[发明专利]基于参数压缩和结构压缩的车载深度神经网络优化方法在审
| 申请号： | 201611240883.9 | 申请日： | 2016-12-29 |
| 公开（公告）号： | CN107220706A | 公开（公告）日： | 2017-09-29 |
| 发明（设计）人： | 王曦;周冕;谢晓靓;宋健明;赵贵平;王震 | 申请（专利权）人： | 恩泊泰（天津）科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;B60W50/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300000 天津市南开区华苑产业*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 参数 压缩 结构 车载 深度 神经网络 优化 方法 | ||
【权利要求书】：
1.基于参数压缩和结构压缩的车载深度神经网络优化方法，其特征在于：为了提高网络的性能，针对卷积网络进行的优化，实施步骤如下：
1.对于特定层，可以使用级联的子网络来保证网络的性能。
2.对于子网络可以设置较少的参数，并达到较好的性能。
3.适当提高子网络的深度
4.设置特殊的网络层，合并多个自网络的输出；
这里r是一个远小于m，n的数，这样就大大降低了原始矩阵的维度，提高了计算的速度。
2.根据权利要求1所述的基于参数压缩和结构压缩的车载深度神经网络优化方法，其特征在于：全链接网络是一个典型的矩阵计算方法，可以使用矩阵的方法进行参数压缩。假设全链接层的参数为A，对A进行SVD分解，公式如下
A＝U∑VT 。
3.根据权利要求1所述的基于参数压缩和结构压缩的车载深度神经网络优化方法，其特征在于：为了降低参数的格式，可以进行部分奇异值分解，如下：
Am×n≈Um×r∑r×rVTr×n其中，r是一个远小于m，n的数，很大程度的降低了原始矩阵的维度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于恩泊泰（天津）科技有限公司，未经恩泊泰（天津）科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201611240883.9/1.html，转载请声明来源钻瓜专利网。
