GB/T 42382.1-2023
信息技术 神经网络表示与模型压缩 第1部分:卷积神经网络

Information Technology Neural Network Representation and Model Compression Part 1: Convolutional Neural Networks

GBT42382.1-2023, GB42382.1-2023


 

 

非常抱歉,我们暂时无法提供预览,您可以试试: 免费下载 GB/T 42382.1-2023 前三页,或者稍后再访问。

您也可以尝试购买此标准,
点击右侧 “立即购买” 按钮开始采购(由第三方提供)。

 

标准号
GB/T 42382.1-2023
别名
GBT42382.1-2023, GB42382.1-2023
发布
2023年
发布单位
国家质检总局
当前最新
GB/T 42382.1-2023
 
 
《GB/T 42382.1-2023 信息技术 神经网络表示与模型压缩 第1部分:卷积神经网络》是一部关于卷积神经网络(Convolutional Neural Network,CNN)的标准。神经网络表示与模型压缩是当前人工智能领域的热门研究方向,而卷积神经网络作为一种重要的深度学习模型,广泛应用于图像处理、计算机视觉等领域。 这部标准主要涵盖了卷积神经网络的表示和模型压缩两个方面。在表示方面,标准规定了卷积神经网络的结构、组成和参数表示的方法,以及网络中各层之间的连接关系。通过统一的表示方式,可以方便地进行网络的构建和模型的分析。在模型压缩方面,标准提供了一些常用的压缩算法和技术,包括参数剪枝、权重共享、低秩近似等。这些技术可以有效地减小模型的尺寸,降低计算和存储资源的消耗,提高模型的性能和效率。 《GB/T 42382.1-2023 信息技术 神经网络表示与模型压缩 第1部分:卷积神经网络》的发布将对卷积神经网络的研究和应用起到重要的推动作用。标准的制定不仅有助于促进卷积神经网络的发展和创新,还有助于提高模型的可重复性和可移植性,促进不同领域之间的交流与合作。同时,标准的实施也将为相关产业的发展提供技术支持和规范引导,推动人工智能技术在实际应用中的广泛推广和应用。

GB/T 42382.1-2023相似标准


推荐

自动化所提出不规则卷积神经网络

这种改进可以在不添加任何子网络的情况下,平滑地集成到现有的卷积神经网络模型当中。图1 规则不规则卷积核的对比。(a)不规则输入特征,其范围超越了3x3的区域;(b)两个3x3的卷积核,它们联合建模了输入特征;(c)从3x3卷积核到不规则卷积核的变形过程示例。...

独特视角:从物理智能到微波视觉(一)

其中1 阶段解决智能形成的通用学习算法的数学理论,2 阶段发展应对物理世界的物理智能。以此为基础,3 阶段发展应对智能涉及社会群体的高阶智能,4 阶段研究自由意识的本质和人工智能能否形成意识的超智能问题。结合笔者电磁信息感知专业领域,提出向物理智能发展的微波视觉新概念、相关内涵以及关键技术的建议,以笔者团队在这一方向的前期工作为例,讨论了以物理智能为基础的智能科学的研究发展。...

方案推荐|基于无人机高光谱的植被氮素及含水量反演

1 植被叶片含水量反演流程需实现内容:1)制定植被观测方案和采集标准,通过地物光谱仪采集和预处理,建立自然环境下的城市植被数据集,并对采集到的原始植被图像进行预处理来提高图像对比度,增强图像上植被部分非植被部分的差异,提高植被信息的准确率。...

方案推荐|基于无人机高光谱影像水稻病虫害监测方案

图2 ATH9010无人机高光谱飞行示意图技术思路主要内容利用近地面无人机平台获取成像高光谱数据,开展基于机器学习和深度卷积神经网络模型的水稻病虫害监测,首先基于高光谱影像数据处理软件进行高光谱影像预处理;其次利用深度卷积神经网络模型进行水稻田的精确提取,然后基于提取的水稻田分布状况和面积信息对水稻的光谱信息和病虫害胁迫下的光谱特征进行分析,最后通过PNN概率神经网络算法实现水稻病虫害等级的精准监测...


GB/T 42382.1-2023系列标准





Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号