用于深度神经网络的经学习阈值修剪
实质审查的生效
摘要
一种用于基于经学习阈值来修剪人工神经网络的权重的方法包括：基于分类损失和正则化损失的函数来确定用于修剪多个预训练权重中的第一组预训练权重的修剪阈值。响应于第一组预训练权重中的每个预训练权重的第一值大于修剪阈值，第一组预训练权重被修剪。响应于该多个预训练权重中的第二组预训练权重中的每个预训练权重的第二值大于修剪阈值，微调或调整第二组预训练权重。
基本信息
专利标题 ：
用于深度神经网络的经学习阈值修剪
专利标题（英）：
暂无
公开（公告）号 ：
CN114467098A
申请号 ：
CN202080068674.9
公开（公告）日 ：
2022-05-10
申请日 ：
2020-10-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
K·阿扎里安·雅兹迪T·P·F·布兰克沃特J·W·李Y·S·巴尔加特
申请人 ：
高通股份有限公司
申请人地址 ：
美国加利福尼亚州
代理机构 ：
上海专利商标事务所有限公司
代理人 ：
陈炜
优先权 ：
CN202080068674.9
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20201010
申请日 : 20201010
2022-05-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
