中国科学院长春光学精密机械与物理研究所王永成获国家专利权
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长春光学精密机械与物理研究所申请的专利基于强化学习的动态聚类通道剪枝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：CN121119019B 。
龙图腾网通过国家知识产权局官网在2026-01-30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：202511650638.4，技术领域涉及：G06N3/082；该发明授权基于强化学习的动态聚类通道剪枝方法是由王永成;王伯霄;钱进;徐东东;贲广利设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。
本基于强化学习的动态聚类通道剪枝方法在说明书摘要公布了：本发明涉及深度学习技术领域，尤其涉及一种基于强化学习的动态聚类通道剪枝方法，利用训练图像对经典分类网络进行预训练，得到预训练网络模型；统计预训练网络模型的特征多频响应，构建通道级的网络状态表示；以网络状态表示为顶点构建超图，并利用超图卷积进行超图中顶点的信息聚合，得到更新后的超图；基于更新后的超图，规划出预训练网络模型的剪枝方式；采用强化学习的方法，按照剪枝方式对预训练网络模型进行网络剪枝，并使用训练图像对剪枝后的网络再次进行训练，得到最终的网络模型。本发明通过统计通道在多频谱下的响应用于网络状态表示、利用超图卷积整合复杂信息的能力，以及强化学习相结合，可以有效识别冗余通道，提升剪枝效果。
本发明授权基于强化学习的动态聚类通道剪枝方法在权利要求书中公布了：1.一种基于强化学习的动态聚类通道剪枝方法，其特征在于，包括： S1：利用训练图像对经典分类网络进行预训练，得到预训练网络模型，经典分类网络为图像分类网络模型； S2：统计步骤S1中预训练网络模型中每一层的特征多频响应，构建通道级的网络状态表示； S3：以步骤S2构建的网络状态表示为顶点构建超图，并利用超图卷积进行超图中顶点的信息聚合，得到更新后的超图；基于更新后的超图，规划出预训练网络模型的剪枝方式； S4：采用强化学习的方法，按照步骤S3得到的剪枝方式对预训练网络模型进行网络剪枝，并使用训练图像对剪枝后的网络再次进行训练，得到最终的网络模型。
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长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励