[发明专利]一种面向硬件移植的锂电池深度诊断模型压缩算法在审
| 申请号： | 201910696488.9 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110399975A | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 李鹏华;杨奕枫;侯杰;朱智勤;熊庆宇;丁宝苍;张子健;胡和煦 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 杨柳岸 |
| 地址： | 400065 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种面向硬件移植的锂电池深度诊断模型的模型压缩算法，属于深度神经网络模型压缩领域，包括以下步骤：S1：利用阈值学习方法获取锂电池故障诊断模型中的混合卷积神经网络重要权值，在不损失精度的情况下减少网络规模；S2：采用数值聚合方式量化强制实现权值共享，使用压缩稀疏格式存储有效的共享权值编码与和索引；S3：通过顶部标量量化和底部质心微调进行权值分配与哈夫曼编码，使用可变长度码编码权重与索引，进一步减少网络所需要的存储空间。本发明采用的修剪，量化和霍夫曼编码的三级流水线方式，在每一级流水线中，都能够在不损失精度的前提下，一步一步的删除冗余权重，大大压缩网络模型。 | ||
| 搜索关键词： | 锂电池 面向硬件 模型压缩 压缩 权重 算法 索引 量化 移植 故障诊断模型 卷积神经网络 神经网络模型 哈夫曼编码 霍夫曼编码 可变长度码 三级流水线 诊断 标量量化 存储空间 格式存储 聚合方式 权值分配 网络规模 网络模型 一步一步 阈值学习 冗余 每一级 共享 质心 微调 稀疏 修剪 流水线 删除 网络 | ||
【主权项】：
1.一种面向硬件移植的锂电池深度诊断模型的模型压缩算法，其特征在于：包括以下步骤：S1：利用阈值学习方法获取锂电池故障诊断模型中的混合卷积神经网络重要权值，在不损失精度的情况下减少网络规模；S2：采用数值聚合方式量化强制实现权值共享，使用压缩稀疏格式存储有效的共享权值编码与和索引；S3：通过顶部标量量化和底部质心微调进行权值分配与哈夫曼编码，使用可变长度码编码权重与索引，进一步减少网络所需要的存储空间。
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重庆邮电大学，未经重庆邮电大学许可，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/201910696488.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种超参数的自动确定方法及装置
- 下一篇：计算装置和计算方法
