[发明专利]基于学习自动机的卷积神经网络压缩方法、系统及介质在审
| 申请号： | 201910390336.6 | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110222817A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 李生红;冯帅;郭浩楠 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 庄文莉 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于学习自动机的卷积神经网络压缩方法、系统及介质，包括：参数初始化步骤：初始化学习自动机参数；状态值选择步骤：根据获得的初始化后的学习自动机参数，每个学习自动机依据预设的行为选择概率选择自己的状态值，获得每个学习自动机的状态值；网络结构更新步骤：根据获得的每个学习自动机的状态值更新网络结构，获得更新后网络结构。本发明创新的将学习自动机思想用于筛选卷积神经网络中的最优卷积核集合，使得卷积神经网络可以在损失较少分类精度情况下最大程度地完成网络压缩任务。 | ||
| 搜索关键词： | 学习自动机 卷积神经网络 网络结构 初始化 参数初始化 状态值更新 最大程度地 概率选择 网络压缩 行为选择 压缩 卷积核 更新 预设 集合 筛选 分类 | ||
【主权项】：
1.一种基于学习自动机的卷积神经网络压缩方法，其特征在于，包括：参数初始化步骤：初始化学习自动机参数；状态值选择步骤：根据获得的初始化后的学习自动机参数，每个学习自动机依据预设的行为选择概率选择自己的状态值，获得每个学习自动机的状态值；网络结构更新步骤：根据获得的每个学习自动机的状态值更新网络结构，获得更新后网络结构；分类精度获取步骤：根据获得的获得更新后网络结构，获取更新后网络结构的分类精度Acc；状态概率更新步骤：根据获得的分类精度Acc，对每个学习自动机的行为选择概率进行更新；状态收敛步骤：判断所有学习自动机是否都处于收敛状态：若是，则压缩成功，结束流程；否则，返回状态值选择步骤继续执行。
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上海交通大学，未经上海交通大学许可，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/patent/201910390336.6/，转载请声明来源钻瓜专利网。
