[发明专利]一种基于自动驾驶的神经网络数据存储方法及系统

权利要求书

1.一种基于自动驾驶的神经网络数据存储方法，其特征在于，包括：

获取存储空间；所述存储空间包括多个类型的存储区块，不同类型的存储区块采用不同的纠检错编码，不同类型的存储区块的可靠性不同；

获取根据自动驾驶要求构建的神经网络模型；

对所述神经网络模型中每个神经元的脆弱度进行分析，得到每个神经元的脆弱度，具体包括：

获取每个神经元的结构性脆弱因子；

获取每个神经元的容错性因子；

根据每个神经元的数据特性，确定每个神经元的M因子；所述神经元的M因子为所述神经元中所有权重值的M因子的总和；当所述权重值为浮点数时，所述权重值的M因子为权重值高阶指数位中0的位数与权重值总位数的比值；当所述权重值为定点数时，所述权重值的M因子为权重值整数位中0的位数与权重值总位数的比值；

根据每个神经元的结构性脆弱因子、容错性因子和M因子，确定所述神经元的脆弱度；所述神经元的脆弱度为所述结构性脆弱因子、所述容错性因子和所述M因子的乘积；

根据每个神经元的脆弱度和所述存储区块的类型，将所有的神经元进行分类，得到多个类别的神经元集合；所述神经元集合的类别和所述存储区块的类别相同；

采用图染色算法，将多个类别的神经元分别存储至所述存储空间的存储区块中；可靠性越高的存储区块中存储的神经元的脆弱度越高。

2.根据权利要求1所述的基于自动驾驶的神经网络数据存储方法，其特征在于，所述存储空间具体包括3个类型的存储区块，分别为第一类存储区块、第二类存储区块和第三类存储区块；所述第一类存储区块的纠检错编码为奇偶校验码，所述第二类存储区块的纠检错编码为海明码，所述第三类存储区块的纠检错编码为BCH码；所述第一类存储区块的可靠性小于所述第二类存储区块的可靠性，所述第二类存储区块的可靠性小于所述第三类存储区块的可靠性。

3.根据权利要求1所述的基于自动驾驶的神经网络数据存储方法，其特征在于，所述神经元的结构性脆弱因子为所述神经元的驻留时间。

4.根据权利要求1所述的基于自动驾驶的神经网络数据存储方法，其特征在于，所述采用图染色算法，将分类后的神经元存储至所述存储空间的存储区块中，具体包括：

根据每个类别的存储区块的个数，将每个类别的神经元划分为多个神经元子集合；同一类别中所述神经元子集合的个数与对应类别的存储区块的个数相同；

将每个神经元子集合中的数据存储至对应的存储区块中；

采用图染色算法，将每个神经元子集合和对应的存储区块之间建立映射关系；

根据所述映射关系，生成分区表；所述分区表用于记录所述存储区块对应的所述神经元子集合中每个神经元在所述神经网络模型中的位置。