中国科学院微电子研究所尚大山获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉中国科学院微电子研究所申请的专利一种实现连续学习的神经网络模型的训练方法、装置和电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115511042B 。
龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110686037.4，技术领域涉及：G06N3/096；该发明授权一种实现连续学习的神经网络模型的训练方法、装置和电子设备是由尚大山;张握瑜;李熠设计研发完成，并于2021-06-21向国家知识产权局提交的专利申请。
本一种实现连续学习的神经网络模型的训练方法、装置和电子设备在说明书摘要公布了：本发明公开一种实现连续学习的神经网络模型的训练方法、装置和电子设备，涉及机器学习及人工智能领域。实现连续学习的神经网络模型的训练方法，包括：获取神经网络模型的历史浮点权重；对历史浮点权重进行二值化处理，确定历史二值权重；利用神经网络模型的历史二值权重处理训练样本，获得历史二值权重的误差；基于历史浮点权重和历史二值权重的误差，确定当前实际浮点权重；根据当前实际浮点权重调节神经网络模型的浮点权重。本发明提供的方法既可以实现对当前任务的准确识别，又可以记忆之前学习过的任务，实现二值神经网络的连续学习，同时提高神经网络模型的鲁棒性，降低数据处理过程中的功耗。
本发明授权一种实现连续学习的神经网络模型的训练方法、装置和电子设备在权利要求书中公布了：1.一种实现连续学习的神经网络模型的训练方法，其特征在于，包括： 获取神经网络模型的历史浮点权重，其中，所述神经网络模型的输入数据集被切分为多个输入任务的训练数据；其中，所述历史浮点权重为所述神经网络模型对之前的输入任务识别后所对应的浮点权重或初始化的浮点权重；所述输入数据集包括语音数据、图像数据、文字数据中的任意一种； 对所述历史浮点权重进行二值化处理，确定历史二值权重； 所述二值化处理通过以下公式实现： ，； 其中，x和Wh表示历史浮点权重，y和Wb表示历史二值权重，sign（·）为二值化符号函数； 将训练数据在具有历史二值权重的神经网络上前向传播，通过交叉熵函数计算误差，得到所述历史二值权重的误差； 基于所述历史浮点权重和所述历史二值权重的误差，确定当前实际浮点权重； 根据所述当前实际浮点权重调节所述神经网络模型的浮点权重。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院微电子研究所，其通讯地址为：100029 北京市朝阳区北土城西路3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号