公开(公告)号：CN111353599A

公开(公告)日：2020-06-30

申请号：CN201910504097.2

申请日：2019-06-12

Applicant: 通用汽车环球科技运作有限责任公司

Inventor： P·M·帕拉兰达 ,  R·塞特胡 ,  A·罗狄欧诺娃

IPC: G06N3/08

Abstract: 本发明题为“深度神经网络的正确性保持优化”。本发明公开了一种用于减少受训深度神经网络(DNN)中的神经元数量的方法，该方法包括分类多个隐藏层中的层类型；使用数据验证集评估DNN的准确性；以及生成神经元的层特定排名，其中该生成包括：对多个隐藏层中的一个或多个层使用数据验证集，分析所分析的层中的每个神经元的激活函数以确定每个神经元的激活分数；以及基于层类型根据神经元的激活分数对所分析的层中的每个神经元进行排名，以生成神经元的层特定排名。该方法还包括从DNN中移除多个较低排名神经元，该移除在移除所选的较低排名神经元之后不导致DNN落在准确性阈值限值之外。

公开(公告)号：CN111353599B

公开(公告)日：2024-04-23

申请号：CN201910504097.2

申请日：2019-06-12

Applicant: 通用汽车环球科技运作有限责任公司

Inventor： P·M·帕拉兰达 ,  R·塞特胡 ,  A·罗狄欧诺娃

IPC: G06N3/082

Abstract: 本发明题为“深度神经网络的正确性保持优化”。本发明公开了一种用于减少受训深度神经网络(DNN)中的神经元数量的方法，该方法包括分类多个隐藏层中的层类型；使用数据验证集评估DNN的准确性；以及生成神经元的层特定排名，其中该生成包括：对多个隐藏层中的一个或多个层使用数据验证集，分析所分析的层中的每个神经元的激活函数以确定每个神经元的激活分数；以及基于层类型根据神经元的激活分数对所分析的层中的每个神经元进行排名，以生成神经元的层特定排名。该方法还包括从DNN中移除多个较低排名神经元，该移除在移除所选的较低排名神经元之后不导致DNN落在准确性阈值限值之外。