申请/专利权人：清华大学

申请日：2023-11-14

公开（公告）日：2024-03-29

公开（公告）号：CN117787350A

主分类号：G06N3/047

分类号：G06N3/047;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及忆阻贝叶斯神经网络技术领域，特别涉及一种忆阻贝叶斯神经网络的关键权重在线更新方法及装置，其中，方法包括：利用预设数据集对忆阻贝叶斯神经网络进行训练，以优化权重的后验分布，得到最优权重后验分布；根据最优权重后验分布计算损失函数对均值的梯度和标准差的梯度；根据均值的梯度和标准差的梯度计算权重信噪比变化值；选择训练后的忆阻贝叶斯神经网络的当前关键权重，利用权重信噪比变化值更新当前关键权重，得到新的关键权重，以作为当前关键权重，迭代执行训练过程，直至训练后的忆阻贝叶斯神经网络达到预设收敛条件。由此，解决了现有训练过程中需要进行大量读取和编程操作，难以实现高速且高效的在线训练等问题。

主权项：1.一种忆阻贝叶斯神经网络的关键权重在线更新方法，其特征在于，包括以下步骤：利用预设数据集对忆阻贝叶斯神经网络进行训练，以优化权重的后验分布，得到最优权重后验分布；根据所述最优权重后验分布计算损失函数对均值的梯度和标准差的梯度；根据所述均值的梯度和所述标准差的梯度计算权重信噪比变化值；选择训练后的忆阻贝叶斯神经网络的当前关键权重，利用所述权重信噪比变化值更新所述当前关键权重，得到新的关键权重，以作为所述当前关键权重，迭代执行训练过程，直至训练后的忆阻贝叶斯神经网络达到预设收敛条件。

全文数据：

权利要求：

百度查询： 清华大学 忆阻贝叶斯神经网络的关键权重在线更新方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD