[發明專利]一種CRC32算法參數的確定方法、系統、設備以及介質

在審

• 申請號: 202010783556.8
• 申請日: 2020-08-06
• 公開（公告）號: CN111900996A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 牛曉威;陳乃闊;吳之光
• 申請（專利權）人: 山東超越數控電子股份有限公司
• 主分類號: H03M13/09
• 分類號: H03M13/09;H03M13/23;H03M13/29;G06N3/04;G06N3/08
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 劉小峰

1.一種CRC32算法參數的確定方法，其特征在于，包括以下步驟：

構建訓練集和神經網絡；

利用所述訓練集對所述神經網絡進行迭代訓練，以確定所述神經網絡的卷積核參數；

將所述卷積核參數作為最終的CRC32算法的參數。

2.如權利要求1所述的方法，其特征在于，利用所述訓練集對所述神經網絡進行迭代訓練，以確定所述神經網絡的卷積核參數，進一步包括：

根據實際輸出數據的方差與設定的期望方差的差值的大小作為反向傳播誤差，以根據所述反向傳播誤差調整所述卷積核參數。

3.如權利要求2所述的方法，其特征在于，根據實際輸出數據的方差與設定的期望方差的差值的大小作為反向傳播誤差，以根據所述反向傳播誤差調整所述卷積核參數，進一步包括：

將所述訓練集分成若干個測試子集，利用所述神經網絡計算所述每一個測試子集中的數據的哈希值的方差；

將所述測試子集中的數據的哈希值的方差與所述閾值的差值的大小作為反向傳播誤差。

4.如權利要求3所述的方法，其特征在于，將所述測試子集中的數據的哈希值的方差與所述閾值的差值的大小作為反向傳播誤差，進一步包括：

每次迭代訓練后，根據所述反向傳播誤差的大小確定下一次迭代訓練對應的所述卷積核參數的調整尺度，并根據所述差值的正負值確定下一次迭代訓練對應的所述卷積核參數的調整方向。

5.一種CRC32算法參數的確定系統，其特征在于，包括：

構建模塊，所述構建模塊配置為構建訓練集和神經網絡；

訓練模塊，所述訓練模塊配置為利用所述訓練集對所述神經網絡進行迭代訓練，以確定所述神經網絡的卷積核參數；

輸出模塊，所述輸出模塊配置為將所述卷積核參數作為最終的CRC32算法的參數。

6.如權利要求5所述的系統，其特征在于，所述訓練模塊還配置為：

根據實際輸出數據的方差與設定的期望方差的差值的大小作為反向傳播誤差，以根據所述反向傳播誤差調整所述卷積核參數。

7.如權利要求6所述的系統，其特征在于，所述訓練模塊還配置為：

將所述訓練集分成若干個測試子集，利用所述神經網絡計算所述每一個測試子集中的數據的哈希值的方差；

將所述測試子集中的數據的哈希值的方差與所述閾值的差值的大小作為反向傳播誤差。

8.如權利要求7所述的系統，其特征在于，所述訓練模塊還配置為：

每次迭代訓練后，根據所述反向傳播誤差的大小確定下一次迭代訓練對應的所述卷積核參數的調整尺度，并根據所述差值的正負值確定下一次迭代訓練對應的所述卷積核參數的調整方向。

9.一種計算機設備，包括：

至少一個處理器；以及

存儲器，所述存儲器存儲有可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時執行如權利要求1-4任意一項所述的方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時執行如權利要求1-4任意一項所述的方法的步驟。