[發明專利]一種用于AI賦能定時同步的神經網絡輕量化設計方法

在審

• 申請號: 202210427080.3
• 申請日: 2022-04-21
• 公開（公告）號: CN114781612A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 卿朝進;唐書海;饒川貴;楊娜;蔡曦;張岷濤
• 申請（專利權）人: 西華大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 鄧永紅

1.一種用于AI賦能的定時同步的神經網絡輕量化設計方法，其特征在于，其包括：

S1構建包括依次相連的卷積層模塊和全連接層模塊的卷積神經網絡，所述卷積層模塊包括依次拼接的初始層、匯聚層和精煉層，其中，所述初始層包括第一參數識別單元、第一參數初始化單元和第一卷積層，所述匯聚層包括第二參數初始化單元和第二卷積層，所述精煉層包括第三參數初始化單元和第三卷積層，各卷積層之間采用級聯的連接方式；所述全連接層模塊包括含有τ_max+1個輸出神經元結點的全連接層和采用softmax激活函數的輸出層，其中τ_max表示通過實際測量得到最大可能傳播時延；

S2根據定時同步訓練序列的長度N和調諧參數k、及通過所述第一參數識別單元獲得的該定時同步訓練序列對應的接收并堆棧存儲的信號y的輸入特征個數K，設計所述初始層的感受野參數；

S3根據針對所述同步訓練序列設置的定時同步保護間隔G、所述調諧參數k、所述初始層第一參數識別單元得到的輸入特征個數K及所述初始層的感受野參數，設計所述匯聚層的感受野參數；

S4根據所述定時同步保護間隔G、所述調諧參數k、及所述匯聚層的感受野參數，設計所述精煉層的感受野參數；

S5根據所述初始層的感受野參數、所述匯聚層的感受野參數、所述精煉層的感受野參數確定所述卷積層模塊，所得卷積神經網絡即為可實現AI賦能定時同步的輕量化卷積神經網絡；

其中，所述感受野參數包括卷積核大小和卷積核個數。

2.根據權利要求1所述的方法，其特征在于，所述初始層的感受野參數通過以下計算模型獲得：

Q＝(2+k)N

其中，Q表示所述第一卷積層的卷積核大小；k表示調諧參數，其取值范圍為{-1,0}之間的整數；K表示長度為M的接收堆棧信號y的初始提取特征的個數；C_α表示初始層卷積核數量；長度N為收發雙方已知，根據工程經驗設置。

3.根據權利要求2所述的設計方法，其特征在于，所述匯聚層的感受野參數通過以下計算模型獲得：

C_β＝max(C_α,(2+k)K)

其中，P表示匯聚層的所述第二卷積層卷積核大小；表示為向上取整；C_β表示所述第二卷積層的卷積核個數。

4.根據權利要求3所述的設計方法，其特征在于，所述精煉層的感受野參數通過以下計算模型獲得：

其中，L表示精煉層的所述第三卷積層的卷積核大小，C_γ表示所述第三卷積層的卷積核個數。