“网络压缩”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1506264个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度压缩的复数卷积神经网络压缩方法-CN201910136000.7在审
发明人：伍家松;任虹珊;孔佑勇;杨淳沨;章品正;姜龙玉;陈阳;舒华忠 -专利权人：东南大学
申请日： 2019-02-25 - 公布日： 2019-06-14 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于深度压缩算法的复数卷积神经网络压缩的方法，首先通过正常的网络训练学习网络的连通性；然后，对训练过的网络参数进行修剪，将复数参数的模低于一个阈值的连接修剪掉；接着，将修剪过后的稀疏网络进行量化，进一步压缩网络；最后，利用哈夫曼编码对复数参数的实部和虚部进行编码，得到最终的压缩网络。本发明方法利用卷积神经网络中过多的冗余参数，删减掉不重要的连接，并进一步通过量化和哈夫曼编码压缩网络，在很大程度上减少了网络的参数，并且只有很小的精度损失，达到了压缩复数卷积神经网络的目的，解决了复数卷积神经网络由于巨大的参数量无法部署在嵌入式设备上的问题
复数卷积神经网络压缩修剪哈夫曼编码复数参数深度压缩网络量化卷积神经网络嵌入式设备精度损失冗余参数网络参数网络训练稀疏网络连通性实部算法虚部部署学习

[发明专利]网络模型压缩方法、装置、电子设备和可读介质-CN202310714591.8在审
发明人：张振羽;陈蒙;宋阳 -专利权人：京东科技信息技术有限公司
申请日： 2023-06-15 - 公布日： 2023-09-01 - 主分类号： G06N3/0495 文献下载
摘要：本公开提供一种网络模型压缩方法、装置、电子设备和可读介质，其中，网络模型压缩方法包括：根据待压缩的原始网络模型的指定矩阵的奇异值确定对应的低秩分解矩阵组；基于原始网络模型对应的矩阵蒸馏损失函数对低秩分解矩阵组进行压缩通过本公开实施例，降低了网络模型的体量，在保证网络模型的计算准确性的前提下，提升了网络模型的计算速率。
网络模型压缩方法装置电子设备可读介质

[发明专利]虚拟桌面数据的传输方法和装置-CN201410407125.6在审
发明人：王立涛;张春光;赵峰;刘椿枫;李祉岐 -专利权人：国家电网公司;北京国电通网络技术有限公司;北京中电飞华通信股份有限公司
申请日： 2014-08-18 - 公布日： 2014-12-17 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种虚拟桌面服务器以及虚拟桌面数据的传输方法，所述方法包括：虚拟桌面服务器接收到客户端的虚拟桌面请求后，根据当前的网络传输环境的信息确定当前的网络传输速度级别；网络传输速度级别为高速级别时，采用无损压缩算法对虚拟桌面数据进行压缩后通过高速网络传输通道向客户端返回；网络传输速度级别为中速级别时，采用无损压缩算法对虚拟桌面数据中的文字、图片进行压缩，采用有损压缩算法对虚拟桌面数据中的视频、音频进行压缩后，通过中速网络传输通道向客户端返回；网络传输速度级别为低速级别时，采用有损压缩算法对虚拟桌面数据进行压缩后通过低速网络传输通道向客户端返回。
虚拟桌面数据传输方法装置

[发明专利]基于知识蒸馏的神经网络的数据压缩恢复方法及系统-CN202110188891.8在审
发明人：田永鸿;马力;高峰;彭佩玺;邢培银;高文 -专利权人：北京大学
申请日： 2021-02-19 - 公布日： 2021-06-25 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及神经网络技术领域，具体而言，本公开涉及基于知识蒸馏的神经网络的数据压缩恢复方法及系统。所述方法包括：将原数据输入到知识蒸馏网络进行训练；将所述原数据经过压缩得到的压缩数据输入到目标网络中；通过所述知识蒸馏网络对已输入所述压缩数据的所述目标网络进行分析训练；将训练好的目标网络数据输出，得到恢复后的分析结果所述系统包括：数据压缩模块，用于生成压缩数据；知识蒸馏模块，用于将所述数据压缩模块传入的数据提取为高质量特征流；推理模块，用于部署恢复后的分析结果。本公开的方法与系统可以减少图片、视频或音频数据因压缩所带来的损失，且能大幅提升目标网络的性能，得到准确率大幅提升的分析结果。
基于知识蒸馏神经网络数据压缩恢复方法系统

