買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜合肥耀安科技有限公司申請的專利一種基于矩陣分解的GCNN網絡參量約減方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119129656B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411125861.2，技術領域涉及：G06N3/0464；該發明授權一種基于矩陣分解的GCNN網絡參量約減方法是由趙仲秋;王攀;汪濤;謝團結;董春設計研發完成，并于2024-08-16向國家知識產權局提交的專利申請。

本一種基于矩陣分解的GCNN網絡參量約減方法在說明書摘要公布了：本發明公開了一種基于矩陣分解的GCNN網絡參量約減方法，包括以下步驟：第一步：輸入圖像通道和卷積核的稀疏分解，通過轉換矩陣和稀疏基，將輸入特征圖和卷積核進行兩次稀疏分解，減少卷積操作的復雜度和計算量；第二步：全連接層的SVD分解，對全連接層的權重矩陣進行SVD分解。該基于矩陣分解的GCNN網絡參量約減方法，通過對輸入圖像通道和卷積核的稀疏分解，將輸入特征圖和卷積核進行兩次稀疏分解，通過轉換矩陣和稀疏基，降低卷積操作的復雜度和計算量，主要采用基于通道基和核基的稀疏分解，以減少網絡參數對全連接層的權重矩陣進行SVD分解，拆分為兩個參數更少的矩陣，通過SVD分解顯著減少全連接層的參數量和計算時間，提高網絡的整體效率。

本發明授權一種基于矩陣分解的GCNN網絡參量約減方法在權利要求書中公布了：1.一種基于矩陣分解的GCNN網絡參量約減方法，其特征在于：包括以下步驟：第一步：輸入圖像通道和卷積核的稀疏分解，通過轉換矩陣和稀疏基，將輸入特征圖和卷積核進行兩次稀疏分解，減少卷積操作的復雜度和計算量；所述第一步的具體操作步驟為，在傳統的卷積神經網絡中，設置網絡中某卷積層的輸入特征圖為，，其中為高，為寬，為輸入特征圖的通道數：第1層為圖片的RGB通道數，第2層以后則為上一層的卷積核的數目，卷積核為，，其中為卷積核的尺寸，為輸出特征圖的通道數：本層卷積核的數目，由此該卷積層的輸出特征圖為，即 ；具體目標是將上述公式中計算復雜度高的卷積操作替換成由多個稀疏矩陣相乘構成的快速稀疏化版本，將該卷積操作進行兩次稀疏分解，依次進行基于通道基的分解和基于核基的分解，以逐步降低網絡中卷積操作的復雜度，其具體方法如下；S1、基于通道基的稀疏分解：利用一個轉換矩陣將輸入特征圖和卷積核分別轉換為和，使得成立，其轉換關系如下,其中轉換矩陣為分解涉及的通道基，則為相應的稀疏系數；；S2、基于核基的稀疏分解：對于每個輸入通道，能夠分解為矩陣和張量，其分解轉換關系如下： ；其中為分解涉及的核基，為分解每個所需基的數目，則為稀疏核矩陣，于是 ；S3、通過以上兩步稀疏分解后，輸入特征圖通過逐步與通道基，核基以及稀疏核矩陣分別進行相乘或卷積后，恢復原輸出特征圖，接著需要求解矩陣，和，，使得遠小于，而矩陣包含大量的零元素使得參量個數減少，并讓新的稀疏卷積核產生與原始的卷積核接近的輸出，矩陣，和也就是進行矩陣分解后得到的新網絡中所需要求解的網絡參數；第二步：全連接層的SVD分解，對全連接層的權重矩陣進行SVD分解，拆分為兩個參數更少的矩陣，減少全連接層的參數量和計算時間。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人合肥耀安科技有限公司，其通訊地址為：230088 安徽省合肥市高新區望江西路800號創新產業園一期C3-101/103/104/105/106；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。