公开(公告)号：CN111738298B

公开(公告)日：2023-09-12

申请号：CN202010461049.2

申请日：2020-05-27

Applicant: 哈尔滨工业大学

Inventor： 王婷婷 ,  何林 ,  李君宝 ,  刘劼 ,  苏华友 ,  赵菲

IPC: G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深宽可变多核学习的MNIST手写数字数据的分类方法。步骤1：MNIST手写数字数据集的准备；步骤2：数据集分类的算法结构；步骤3：将步骤2的DWS‑MKL算法使用SVM作为分类器进行数据第一次分类；步骤4：将步骤3中将数据进行第一次分类后，进行核参数学习；步骤6：利用上述步骤进行数据训练；步骤7：使用步骤6训练获得的分类模型处理测试集数据并获得算法的分类准确率。本发明充分发挥核方法的非线性映射能力，根据数据灵活改变结构并使用leave‑one‑out误差界优化参数，提高了方法的分类准确率。

公开(公告)号：CN111652366A

公开(公告)日：2020-09-11

申请号：CN202010388100.1

申请日：2020-05-09

Applicant: 哈尔滨工业大学

Inventor： 徐磊 ,  何林 ,  苏华友 ,  刘小龙 ,  罗荣 ,  张海涛 ,  李君宝

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于通道剪枝和量化训练的联合神经网络模型压缩方法。步骤1：稀疏化训练模型；步骤2：训练模型剪枝；步骤3：模型微调；步骤4：对剪枝结束后的模型进行量化，构建常规浮点数计算图；步骤5：在计算图中卷积计算的相应位置插入伪量化模块，在卷积权重处和激活值处插入两个伪量化模块，将权重和激活值量化为8位整型；步骤6：动态量化训练模型直至收敛；步骤7：量化推理；步骤8：最后得到剪枝与量化后的模型。本发明通过剪枝和量化两种技术，在保持模型准确率的情况下，极大地降低模型时间和空间上的消耗。

公开(公告)号：CN111738298A

公开(公告)日：2020-10-02

申请号：CN202010461049.2

申请日：2020-05-27

Applicant: 哈尔滨工业大学

Inventor： 王婷婷 ,  何林 ,  李君宝 ,  刘劼 ,  苏华友 ,  赵菲

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深宽可变多核学习的数据分类方法。步骤1：数据集的准备；步骤2：数据集分类的算法结构；步骤3：将步骤2的DWS-MKL算法使用SVM作为分类器进行数据第一次分类；步骤4：将步骤3中将数据进行第一次分类后，进行核参数学习；步骤6：利用上述步骤进行数据训练；步骤7：使用步骤6训练获得的分类模型处理测试集数据并获得算法的分类准确率。本发明充分发挥核方法的非线性映射能力，根据数据灵活改变结构并使用leave-one-out误差界优化参数，提高了方法的分类准确率。