基于人工智能的企业复工复产程度监控方法

    公开(公告)号:CN111680939A

    公开(公告)日:2020-09-18

    申请号:CN202010811567.2

    申请日:2020-08-13

    IPC分类号: G06Q10/06 G06N3/08 G06K9/62

    摘要: 本发明涉及一种基于人工智能的企业复工复产程度监控方法,其技术方案要点是,所使用的神经网络在训练时,采用基于坐标下降搜索的神经网络剪枝方法进行优化:剪枝步骤一,为神经网络中的每一层维护一个敏感度分数,保持其他层剪枝率不变,剪枝该层后对网络训练两轮得到的正确分类率即为该层的敏感度分数;剪枝步骤二,对敏感度分数最高的的层进行剪枝,并更新对应的敏感度分数;剪枝步骤三,计算当前剪枝网络的剪枝率,若满足压缩率要求,则对该网络进行微调,最后得到压缩后的神经网络;否则,返回剪枝步骤二。本发明通过神经网络的优化,能够有效提高神经网络预测的准确性,从而提高复工复产的监控和预测能力。

    基于人工智能的企业复工复产程度监控方法

    公开(公告)号:CN111680939B

    公开(公告)日:2020-11-06

    申请号:CN202010811567.2

    申请日:2020-08-13

    IPC分类号: G06Q10/06 G06N3/08 G06K9/62

    摘要: 本发明涉及一种基于人工智能的企业复工复产程度监控方法,其技术方案要点是,所使用的神经网络在训练时,采用基于坐标下降搜索的神经网络剪枝方法进行优化:剪枝步骤一,为神经网络中的每一层维护一个敏感度分数,保持其他层剪枝率不变,剪枝该层后对网络训练两轮得到的正确分类率即为该层的敏感度分数;剪枝步骤二,对敏感度分数最高的的层进行剪枝,并更新对应的敏感度分数;剪枝步骤三,计算当前剪枝网络的剪枝率,若满足压缩率要求,则对该网络进行微调,最后得到压缩后的神经网络;否则,返回剪枝步骤二。本发明通过神经网络的优化,能够有效提高神经网络预测的准确性,从而提高复工复产的监控和预测能力。