一种匹配任务难度的类别增量学习模型定制化方法、装置及存储介质

    公开(公告)号:CN119323245B

    公开(公告)日:2025-04-04

    申请号:CN202411874322.9

    申请日:2024-12-19

    Abstract: 本发明公开了一种匹配任务难度的类别增量学习模型定制化方法、装置及存储介质,属于分类网络设计领域。该方法包括:设计匹配当前任务难度的不等式约束,筛选随机节点,以构建类别增量学习模型的表征学习层的神经单元;以动态前向更新的方式更新类别增量学习模型的分类器层的输出权值;基于当前任务的训练数据计算输出概率,并根据输出概率对应的激活阈值对神经单元进行参数化,更新类别增量学习模型,得到定制化的类别增量学习模型;获取训练过的某一任务的测试数据,将测试数据输入定制化的类别增量学习模型中激活对应的神经单元,得到输出类别。分配与任务难度相匹配的扩展配额,使得网络的扩展与适应新任务所需的模型容量相匹配。

    一种基于跨物种仿生的多智能体采样事件触发协同跟踪控制方法

    公开(公告)号:CN119356190A

    公开(公告)日:2025-01-24

    申请号:CN202411878945.3

    申请日:2024-12-19

    Abstract: 本发明属于多智能体集群控制相关技术领域,具体涉及一种基于跨物种仿生的多智能体采样事件触发协同跟踪控制方法,包括:提出多智能体系统模型的跨物种仿生表征,实现多智能体系统的协同跟踪控制效果,提升了控制策略的生物可解释性与可靠性,另外提出三套分布式多智能体采样事件触发信息传输机制,分别需要每个智能体在离散的第一个非周期采样序列对其自身对目标智能体系统参数与系统状态估计值进行监测并基于误差进行判断,在离散的第二个非周期采样序列对其自身输出状态值和控制协议进行监测并基于误差进行判断,若满足预定的三套事件触发条件,则将此刻的信息进行传输。本发明能够到达在计算资源和通信资源受限下高效实现协同跟踪控制的目的。

Patent Agency Ranking