用于持续学习的方法和装置
    1.
    发明公开

    公开(公告)号:CN118265988A

    公开(公告)日:2024-06-28

    申请号:CN202180103671.9

    申请日:2021-10-25

    Abstract: 本公开内容涉及一种用于持续学习的方法,该方法包括:由神经网络在第一训练数据集上学习第一任务,以获得用于第一任务的神经网络的参数;以及在学习第一任务之后,由神经网络在第二训练数据集上学习第二任务,其中学习第二任务包括:获得用于第二任务的神经网络的扩展参数;以及通过使用两个权重合并正则化项,选择性地与用于第一任务的参数和用于第二任务的扩展参数进行合并,以获得用于第一任务和第二任务两者的神经网络的参数。

    深度神经网络的持续学习框架及持续学习方法

    公开(公告)号:CN111191709A

    公开(公告)日:2020-05-22

    申请号:CN201911361322.8

    申请日:2019-12-25

    Applicant: 清华大学

    Abstract: 本发明实施例提供一种深度神经网络的持续学习框架及持续学习方法,其中持续学习框架包括:条件生成器网络,用于生成与当前任务的训练数据同类别的生成数据,并在训练时为当前任务分配特定的参数子空间;判别器网络,用于监督生成数据的生成过程,以使生成数据逐渐逼近旧任务的训练数据,并将逼近的生成数据作为旧任务的等效训练数据;分类器网络,包括独立分类器网络和判别器网络带有的辅助分类器网络,用于利用权重巩固机制,选择性的保持编码旧任务的参数,并利用当前任务的训练数据和旧任务的等效训练数据,持续性的更新并联合训练当前任务。本发明实施例能够有效缓解持续学习过程中对旧任务的灾难性遗忘,提升持续学习能力。

    治理油污土壤的方法及其专用菌群

    公开(公告)号:CN1718721A

    公开(公告)日:2006-01-11

    申请号:CN200510068342.8

    申请日:2005-05-08

    Applicant: 清华大学

    Abstract: 本发明公开了治理油污土壤的方法及其专用菌群。本发明所提供的菌群,由黄单胞菌(Xanthomonas sp.)dn1 CGMCC № 1299、黄杆菌(Flavobacterium sp.)dn2 CGMCC № 1298、假单胞菌(Pseudomonas sp.)dc2 CGMCC № 1297、假单胞菌(Pseudomonas sp.)dy1 CGMCC № 1296、和无色菌(Achromobacter sp.)dy3 CGMCC № 1295组成。本发明治理油污土壤的方法,就是在油污土壤中加入上述降解微生物的菌群来降解油污。本发明从大庆油田废弃井场的油污土壤中筛选到一组降解菌群,该降解菌群适于较低温度(10℃~20℃)作用;本发明治理油污土壤的方法,是应用所筛选得到的降解菌群对油污降解的协同作用,并可在土壤中加入营养物来促进细菌的生长。本发明适用于风化原油的油污土壤的治理,对其它成品油及轻质原油等其它类型原油造成的油污土壤的治理效果更好。

    深度神经网络的持续学习框架及持续学习方法

    公开(公告)号:CN111191709B

    公开(公告)日:2023-10-31

    申请号:CN201911361322.8

    申请日:2019-12-25

    Applicant: 清华大学

    Abstract: 本发明实施例提供一种深度神经网络的持续学习框架及持续学习方法,其中持续学习框架包括:条件生成器网络,用于生成与当前任务的训练数据同类别的生成数据,并在训练时为当前任务分配特定的参数子空间;判别器网络,用于监督生成数据的生成过程,以使生成数据逐渐逼近旧任务的训练数据,并将逼近的生成数据作为旧任务的等效训练数据;分类器网络,包括独立分类器网络和判别器网络带有的辅助分类器网络,用于利用权重巩固机制,选择性的保持编码旧任务的参数,并利用当前任务的训练数据和旧任务的等效训练数据,持续性的更新并联合训练当前任务。本发明实施例能够有效缓解持续学习过程中对旧任务的灾难性遗忘,提升持续学习能力。

