龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：厦门大学
申请日：2024-05-27
公开（公告）日：2024-06-25
公开（公告）号：CN118246510A
主分类号：G06N3/082
分类号：G06N3/082;G06N3/086;G06N3/0495
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及一种神经网络的后训练剪枝方法，其采用减少再生长的进化搜索算法来确定神经网络的最优稀疏率；然后利用促进稀疏网络从密集网络学习有效知识的稀疏目标和程；最后，基于前述两种因素结合动态稀疏训练来全面优化稀疏结构，确保训练的稳定性，同时提高剪枝后的稀疏网络的准确率。
主权项：1.一种神经网络的后训练剪枝方法，其特征在于，包括以下步骤：步骤1、利用减少再增长的进化搜索算法确定神经网络的最优稀疏率；所述步骤1具体如下：为密集神经网络的每一层引入一个新的初始的稀疏率且，为全局稀疏率；此时搜索目标从稀疏神经网络中的权重转变成重新恢复稀疏神经网络中的权重使用进化算法来搜索每层需要重新恢复的比率，具体地，定义为每层恢复率，其中，L表示神经网络所含有的层数为L，l表示神经网络第l层；在每一次迭代中，评估所有个体，并根据适应度选择前k个个体作为父代；为了生成下一代的种群，采用交叉操作随机交换两个父代之间某些层的恢复率，而突变操作随机改变某些层的恢复率；通过重复上述过程，获得最优的恢复率分布；再通过减去每层的恢复率，即可得到该层最优稀疏率；步骤2、利用权重幅度作为重要性评估，并依据步骤1确定的最优稀疏率，确定稀疏神经网络；然后将训练样本输入到稀疏神经网络网络中，得到稀疏输出结果；步骤3、将训练样本输入到密集神经网络中，得到密集输出结果；步骤4、根据稀疏输出结果和密集输出结果计算基于衰减的损失；步骤5、依据基于衰减的损失反向更新稀疏网络的权重，然后以神经网络的稀疏率和更新后的权重确定剪枝的掩码，并基于该掩码对稀疏网络进行剪枝处理，得到新的稀疏网络；步骤6、将训练样本输入到新的稀疏神经网络中，得到稀疏输出结果，并重复步骤4-6，直到达到预先设定的训练数或停止条件，完成对神经网络的后训练剪枝。
全文数据：
权利要求：
百度查询： 厦门大学 一种神经网络的后训练剪枝方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号