Indexed by：
Abstract：
本发明涉及一种基于Shapley值的深度神经网络滤波器剪枝方法，包括以下步骤：选择原始网络模型，准备数据集，划分为训练集和测试集，固定模型参数，通过数据集训练出未剪枝的初始模型；将部分训练集输入初始模型，计算出每个滤波器的Shapley值；设置剪枝比例，根据Shapley值对初始模型进行剪枝，然后使用数据集对剪枝后的模型进行重新训练，得到最终的模型。本发明提出了一个Shapley值近似值计算方法，通过先假设所有滤波器Shapley值相同，然后根据不同滤波器组合的效应函数值对所有滤波器的Shapley值进行调整，最终到达对实际Shapley值的近似。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202310199854.6
Filing Date： 2023-03-05
Publication Date： 2023-06-23
Pub. No.： CN116306882A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