    一种微型化三维宽视场层析成像装置

    公开(公告)号:CN111258049A

    公开(公告)日:2020-06-09

    申请号:CN202010103516.4

    申请日:2020-02-20

    Applicant: 清华大学

    Abstract: 本发明涉及一种微型化三维宽视场层析成像装置,属于光学显微成像技术领域。本成像装置包括光源、数字微镜器件、中继系统(凸透镜(I)、凸透镜(II))、光纤束、微型收集透镜、微型反射镜、微型二向色镜、微型电调谐透镜、微型物镜、微型发射光滤波片、微型管透镜、微型相机和计算机。本成像装置可在小动物身上进行灵活装配及其拆卸,其体积和重量得到了极大地缩小,降低了设备成本。本成像装置具有层析能力,可实现小动物自由活动下的宽视场、三维动态成像,具有广阔的生物医学应用前景。

    一种筛选修复脑神经元退化药物的果蝇疾病模型及其构建方法与应用

    公开(公告)号:CN1521260A

    公开(公告)日:2004-08-18

    申请号:CN03102234.0

    申请日:2003-01-30

    Inventor: 谢佐平 钟毅 陈健

    Abstract: 本发明公开了一种筛选修复脑神经元退化药物的果蝇疾病模型及其构建方法与应用。本发明的技术方案为:一种筛选修复脑神经元退化药物的果蝇模型,该模型的脑区神经元过量表达人Aβ42淀粉样蛋白,具有人Aβ42淀粉样蛋白介导神经毒性导致的神经元退化。所述果蝇模型是将雌性elav-Gal4处女蝇与雄性UAS-Aβ42转基因果蝇进行杂交得到的子I代果蝇。用转基因果蝇模型来研究人脑疾病和开发有效药物有其它系统不可比拟的优势。利用本发明的模型及方法,使快捷地对大量化合物和中草药进行筛选得以实现,并可以据此开发出修复脑神经元退化的高效药物。

    用于任务的连续学习的方法和装置

    公开(公告)号:CN119631086A

    公开(公告)日:2025-03-14

    申请号:CN202280097902.4

    申请日:2022-07-04

    Abstract: 本公开内容提供了一种用于多个任务的连续学习的计算机实现的方法,包括:由多个连续学习子网络并行地接收输入数据,所述输入数据与所述多个任务中的一个任务相关,所述多个连续学习子网络的数量是固定的并且与所述多个任务的数量无关;分别由所述多个连续学习子网络基于所述输入数据来生成多个特征表示;由特征集成子网络基于所述多个特征表示来生成与所述一个任务相关的预测;基于与所述一个任务相关的所述预测和与直到所述一个任务为止已经学习的任务相关的信息来生成连续学习损失值;以及基于所述连续学习损失值来更新所述多个连续学习子网络和所述特征集成子网络的可学习参数。

    小样本持续学习模型的训练方法、介质、装置和计算设备

    公开(公告)号:CN112734038A

    公开(公告)日:2021-04-30

    申请号:CN202110077164.4

    申请日:2021-01-20

    Applicant: 清华大学

    Abstract: 本发明的实施方式提供了一种小样本持续学习模型的训练方法、介质、装置和计算设备。该方法包括:所述小样本持续学习模型中包含慢权重和快权重,基于当前任务对应的训练数据集,计算所述慢权重对应的当前活动标记;基于所述当前活动标记与由在先任务存储的累积活动标记,计算得到映射值;将所述慢权重复制至所述快权重,通过分类损失函数对所述快权重进行更新;通过更新后的快权重对所述慢权重中的参数进行更新,并基于更新后的所述快权重和所述慢权重,实现对所述小样本持续学习模型的训练。本发明能够平衡在同一模型中小样本学习的泛化能力以及持续学习的拟合能力,提升了小样本持续学习模型对整个任务序列的处理性能。

Patent Agency Ranking