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！

龙图腾网恭喜山东大学申请的专利一种余弦卷积神经网络量化方法、应用及系统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：CN114861884B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210505572.X，技术领域涉及：G06N3/0464；该发明授权一种余弦卷积神经网络量化方法、应用及系统是由周卫东;刘国洋设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本一种余弦卷积神经网络量化方法、应用及系统在说明书摘要公布了：本发明涉及一种余弦卷积神经网络量化方法、应用及系统，包括浮点参数池、余弦卷积参数量化计算模块、余弦卷积运算单元及量化参数池。浮点参数池用于存储训练完成的余弦卷积神经网络参数；所述参数量化模块根据量化位数设置生成余弦查找表用于量化余弦卷积核，同时根据浮点参数的统计特征及KL散度计算量化所需参数；余弦卷积运算单元用于获取基于KL散度的自适应量化阈值设置模块所需的激活值；将量化完成后的参数以有符号整数的格式存入到量化参数池中，取代浮点参数形成量化后的余弦卷积神经网络，降低余弦卷积神经网络的计算量。

本发明授权一种余弦卷积神经网络量化方法、应用及系统在权利要求书中公布了：1.一种通过余弦卷积神经网络量化方法实现脑电信号的分类方法，其特征在于，对于包括Nl个余弦卷积层的量化后的余弦卷积神经网络，包括：步骤1：将原始脑电信号数据XS输入量化后的余弦卷积神经网络；步骤2：量化XS得到量化后的原始脑电信号数据步骤3：从l＝1开始进行以下循环迭代：p通过式III计算第l层量化后余弦卷积层输出的第i个值 式III中，为第l层量化后余弦卷积层输出的第i个值，为第l-1层量化后余弦卷积层激活输出中的第i+m个值，*为卷积运算符；q反量化并再次量化得到r若l＝Nl，则迭代结束，跳出循环，进入步骤4，否则，令l加1，返回步骤p；步骤4：反量化第Nl个余弦卷积层，得到浮点格式的输出值步骤5：将展平为一维特征向量，送入全连接层，用全连接层中的权重矩阵P将映射为具有Nc个元素的特征向量R，如式IV所示： 通过softmax函数计算每个脑电信号类别对应的概率，选取概率最大值对应的索引作为输出，即要求取的脑电信号的类别；所述余弦卷积神经网络量化方法，包括步骤如下：1训练一个具有Nl个余弦卷积层的余弦卷积神经网络，统计训练完成的余弦卷积神经网络的参数值，找到余弦卷积神经网络内所有层中角速度参数ω的最大值，并计算它的量化尺度Sω：其中，BWω为角速度参数ω的量化位宽，|·|max为对角速度参数ω取绝对值的最大值；2从训练数据中取一部分数据作为量化校正数据集Xc，计算输入数据量化尺度3计算量化余弦查找表的量化尺度SΩ；4初始化量化余弦查找表其中，k为余弦卷积神经网络设定的卷积核长度；中第j行第m列被初始化为：其中，cos·为余弦函数；5开始逐层量化每一个余弦卷积层，从l＝1开始进行以下循环迭代：a融合第Nl层余弦卷积层和与它关联的批归一化层；b量化第Nl层余弦卷积层的所有角速度参数：其中，|·|为对参数取绝对值，[·]为四舍五入取整函数；c找到第Nl层余弦卷积层幅值参数Al的最大值，并计算量化尺度其中BWA为幅值参数的量化位宽；d量化第Nl层余弦卷积层的幅值参数：e根据基于KL散度的自适应量化阈值设置算法计算激活量化尺度f计算第Nl层余弦卷积层输出的量化因子Ml：g更新第Nl层余弦卷积层的偏置项Bl：h若l＝Nl，则迭代结束，跳出循环，进入步骤6，否则，令l加1，返回步骤a；6计算最后一个余弦卷积层对应的反量化因子7将得到的量化后的余弦卷积神经网络权重参数包括Ml、Bl、MdeQ存入量化参数池中作为量化后的余弦卷积神经网络的权重，l＝1,2,...,Nl。

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山东大学，其通讯地址为：250199 山东省济南市历城区山大南路27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”。