[发明专利]一种基于哈希学习的神经网络压缩方法及系统在审
| 申请号： | 201910892713.6 | 申请日： | 2019-09-20 |
| 公开（公告）号： | CN110782003A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 沈明珠;徐毅;刘祥龙 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 11381 北京汲智翼成知识产权代理事务所(普通合伙) | 代理人： | 陈曦;贾兴昌 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 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哈希学习的神经网络压缩方法及系统。该方法包括如下步骤：在前向传播中，将每个神经网络层的输入特征图和权重矩阵通过投影矩阵进行压缩，计算输出特征图；在后向传播中，根据输出特征图计算神经网络的损失函数，并通过损失函数计算每层的输入特征图的梯度值、权重矩阵的梯度值和投影矩阵的梯度值；根据每层的权重矩阵的梯度值以及每层的投影矩阵的梯度值分别对权重矩阵和投影矩阵进行更新。该方法在随机投影的基础上增加哈希学习的部分，通过同时训练权重矩阵和投影矩阵的方法来全局最小化损失函数，从而增加算法的分类准确率，达到可接受的微小性能退化的目标，具有很高的灵活性。 | ||
| 搜索关键词： | 权重矩阵 投影矩阵 神经网络 损失函数 输出特征 输入特征 哈希 分类准确率 压缩 前向传播 随机投影 性能退化 可接受 图计算 最小化 后向 算法 学习 更新 传播 全局 | ||
【主权项】：
1.一种基于哈希学习的神经网络压缩方法，其特征在于包括如下步骤：/n在前向传播中，将每个神经网络层的输入特征图和权重矩阵通过投影矩阵进行压缩，计算输出特征图；/n在后向传播中，根据输出特征图计算神经网络的损失函数，并通过损失函数计算每层的输入特征图的梯度值、权重矩阵的梯度值和投影矩阵的梯度值；/n根据每层的权重矩阵的梯度值以及每层的投影矩阵的梯度值分别对权重矩阵和投影矩阵进行更新。/n
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北京航空航天大学，未经北京航空航天大学许可，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/201910892713.6/，转载请声明来源钻瓜专利网。
