[发明专利]一种基于帧差法加速神经网络运算的方法

权利要求书

1.一种基于帧差法加速神经网络运算的方法，该方法将神经网络分为多层，对每层参考帧，按常规操作通过神经网络各层进行运算，保存各层中线性矩阵运算的输入值和运算结果；其特征在于，对每层除参考帧以外各帧的处理包括线性矩阵运算部分和非线性运算部分，具体如下：

对于神经网络第n层的线性矩阵运算部分：首先将神经网络的连续输入序列的第k帧x_n,k减去前m帧x_n,k-m，通过小值清零变换得到帧差值Δx_n,k，再将Δx_n,k作为神经网络第n层的输入，得到神经网络线性矩阵运算输出Δy_n,k，最终得到第n层第k帧的线性矩阵运算输出结果y_n,k，k≥2，m≥1；表示如下：

y_n,k-m＝f(x_n,k-m)，Δx_n,k＝x_n,k-x_n,k-m，Δy_n,k＝f(Δx_n,k)，y_n,k＝Δy_n,k+y_n,k-m；f表示神经网络线性矩阵运算；

进而得到第n层的非线性运算输出结果y_n,k′：y_n,k′＝f′(y_n,k)；f′表示神经网络非线性运算；

将y_n,k′-y_n,k-m′通过小值清零变换后的结果作为第n+1层神经网络线性矩阵运算的帧差值Δx_n+1,k，最终得到第n+1层第k帧的线性矩阵运算输出结果y_n+1,k；依次类推，直到神经网络第k帧的最终输出结果；

对于神经网络第n层的非线性运算部分采用常规方法运算。

2.如权利要求1所述的一种基于帧差法加速神经网络运算的方法，其特征在于：所述的小值清零变换，是指将输入数值中大于ε₁且小于ε₂的值置为0，ε₁和ε₂为设定阈值，ε₁≤0，ε₂≥0，ε₁＜ε₂。

3.如权利要求1所述的一种基于帧差法加速神经网络运算的方法，其特征在于：所述的所述神经网络包括深度神经网络、卷积神经网络、自编码器、循环神经网络。

4.如权利要求1所述的一种基于帧差法加速神经网络运算的方法，其特征在于：所述参考帧是指不经过帧差法处理的原始帧，或者是该原始帧通过神经网络计算得到的各层运算结果。

5.如权利要求1所述的一种基于帧差法加速神经网络运算的方法，其特征在于：所述神经网络线性矩阵运算，采用支持稀疏矩阵运算加速的硬件设备或者数学运算库实现。