[发明专利]网络数据的压缩方法、网络系统和融合中心设备-CN200910089830.5无效
发明人：张军;杜冰;郑磊 -专利权人：北京航空航天大学
申请日： 2009-07-24 - 公布日： 2010-01-06 - 主分类号： H04L29/06 文献下载
摘要：本发明提供一种网络数据的压缩方法、网络系统和融合中心设备，所述方法包括在包含J个网络节点的传感器网络中，采样获得所述J个网络节点的节点数据，所述J个网络节点的节点数据之间具有相关性，且每一个网络节点的节点数据在同一基底下具有一公共分量和一具有稀疏性的特殊分量；应用随机压缩矩阵对所述传感器网络中每一网络节点的节点数据进行压缩处理，获得与所述网络节点对应的节点压缩数据，所述随机压缩矩阵由所述网络节点的物理地址生成；将所述传感器网络中每一个网络节点的节点压缩数据及对应的物理地址发送至融合中心设备；能够实现对多节点的信息进行有效地联合压缩，避免计算相关性时各节点通信占用高带宽，满足效率及精确度的双重要求。
网络数据压缩方法系统融合中心设备

[发明专利]一种基于多方向卷积神经网络的多光谱图像压缩方法及系统-CN202110829480.2在审
发明人：孔繁锵;张宁;胡可迪;曹童波 -专利权人：南京航空航天大学
申请日： 2021-07-22 - 公布日： 2021-10-26 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种基于多方向卷积神经网络的多光谱图像压缩方法及系统，系统包括：前向编码网络、量化模块、熵编码模块、熵解码模块、逆量化模块、反向解码网络；方法具体为：构建多光谱图像压缩网络并对其进行训练，获得最优的多光谱图像压缩网络模型；将待压缩的多光谱图像送入多光谱图像压缩网络，多方向卷积提取图像的谱间空间特征，降维融合后使用下采样减小特征图的尺寸，通过量化去除数据冗余，并通过无损熵编码获得用于传输和存储的压缩码流；对接收到的压缩码流进行熵解码和逆量化，获得多光谱图像谱空特征数据，输入反向解码网络，得到重构的多光谱图像。本发明能够实现多光谱图像的多码率压缩，有效提高多光谱图像的压缩性能。
一种基于多方卷积神经网络光谱图像压缩方法系统

[发明专利]深度压缩网络-CN201910289925.5在审
发明人： S·巴格索克希;M·索托德 -专利权人：英特尔公司
申请日： 2019-04-11 - 公布日： 2019-11-19 - 主分类号： G06N3/04 文献下载
摘要：本文描述了深度压缩网络。半导体封装设备的实施例可以包括：用于将低秩分解应用于决策网络的权重矩阵以确定第一权重矩阵近似，将第一权重矩阵近似整形(reshape)为第二权重矩阵近似，并基于第二权重矩阵近似来压缩决策网络的技术。
权重矩阵近似决策网络半导体封装设备深度压缩整形低秩分解压缩应用网络

[发明专利]信令压缩/解压缩-CN200680021490.7有效
发明人：刘志刚;萨米·朱迪拉;伊尔卡·佩森恩 -专利权人：斯比德航海有限公司
申请日： 2006-05-16 - 公布日： 2008-08-20 - 主分类号： H04L29/06 文献下载
摘要：本发明涉及一种分组数据网络中压缩或解压缩信令消息的方法，其中参数信息被提供在分组数据网络的协议消息的首标部分。参数信息指定至少一个压缩或加压缩机制的处理细节，并通过分组数据网络与协议消息一起转发到分组数据网络的压缩或解压缩功能。然后，根据参数信息，压缩或解压缩功能的压缩或解压缩机制被设定。由于参数信息是直接获得的，因此可以获得第一或前几个消息的更好的压缩。
压缩解压缩

[发明专利]一种神经网络压缩方法、电子设备及计算机可读介质-CN201910029922.8在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2018-12-27 - 公布日： 2020-07-07 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例公开了一种神经网络压缩方法、装置、电子设备及计算机可读介质，其中方法包括：通过采用压缩的方法对第一权值矩阵进行压缩，直至压缩后的神经网络模型达到比较好的压缩效果。通过本申请，可以保证神经网络模型的拓扑结构保持不变，从而避免了神经网络模型的拓扑结构出现不规则，减少了神经网络的运算量。
一种神经网络压缩方法电子设备计算机可读介质

[发明专利]一种神经网络压缩方法、电子设备及计算机可读介质-CN201811585964.1在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2018-12-20 - 公布日： 2020-06-30 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开了一种神经网络压缩方法、装置、电子设备及计算机可读介质，其中方法包括：通过采用压缩的方法对第一权值矩阵进行压缩，直至压缩后的神经网络模型达到比较好的压缩效果。通过本申请，可以保证神经网络模型的拓扑结构保持不变，从而避免了神经网络模型的拓扑结构出现不规则，减少了神经网络的运算量。
一种神经网络压缩方法电子设备计算机可读介质

