[发明专利]一种基于菱形卷积的神经网络剪枝方法在审
| 申请号： | 201811128219.4 | 申请日： | 2018-09-27 |
| 公开（公告）号： | CN109376859A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 张萌;刘文昭;李国庆;张倩茹;杨洲 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 王安琪 |
| 地址： | 214000 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于菱形卷积的神经网络剪枝方法，包括如下步骤：(1)卷积神经网络输入层及卷积层增加空白行列像素；(2)卷积操作采用奇数菱形卷积核取代方形卷积核，池化操作采用方形卷积核，前向计算神经网络输出；(3)采用反向传播算法训练含有菱形卷积核的卷积神经网络，求出每个神经元的梯度，得到新的权重。本发明提出了基于菱形卷积的神经网络，用菱形卷积核取代了传统的方形卷积核，采用一范数约束卷积窗口，保留了更有效的局部感受中心，保证了网络的稀疏性，进一步解决了神经网络参数复杂度过高的问题，加快了传播速度，同时菱形卷积核有正则化作用，防止了模型过拟合，整体训练速度加快，具有更高的准确率。 | ||
| 搜索关键词： | 菱形 卷积核 卷积 神经网络 卷积神经网络 剪枝 神经元 神经网络参数 神经网络输出 反向传播 前向计算 算法训练 整体训练 传统的 输入层 稀疏性 正则化 准确率 池化 范数 拟合 权重 像素 保留 行列 传播 网络 保证 | ||
【主权项】：
1.一种基于菱形卷积的神经网络剪枝方法，其特征在于，包括如下步骤：(1)卷积神经网络输入层及卷积层增加空白行列像素；(2)卷积操作采用奇数菱形卷积核取代方形卷积核，池化操作采用方形卷积核，前向计算神经网络输出；(3)采用反向传播算法训练含有菱形卷积核的卷积神经网络，求出每个神经元的梯度，得到新的权重。
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东南大学，未经东南大学许可，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/201811128219.4/，转载请声明来源钻瓜专利网。
