一种低贡献力神经元的网络裁剪方法及装置

AITNT
正文
推荐专利
一种低贡献力神经元的网络裁剪方法及装置
申请号:CN202410748530
申请日期:2024-06-12
公开号:CN118333100B
公开日期:2024-08-09
类型:发明专利
摘要
本发明提供了一种低贡献力神经元的网络裁剪方法及装置,解决了现有神经网络模型裁剪导致模型性能下降、破坏其有效性和引入不必要的复杂性的问题。通过更新神经网络模型中被选取次数较低的基本单元,将此项操作对于神经网络模型的影响降到最低,同时,增加了神经网络模型的可解释性,避免了神经网络模型更新中的过程黑盒。
技术关键词
网络裁剪方法 子模块 多路径结构 链式结构 多模态 神经网络模型构建 裁剪装置 神经网络模型训练 生成式网络 序列特征 数据 非线性 可读存储介质 对象 元素
系统为您推荐了相关专利信息
1
基于扩散Transformer与置信度校准的电池故障无监督检测方法
动态时间规整算法 监督学习框架 数据 时序 滑动窗口技术
2
一种基于多模态大模型的音频生成方法
音频生成方法 多模态 音频编码器 音频解码器 文本编码器
3
一种用于测试隐匿性肝性脑病的深度强化学习方法和筛查系统
深度强化学习方法 肝性脑病 置信度阈值 筛查系统 深度Q网络学习
4
基于多模态时空特性的DNS数据泄露检测方法和系统
数据泄露检测方法 深度残差 卷积神经网络模块 深度特征提取网络 多模态
5
数据处理方法、装置、电子设备及计算机可读存储介质
深度学习神经网络 对象 数据处理方法 生命体征参数 评估准则
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号