杭州电子科技大学李湘干获国家专利权
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！
龙图腾网获悉杭州电子科技大学申请的专利一种基于AC强化学习的神经网络分布式自动并行训练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：CN116306897B 。
龙图腾网通过国家知识产权局官网在2026-05-08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：202310067939.9，技术领域涉及：G06N3/092；该发明授权一种基于AC强化学习的神经网络分布式自动并行训练方法是由李湘干;曾艳;任永坚;张纪林;万健设计研发完成，并于2023-02-06向国家知识产权局提交的专利申请。
本一种基于AC强化学习的神经网络分布式自动并行训练方法在说明书摘要公布了：本发明公开了一种基于AC强化学习的神经网络分布式自动并行训练方法。本发明首先基于性能分析方法对神经网络模型进行性能数据采样分析，提取模型算子的性能数据，实现算子分组融合。其次实现消息传递的计算图全局特征向量表示，构建强化学习的状态搜索空间。然后采用基于时序差分采样的AC算法完成强化学习模型的迭代优化，以搜索最优分布式并行策略。最后构建基于事件驱动的多线程模拟执行器，模拟神经网络模型的计算过程。本发明降低AC强化学习的状态搜索空间规模，提高并行策略的搜索性能和通用性，并且减少策略迭代执行时间，降低迭代搜索过程中的硬件执行成本。
本发明授权一种基于AC强化学习的神经网络分布式自动并行训练方法在权利要求书中公布了：1.一种基于AC强化学习的神经网络分布式自动并行训练方法，其特征在于，包括以下步骤： 步骤1、通过性能分析profiling方法对神经网络模型进行性能数据采样分析，提取模型算子的多维度性能数据，并拟合真实执行环境下的通信代价函数，实现基于计算-通信代价约束的计算图算子分组融合； 步骤2、根据融合后计算图的原始特征，实现基于消息传递的计算图特征编码，即状态搜索空间； 步骤3、针对状态搜索空间，采用基于时序差分采样的AC算法对强化学习模型进行迭代优化，完成最优调度策略输出； 步骤4、构建基于事件驱动的多线程模拟执行器，模拟真实环境的神经网络模型执行过程，提供高效的执行和优化环境； 步骤1中所述的多维度性能数据包括：计算代价、内存代价和张量传输大小。
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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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