编码特征 关键帧 融合背景信息
3
基于自主决策算法的无人带电作业控制系统
路段 决策算法 带电作业 语义注意力 编码特征
4
一种融合卫星图像和实测RSRP的地面无线电地图生成系统
无线电地图 解码器 编码特征 高分辨率卫星 输入模块
5
图像处理方法、装置、存储介质、电子设备及AR眼镜
语义分割模型 编码特征 融合多模态特征 解码 空间金字塔池化
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号