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！

龙图腾网获悉中国科学院自动化研究所;中国电力科学研究院有限公司;国网上海市电力公司申请的专利基于混合精度的类脑脉冲神经网络模型设计方法、装置及计算机设备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：CN120258057B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510713012.7，技术领域涉及：G06N3/049；该发明授权基于混合精度的类脑脉冲神经网络模型设计方法、装置及计算机设备是由姚星廷;胡庆浩;程健;张鹏;张国梁;周飞;李凡设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于混合精度的类脑脉冲神经网络模型设计方法、装置及计算机设备在说明书摘要公布了：本公开提供了一种基于混合精度的类脑脉冲神经网络模型设计方法、装置及计算机设备。对象分类模型为脉冲神经网络模型，对象分类模型的训练方法包括：将当前批次训练样本输入所述对象分类模型，得到所述当前批次训练样本的预测结果；基于所述当前批次训练样本的预测结果与预先确定的训练标签，计算所述对象分类模型的总损失；基于所述总损失，对所述对象分类模型的模型参数进行更新；其中，所述模型参数包括：权重参数、与数据量化步长相关的数据量化参数、与模型尺寸和计算量相关的数据位宽参数。

本发明授权基于混合精度的类脑脉冲神经网络模型设计方法、装置及计算机设备在权利要求书中公布了：1.一种由计算机设备执行的对象分类模型的训练方法，其特征在于，所述对象分类模型为脉冲神经网络模型，所述对象分类模型用于对图像或视频进行分类，所述对象分类模型的输入为：图像数据或视频数据，所述对象分类模型的输出为：图像分类结果或视频分类结果； 其中，所述训练方法包括： 将当前批次训练样本输入所述对象分类模型，得到所述当前批次训练样本的预测结果； 基于所述当前批次训练样本的预测结果与预先确定的训练标签，计算所述对象分类模型的总损失； 基于所述总损失，对所述对象分类模型的模型参数进行更新； 其中，所述模型参数包括：权重参数、与数据量化步长相关的数据量化参数、与模型尺寸和计算量相关的数据位宽参数；所述数据量化参数包括：膜电位发射阈值和权重参数量化步长；所述数据位宽参数包括：脉冲比特位宽、权重参数位宽、脉冲序列长度； 其中，所述基于所述当前批次训练样本的预测结果与预先确定的训练标签，计算所述对象分类模型的总损失的步骤包括： 基于所述当前批次训练样本的预测结果与所述训练标签，计算第一损失； 基于平均每个权重参数的位宽和预设的目标权重位宽，计算第二损失； 基于平均每个特征元素的脉冲序列长度和预设的目标脉冲序列长度，计算第三损失； 基于平均每个特征元素的脉冲比特位宽和预设的目标脉冲比特位宽，计算第四损失； 基于所述第一损失、所述第二损失、所述第三损失以及所述第四损失，计算所述对象分类模型的总损失； 其中，所述基于所述总损失对所述对象分类模型的模型参数进行更新的步骤包括： 基于当前层的脉冲比特位宽计算第一梯度缩放系数，并基于所述总损失和所述第一梯度缩放系数，对所述当前层的脉冲比特位宽进行更新； 基于当前层的权重参数位宽计算第二梯度缩放系数，并基于所述总损失和所述第二梯度缩放系数，对所述当前层的权重参数位宽进行更新； 基于当前层的脉冲比特位宽计算第三梯度缩放系数，并基于所述总损失和所述第三梯度缩放系数，对所述当前层的膜电位发射阈值进行更新； 基于当前层的权重参数位宽计算第四梯度缩放系数，并基于所述总损失和所述第四梯度缩放系数，对所述当前层的权重参数量化步长进行更新； 基于所述总损失，对当前层的脉冲序列长度进行更新。

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中国科学院自动化研究所;中国电力科学研究院有限公司;国网上海市电力公司，其通讯地址为：100190 北京市海淀区中关村东路95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”。