一种脑电深度神经网络的模型压缩方法
公开
摘要
本发明公开了一种脑电深度神经网络的模型压缩方法，利用纵深式卷积层权重完成目标电极通道的选择，以避免大规模的人工设计特征计算或设计专用通道选择器，充分利用脑电深度神经网络EEGNet自身的特性；同时，针对全连接层，本发明采用二叉树完成输入向量所属质心类别，大幅度地简化全连接层的计算过程，进而以目标通道选择和全连接层乘积量化相结合的方式，完成脑电深度神经网络模型的压缩。本发明提供的脑电深度神经网络的模型压缩方法能够大幅度降低EEGNet的计算复杂度，降低模型在可穿戴、嵌入式等设备上的部署难度，进而更好地支撑相关的脑机接口应用研究。
基本信息
专利标题 ：
一种脑电深度神经网络的模型压缩方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580629A
申请号 ：
CN202210061482.6
公开（公告）日 ：
2022-06-03
申请日 ：
2022-01-19
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
冯立琛张岳琦朱樟明刘术彬文奎曹文飞
申请人 ：
西安电子科技大学
申请人地址 ：
陕西省西安市雁塔区太白南路2号
代理机构 ：
西安嘉思特知识产权代理事务所(普通合伙)
代理人 ：
王萌
优先权 ：
CN202210061482.6
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04 G06K9/62 G06K9/00
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
G06N3/08
学习方法
法律状态
2022-06-03 ：
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
