[发明专利]减小移动设备端神经网络模型更新的传输消耗的方法有效
| 申请号： | 201710669163.2 | 申请日： | 2017-08-08 |
| 公开（公告）号： | CN107508866B | 公开（公告）日： | 2020-10-02 |
| 发明（设计）人： | 刘铎;李世明;向超能;梁靓 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | H04L29/08 | 分类号： | H04L29/08;G06N3/08 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 刘志敏;郝传鑫 |
| 地址： | 400044 重庆*** | 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： | 本发明公开了一种减小移动设备端神经网络模型更新的传输消耗的方法，它包括有步骤1、移动设备选择预测的图片信息上传到云端进行再学习，能减少上传数据消耗代价且不影响再学习带来的性能提升。步骤2、在云端，利用移动设备上传的新数据，混合旧数据集组成更大的训练集，重新训练神经网络模型，实现对新数据的学习；避免神经网络的增量学习中的灾难性忘记问题；步骤3、在云端提取新模型中少量权重，传送到移动设备中，更新已部署到移动设备上的旧模型，使移动设备上的旧模型能达到新模型的识别性能；减少更新移动设备中旧的神经网络模型时的数据传输代价。本发明的技术效果是，有效地减少移动设备端神经网络模型更新的传输消耗代价。 | ||
| 搜索关键词： | 减小 移动 设备 神经网络 模型 更新 传输 消耗 方法 | ||
【主权项】：
减小移动设备端神经网络模型更新的传输消耗的方法，其特征是：包括有以下步骤：步骤1、移动设备选择预测置信度低的数据上传到云端；步骤 2、在云端，利用移动设备上传的数据，混合旧数据集组成更大的训练集，重新训练神经网络模型，实现对新数据的学习；步骤3、在云端提取新模型中少量权重，传送到移动设备中，更新已部署到移动设备上的旧模型，使移动设备上的旧模型能达到新模型的识别性能。
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大学，未经重庆大学许可，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/201710669163.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种冰山月季矮化品种的培育方法
- 下一篇：一种密植幼桃肥水管理方法
