公开(公告)号：CN119886258A

公开(公告)日：2025-04-25

申请号：CN202510024107.8

申请日：2025-01-07

Applicant: 杭州电子科技大学

Inventor： 赵昶辰 ,  张舜豪 ,  曹鹏程 ,  张建海

IPC: G06N3/082 ,  G06N3/084

Abstract: 本发明公开了一种基于梯度和权重变化的非结构化剪枝方法，其训练神经网络过程中进行剪枝操作，无需在神经网络剪枝后进行重训练，降低了在使用神经网络进行实际预测过程中的计算资源；同时，在对神经网络进行剪枝的过程中，根据神经网络每个节点的权重和梯度，分别获取每个节点的连接系数、排序系数和综合评分，通过排序后的连接系数对神经网络每一层中的节点进行裁剪，通过排序系数和综合评分对神经网络中被裁剪后的节点进行恢复，避免了神经网络的过度波动，确保训练的稳定性和鲁棒性，避免过早固定参数，增强了网络的泛化能力；同时，恢复的节点还能够优化神经网络反向传播中的梯度更新过程，从而提高裁剪后神经网络的准确度。

公开(公告)号：CN117668512A

公开(公告)日：2024-03-08

申请号：CN202311759440.0

申请日：2023-12-20

Applicant: 杭州电子科技大学

Inventor： 张建海 ,  陈文斌 ,  朱莉 ,  张舜豪 ,  徐凯凯

IPC: G06F18/2113 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/24 ,  G06N20/00 ,  G06F123/02

Abstract: 本发明公开一种基于强化学习的睡眠分期方法及系统，包括如下步骤：脑电采集；脑电信号预处理；构建动作策略网络进行特征提取；设置奖励函数；动作策略网络更新；输出分类结果。本发明提出在睡眠分期领域中基于过滤式的特征提取方法上，更好的进行睡眠脑电信号特征优选，剔除冗余特征的同时保持准确率。本发明注重睡眠脑电信号原始数据提供的有效信息以及特征之间的关联信息，通过不断学习来得到一个最优特征子集，不仅考虑了各个睡眠脑电信号特征之间的相互作用，还可以动态地调整特征组合以适应不同的数据集和任务要求，从而去除睡眠分期识别模型中的冗余特征，通过该睡眠分期识别模型获得分期结果。