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！

龙图腾网获悉上海凌泽信息科技有限公司申请的专利基于可微分释放量化的高效神经网络模型压缩系统及方法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：CN120317294B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510390247.7，技术领域涉及：G06N3/0495；该发明授权基于可微分释放量化的高效神经网络模型压缩系统及方法是由石兴;刘豫湘设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本基于可微分释放量化的高效神经网络模型压缩系统及方法在说明书摘要公布了：本发明属于人工智能技术领域，公开了基于可微分释放量化的高效神经网络模型压缩系统及方法；方法包括：步骤1、采集数据集，并划分为训练集、验证集和测试集；步骤2、搭建包含L层的神经网络模型并进行初始化处理；步骤3、从数据集中抽取样本数据并输入至神经网络模型中进行前向传播，获得模型输出；步骤4、计算总损失函数；步骤5、计算总损失函数对各参数的梯度，对各参数进行定向更新；并通过探索‑利用策略进行参数的动态调整；步骤6、重复迭代步骤3‑步骤5，当达到第一预设目标时停止迭代训练；步骤7、评估神经网络模型的性能指标至达到第二预设目标时停止训练和评估；本发明在保证模型精度的前提下实现更高效的压缩。

本发明授权基于可微分释放量化的高效神经网络模型压缩系统及方法在权利要求书中公布了：1.基于可微分释放量化的高效神经网络模型压缩方法，其特征在于，包括如下步骤： 步骤1、采集图像数据集，并按照预设比例划分为训练集、验证集和测试集，并对图像数据集进行归一化和标准化处理；图像数据集包括样本图像数据和对应的真实标签； 步骤2、搭建包含层的神经网络模型，并对搭建的神经网络模型的原始参数进行初始化处理； 步骤3、从图像数据集中抽取样本图像数据并输入至神经网络模型中，结合初始化的原始参数进行前向传播，获得模型输出的图像识别结果； 步骤4、根据模型输出的图像识别结果和样本图像数据对应的真实标签计算总损失函数； 步骤5、通过链式法则计算总损失函数对参数集合内各参数的梯度，参数集合包括原始参数、量子系综参数、释放量化系数、生成器参数和判别器参数；基于总损失函数对参数集合内各参数的梯度对参数集合内各参数进行定向更新；并通过探索-利用策略进行参数的动态调整； 步骤6、重复迭代步骤3-步骤5，持续更新模型的原始参数、释放量化系数，同时更新生成器参数，且随训练轮次推进，按照预设的衰减规则更新探索概率；在每次迭代过程中，每间隔预设时间段，基于总损失函数计算生成器和判别器中的网络参数的梯度，根据网络参数的梯度评估网络参数的重要性，并根据重要性评估结果对网络参数进行舍弃；按照预设时段使用验证集评估神经网络模型的性能指标，并依据评估结果针对性调整模型架构和参数集合内各参数；当模型在验证集上达到第一预设目标时停止迭代训练； 步骤7、使用测试集全面评估神经网络模型的性能指标，当模型在测试集上达到第二预设目标时停止训练和评估，否则调整模型并返回步骤2。

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上海凌泽信息科技有限公司，其通讯地址为：201702 上海市青浦区徐泾镇诸光路1588弄绿地控股全球商品贸易港C座7楼704；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”。

以上内容由龙图腾AI智能生成。