用于AI芯片设计的神经网络模型训练方法及图形分类方法
公开
摘要
本发明公开了一种用于AI芯片设计的神经网络模型训练方法及图像分类方法，涉及神经网络领域，训练方法包括：构建基于chip‑firing的储备池层；使用上述储备池层，并针对相应的任务，增加输出处理层等必要结构，构建满足需求的神经网络模型；使用训练数据训练神经网络模型的输出处理层。本发明中，储备池层设计并使用了基于chip‑firing的图结构，拥有和脉冲神经网络一样的类脑能力，更加接近自然神经元。图结构中每个节点可以并行参与计算，可更利于将其用在小终端及AI芯片中。此外，通过仅训练输出处理层参数的方式，大大减轻脉冲神经网络的训练困难，并为神经网络模型提供非线性拟合能力。
基本信息
专利标题 ：
用于AI芯片设计的神经网络模型训练方法及图形分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580630A
申请号 ：
CN202210196466.8
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-01
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
罗晔刘丽莹
申请人 ：
厦门大学
申请人地址 ：
福建省厦门市思明南路422号
代理机构 ：
厦门原创专利事务所(普通合伙)
代理人 ：
吴金森
优先权 ：
CN202210196466.8
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04 G06V10/82 G06V10/774 G06V10/764 G06V10/94 G06K9/62
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
