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！

龙图腾网获悉韶关学院申请的专利基于Spark和AMPSO的并行深度卷积神经网络优化方法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：CN116362298B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310051881.9，技术领域涉及：G06N3/0464；该发明授权基于Spark和AMPSO的并行深度卷积神经网络优化方法是由毛伊敏;戴经国;罗全成设计研发完成，并于2023-02-02向国家知识产权局提交的专利申请。

本基于Spark和AMPSO的并行深度卷积神经网络优化方法在说明书摘要公布了：本发明提出了一种基于Spark和AMPSO的并行深度卷积神经网络优化方法，包括以下步骤：S1，在主节点上使用原始数据集预训练DCNN模型，调用FP‑FIS策略对预训练后的DCNN模型进行剪枝，获得压缩后的DCNN模型，并将压缩后的DCNN模型分发至各计算节点；S2，将原始数据集划分为大小相同的数据集，并分发至各计算节点；S3，在各mapper节点上调用map函数和MPT‑AMPSO策略并使用各节点上所分发的数据集对压缩后的DCNN模型进行并行训练；S4，在各reducer节点上调用reduceByKey函数和DLBNP策略对压缩后的DCNN模型参数进行并行更新，最终获取参数更新结果。本发明解决了模型冗余参数过多的问题；解决了并行DCNN算法收敛速度慢和容易陷入局部最优的问题；解决了集群并行效率低的问题。

本发明授权基于Spark和AMPSO的并行深度卷积神经网络优化方法在权利要求书中公布了：1.一种基于Spark和AMPSO的并行深度卷积神经网络优化方法，其特征在于，包括以下步骤： S1，在主节点上使用图像原始数据集预训练DCNN模型，调用FP-FIS策略对预训练后的DCNN模型进行剪枝，获得压缩后的DCNN模型，并将压缩后的DCNN模型分发至各计算节点； S1-1，对各卷积层的特征聚集程度进行量化：通过计算各卷积层的特征聚集系数FCC对卷积层进行划分； S1-2，根据量化结果分别从卷积核的重要性和相似度两个维度对卷积核进行剪枝： 基于重要程度的剪枝：根据各卷积层的层次系数求得该卷积层中各卷积核的重要性系数AIC，并以此作为卷积核重要性的衡量标准，对卷积核进行初步剪枝； 基于相似程度的剪枝：通过计算每个卷积层中各卷积核间的特征相似度系数FSC，再结合各卷积核的重要性系数对卷积核进一步剪枝，最终获得压缩后的模型； S2，将图像原始数据集划分为大小相同的图像数据集，并分发至各计算节点； S3，在各mapper节点上调用map函数和MPT-AMPSO策略并使用各节点上所分发的图像数据集对压缩后的DCNN模型进行并行训练； 所述MPT-AMPSO策略包括包括以下步骤： 首先使用AMPSO算法初始化模型参数，接着使用Adam算法更新模型参数； S4，在各reducer节点上调用reduceByKey函数和DLBNP策略对压缩后的DCNN模型参数进行并行更新，最终获取参数更新结果； 所述DLBNP策略包括以下步骤： 首先根据各节点的性能对中间数据进行预划分，根据预划分结果初步划分中间数据，接着在集群实际运行期间，根据各节点实际负载状态对各节点负载进行动态迁移调整。

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韶关学院，其通讯地址为：512023 广东省韶关市浈江区大学路288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”。

以上内容由龙图腾AI智能生成。