深度神经网络的结构学习和简化方法
实质审查的生效
摘要
本发明涉及一种深度神经网络的结构学习和简化方法。根据本发明的实施方式的深度神经网络的结构学习和简化方法包括以下步骤：(a)产生神经网络模型的参数；(b)基于所述参数产生与神经网络模型对应的目标函数；以及(c)基于学习数据和目标函数在对参数执行训练的同时对模型进行学习。
基本信息
专利标题 ：
深度神经网络的结构学习和简化方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114503122A
申请号 ：
CN202080069687.8
公开（公告）日 ：
2022-05-13
申请日 ：
2020-09-29
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李容真
申请人 ：
韩国电子通信研究院
申请人地址 ：
韩国大田市
代理机构 ：
北京铭硕知识产权代理有限公司
代理人 ：
曾世骁
优先权 ：
CN202080069687.8
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
2022-05-31 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20200929
申请日 : 20200929
2022-05-13 ：
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
