基于泊松分布的神经网络混合差分剪枝方法和剪枝装置

    公开(公告)号:CN115099400B

    公开(公告)日:2024-08-06

    申请号:CN202210249392.X

    申请日:2022-03-14

    IPC分类号: G06N3/082

    摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。

    基于泊松分布的神经网络混合差分剪枝方法和剪枝装置

    公开(公告)号:CN115099400A

    公开(公告)日:2022-09-23

    申请号:CN202210249392.X

    申请日:2022-03-14

    IPC分类号: G06N3/08

    摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。