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！

龙图腾网获悉厦门理工学院申请的专利一种面向多终端的多模型协同持续学习方法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：CN121724100B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610200000.9，技术领域涉及：G06N3/096；该发明授权一种面向多终端的多模型协同持续学习方法是由陈顺义;姜俊豪;颜寿禹;黄火明;洪清心;侯微知;李晨程设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本一种面向多终端的多模型协同持续学习方法在说明书摘要公布了：本发明公开了一种面向多终端的多模型协同持续学习方法，包括：中心端基于场景先验与终端能力，从模型池中为各终端确定初始组合模型及其路由参数，向终端下发基座模型参数、增量参数、推理配置；终端利用下发的模型组合对本地多源感知数据进行推理，生成训练信号并回传结构化学习日志；中心端根据结构化学习日志进行质量评估与异常检测，触发主动学习取证指令，终端按指令回传小体量证据样本及上下文；中心端融合结构化学习日志、证据样本与更新量，对终端进行分组聚类并更新路由策略，采用联邦聚合生成群组共享更新，输出个性化增量参数与路由策略。

本发明授权一种面向多终端的多模型协同持续学习方法在权利要求书中公布了：1.一种面向多终端的多模型协同持续学习方法，其特征在于，包括： S1中心端基于场景先验与终端能力，从模型池中为各终端确定初始组合模型及其路由参数，向终端下发基座模型参数、增量参数、推理配置； S2终端利用下发的模型组合对本地多源感知数据进行推理，生成训练信号并回传结构化学习日志，所述终端为激光除草机器人，包括： S201终端侧基于下发的模型组合对本地多源感知数据完成目标识别与作业判定后，针对每个候选目标生成学习样本条目，并形成按时间排序的候选学习样本序列； S202将候选学习样本序列按照激光除草作业的语义阶段进行分段，得到多个作业段，所述语义阶段至少包括：入行稳定段、稳定除草段、密集杂草段、高反光遮挡段、掉头非作业段； S203对每个作业段内的学习样本条中的进行字段整形和分层描述，对字段整形和分层描述的学习样本条进行编码和保真标记，得到相对编码段； S204对每个相对编码段内的短码序列、零差分序列、重复状态序列进行重复模式压缩，形成压缩日志块；S3中心端根据结构化学习日志进行质量评估与异常检测，触发主动学习取证指令，终端按指令回传小体量证据样本及上下文； S4中心端融合结构化学习日志、证据样本与更新量，对终端进行分组聚类并更新路由策略，采用联邦聚合生成群组共享更新，输出个性化增量参数与路由策略，包括： S401中心端在接收到各终端回传的数据后，基于语义作业段标识与时间戳将异常段对应的证据样本与更新量进行绑定，得到异常段记录，针对每一异常段记录，根据其综合异常分数计算得到证据聚合权重； S402基于证据样本生成证据表征向量，并对同一终端的多个异常段记录的证据表征向量进行加权融合，以得到该终端对应的终端表征向量； S403中心端基于所述终端表征向量对终端进行分组聚类，得到至少一个终端群组以及各终端所属群组标识，并为每一终端群组生成群组原型向量； S404中心端针对每一终端群组，基于群组内各终端的更新量并按照所述证据聚合权重进行加权联邦聚合，得到该终端群组对应的群组共享更新，其中，所述加权联邦聚合至少满足：证据权重越大的终端，其更新量在所述群组共享更新中的贡献度越高； S405中心端基于群组原型向量进行群组共享更新，确定该终端群组对应的模型路由策略，针对群组内各终端，生成与该终端所属群组对应的个性化增量参数。

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厦门理工学院，其通讯地址为：361021 福建省厦门市集美区理工路600号；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。