買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜重慶大學(xué)申請(qǐng)的專利一種類腦二值神經(jīng)網(wǎng)絡(luò)自動(dòng)化結(jié)構(gòu)學(xué)習(xí)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114386576B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210021671.0，技術(shù)領(lǐng)域涉及：G06N3/045；該發(fā)明授權(quán)一種類腦二值神經(jīng)網(wǎng)絡(luò)自動(dòng)化結(jié)構(gòu)學(xué)習(xí)方法是由周喜川;丁睿;劉海軍;鄒鏇設(shè)計(jì)研發(fā)完成，并于2022-01-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種類腦二值神經(jīng)網(wǎng)絡(luò)自動(dòng)化結(jié)構(gòu)學(xué)習(xí)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種類腦二值神經(jīng)網(wǎng)絡(luò)自動(dòng)化結(jié)構(gòu)學(xué)習(xí)方法，屬于神經(jīng)網(wǎng)絡(luò)領(lǐng)域，包括以下步驟：S1：將基準(zhǔn)模型進(jìn)行二值化，包括權(quán)重與激活的二值化；S2：基于二值化基準(zhǔn)模型建立多個(gè)并行前饋?zhàn)泳W(wǎng)，將不同子網(wǎng)通過(guò)通道級(jí)的加權(quán)橫向路徑連接，由此得到初始的CBiNet模型結(jié)構(gòu)；S3：根據(jù)不同應(yīng)用任務(wù)的損失函數(shù)，結(jié)合基于橫向路徑連接分組稀疏正則化項(xiàng)，建立總的損失函數(shù)；S4：設(shè)置學(xué)習(xí)率后在訓(xùn)練集上訓(xùn)練CBiNet，當(dāng)損失函數(shù)表現(xiàn)收斂后結(jié)束訓(xùn)練，得到具有稀疏橫向路徑連接的CBiNet；S5：在測(cè)試集上測(cè)試CBiNet。本發(fā)明構(gòu)建的CBiNet可以提升二值化神經(jīng)網(wǎng)絡(luò)的特征表達(dá)能力，可使圖像處理任務(wù)精度更高，準(zhǔn)確率更強(qiáng)。

本發(fā)明授權(quán)一種類腦二值神經(jīng)網(wǎng)絡(luò)自動(dòng)化結(jié)構(gòu)學(xué)習(xí)方法在權(quán)利要求書(shū)中公布了：1.一種類腦二值神經(jīng)網(wǎng)絡(luò)自動(dòng)化結(jié)構(gòu)學(xué)習(xí)方法，其特征在于：應(yīng)用于圖像處理任務(wù)，包括以下步驟：S1：將基準(zhǔn)模型進(jìn)行二值化，包括權(quán)重與激活的二值化；S2：基于二值化基準(zhǔn)模型建立多個(gè)并行前饋?zhàn)泳W(wǎng)，將不同子網(wǎng)通過(guò)通道級(jí)的加權(quán)橫向路徑連接，由此得到初始的蜂窩狀二值神經(jīng)網(wǎng)絡(luò)CBiNet模型結(jié)構(gòu)；所述CBiNet模型結(jié)構(gòu)為：CBiNet由多個(gè)二值化子網(wǎng)絡(luò)組成，對(duì)于第i個(gè)子網(wǎng)絡(luò)，第k層的輸入和輸出分別表示為Xi,k和Yi,k；對(duì)于第k層，從子網(wǎng)絡(luò)i到子網(wǎng)絡(luò)j的側(cè)向連接的逐通道的權(quán)重表示為其中cout是輸出通道的數(shù)量；在第j個(gè)子網(wǎng)絡(luò)中，第k+1層的輸入的第t通道的特征圖依賴于其他不同子網(wǎng)絡(luò)中第k層輸出的第t通道的特征圖： 其中i和j分別是二值化子網(wǎng)絡(luò)的索引，k表示二值化卷積層的層數(shù)，t表示特征通道數(shù)，表示第j個(gè)子網(wǎng)絡(luò)，第k層的輸出的第t通道的特征圖；表示第k層中，從子網(wǎng)絡(luò)i到子網(wǎng)絡(luò)j的側(cè)向連接的第t通道的權(quán)重；表示第i個(gè)子網(wǎng)絡(luò)，第k層的輸出的第t通道的特征圖；針對(duì)所述CBiNet模型結(jié)構(gòu)中的不同子網(wǎng)絡(luò)之間側(cè)向連接的密集性，以及不同卷積層對(duì)于特征表示作用不同的分組性，采用一種學(xué)習(xí)優(yōu)化的方法來(lái)減少密集側(cè)向連接帶來(lái)的額外計(jì)算復(fù)雜度和存儲(chǔ)開(kāi)銷： 其中Φ表示側(cè)向連接的權(quán)重集合，||Φ||2，1表示L21范數(shù)，起分組稀疏作用，N表示二值化卷積層的總個(gè)數(shù)，連接的重要性使用權(quán)重的絕對(duì)大小來(lái)表征；S3：根據(jù)不同應(yīng)用任務(wù)的損失函數(shù)，結(jié)合基于橫向路徑連接分組稀疏正則化項(xiàng)，建立總的損失函數(shù)；S4：設(shè)置學(xué)習(xí)率后在訓(xùn)練集上訓(xùn)練CBiNet，當(dāng)損失函數(shù)表現(xiàn)收斂后結(jié)束訓(xùn)練，得到具有稀疏橫向路徑連接的CBiNet；S5：在測(cè)試集上測(cè)試CBiNet。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人重慶大學(xué)，其通訊地址為：400044 重慶市沙坪壩區(qū)沙坪壩正街174號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。