[发明专利]用于传输数据的方法、压缩服务器和终端-CN201210039607.1有效
发明人：王俊;姚启玉 -专利权人：华为技术有限公司
申请日： 2012-02-21 - 公布日： 2012-07-11 - 主分类号： H04L29/06 文献下载
摘要：本发明实施例提供了一种用于传输数据的方法、压缩服务器和终端。该方法包括：获取终端的终端型号、需要传输的数据的数据格式以及将用于传输该数据的网络的网络类型；根据该终端的终端型号、该需要传输的数据的数据格式以及该将用于传输该数据的网络的网络类型，确定该数据的压缩方案，该数据的压缩方案用于指示压缩或不压缩该数据。本发明实施例的用于传输数据的方法、压缩服务器和终端，通过基于终端型号、数据格式以及将用于传输数据的网络的网络类型，确定用于指示压缩或不压缩需要传输的数据的压缩方案，能够降低数据的获取时间，减小用户的等待时间
用于传输数据方法压缩服务器终端

[发明专利]基于框架搜索的深度神经网络的加速与压缩方法及系统-CN202011016590.9有效
发明人：郭庆北;张波;李忠涛 -专利权人：法正互联（北京）科技有限公司
申请日： 2020-09-24 - 公布日： 2023-08-22 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了基于框架搜索的深度神经网络的加速与压缩方法及系统，包括：获取待压缩的原始神经网络模型，所述原始神经网络模型用于图像分类；对待压缩的原始神经网络模型进行权重的优化；对权重优化后的神经网络模型，保持权重固定不变，只进行框架参数优化；对框架参数优化后的神经网络模型进行裁剪，对裁剪后的神经网络模型进行微调，得到图像分类精度最高的神经网络模型，即为压缩后的神经网络模型。
基于框架搜索深度神经网络加速压缩方法系统

[发明专利]神经网络模型压缩方法、装置和计算机设备-CN201811030922.1在审
发明人：金玲玲;饶东升;何文玮 -专利权人：深圳灵图慧视科技有限公司
申请日： 2018-09-05 - 公布日： 2019-02-01 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了神经网络模型压缩方法、装置、计算机设备及计算机可读介质，该方法包括：获取经训练后的待压缩神经网络模型的结构信息；根据所述结构信息，利用遗传算法对所述待压缩神经网络模型执行压缩处理，其中，所述压缩处理后的神经网络模型基于预置的训练样本的精度不低于预设精度该方法利用遗传算法对已经训练好的神经网络模型进行压缩，降低了神经网络模型的计算量和存储空间，使其能应用于存储和计算资源都受限的设备。进一步的，本发明的实施例的方案能同时兼顾神经网络模型的精度和压缩。
神经网络模型压缩计算机设备结构信息压缩处理遗传算法计算机可读介质存储空间计算资源训练样本计算量受限预设预置存储申请应用

[发明专利]神经网络压缩方法、装置、介质、电子设备及车辆-CN202210194629.9在审
发明人：汪能 -专利权人：小米汽车科技有限公司
申请日： 2022-03-01 - 公布日： 2022-06-03 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及一种神经网络压缩方法、装置、介质、电子设备及车辆，所述方法包括：获取待压缩的目标神经网络；将所述目标神经网络中能够进行剪枝处理的目标节点划分为多个目标节点组；针对每个目标节点组，确定所述目标节点组对应的输出节点组，所述输出节点组包括多个输出节点；对所述目标节点组的目标节点和/或所述输出节点组的输出节点进行压缩处理，以得到所述目标神经网络对应的压缩神经网络。也就是说，本公开将能够进行剪枝处理的目标节点划分为多个目标节点组，以组为单位对神经网络的节点进行压缩处理，无需人工参与，可以自动处理目标神经网络中的依赖关系，这样，在保证目标神经网络压缩效果的同时，提高了目标神经网络压缩的效率
神经网络压缩方法装置介质电子设备车辆

[发明专利]一种基于浅层压缩特征获取目标网络模型的方法及装置-CN202310258608.3在审
发明人：江宁;黄新磊;李乐滨;徐睿謇 -专利权人：西南科技大学
申请日： 2023-03-17 - 公布日： 2023-05-23 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及人工智能算法技术领域，尤其涉及一种基于浅层压缩特征获取目标网络模型的方法及装置，该方法包括：获取教师网络模型、学生网络模型以及训练数据集；基于训练数据集，对学生网络模型和教师网络模型分别进行训练，提取第一浅层特征集和第二浅层特征集；对第一浅层特征集和第二浅层特征进行通道压缩，得到第一压缩特征和第二压缩特征；对第一压缩特征和第二压缩特征分别采用纹理特征提取方法提取第一纹理特征信息和第二纹理特征信息；基于第一纹理特征信息和第二纹理特征信息，对学生网络模型的参数进行调整，得到目标网络模型，进而通过压缩通道的方式，有效降低了数据量，在提高网络模型性能的同时不会增加网络模型的参数。
一种基于压缩特征获取目标网络模型方法装置