一种基于特征和样本对抗共生的多任务学习方法及其系统（高校公示15天）（不包年费滞纳金）（需要二变）

本发明涉及多任务深度学习领域，其提供了一种基于特征和样本对抗共生的多任务学习方法，包括以下步骤：S1、随机抽取任务的样本，生成与领域无关的共性隐式特征；S2、基于步骤S1中生成的共性隐式特征，生成高仿真的样本，该高仿真的样本作为步骤S1下一循环的任务样本；S3、循环步骤S1和S2，直到多任务的对抗博弈达到均衡时，生成最终的高仿真样本和高质量分类标签；本发明还提供了一种基于特征和样本对抗共生的多任务学习系统；本发明解决了领域分布差异和小样本问题，将极大提高机器学习系统的泛化性能，从而推动人工智能的诸多应用领域取得突破。本发明不但适用于多任务学习和迁移学习，也适用于多视图学习和多模态学习。

《一种基于特征和样本对抗共生的多任务学习方法及其系统（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2020105948932，当前法律状态为已下证，由华南师范大学提出申请，发明人为谭琦;杨沛，申请日期为2020-06-28，公开（公告）日期为2024-06-18，国际专利分类号（IPC）为 G06F 18/241 (2023.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明涉及多任务深度学习领域，其提供了一种基于特征和样本对抗共生的多任务学习方法，包括以下步骤：S1、随机抽取任务的样本，生成与领域无关的共性隐式特征；S2、基于步骤S1中生成的共性隐式特征，生成高仿真的样本，该高仿真的样本作为步骤S1下一循环的任务样本；S3、循环步骤S1和S2，直到多任务的对抗博弈达到均衡时，生成最终的高仿真样本和高质量分类标签；本发明还提供了一种基于特征和样本对抗共生的多任务学习系统；本发明解决了领域分布差异和小样本问题，将极大提高机器学习系统的泛化性能，从而推动人工智能的诸多应用领域取得突破。本发明不但适用于多任务学习和迁移学习，也适用于多视图学习和多模态学习。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！