[发明专利]运算装置

权利要求书

1.一种运算装置，其具有使用输入数据和权重系数进行运算的神经网络，

该运算装置的特征在于，具有：

网络分析部，其根据所述输入数据计算所述神经网络的神经元的点火状态；以及

缩减部，其基于所述神经元的点火状态，从设定了所述神经网络的缩减率的多个缩减模式中限定缩减模式的候选，基于所限定的所述缩减模式的候选实行所述神经网络的缩减并生成缩减后的神经网络。

2.根据权利要求1所述的运算装置，其特征在于，

还具有最优化引擎部，其对由所述缩减部生成的所述缩减后的神经网络实行推理来计算推理误差，从所述多个缩减模式中基于所述推理误差提取缩减模式。

3.根据权利要求2所述的运算装置，其特征在于，

所述最优化引擎部提取所述推理误差成为最小的缩减模式。

4.根据权利要求1所述的运算装置，其特征在于，

还具有再学习部，其基于所述输入数据对由所述缩减部生成的所述缩减后的神经网络实施再次学习。

5.根据权利要求2所述的运算装置，其特征在于，

还具有再学习部，其基于所述输入数据对由所述缩减部生成的所述缩减后的神经网络实施再次学习，

还具有：

存储器，其暂时存储所述网络解析部、所述缩减部、所述最优化引擎部以及所述再学习部的运算过程中的中间数据；

作为主机的调度器，其将所述网络解析部、所述缩减部、所述再学习部、所述最优化引擎部以及所述存储器作为从机，并控制所述从机；以及

互连件，其连接所述主机和所述从机。

6.根据权利要求1所述的运算装置，其特征在于，

所述网络分析部接受作为与所述神经网络和所述缩减后的神经网络的适用目标对应的输入数据，推定所述神经网络的各神经元的点火状态，计算数值化的特征量，将该特征量作为包含了所述适用目标特有的特征的解析结果输出。

7.根据权利要求6所述的运算装置，其特征在于，

所述缩减部接受所述网络解析部的解析结果，基于在所述解析结果中被数值化的特征量实行神经网络的缩减，输出多个所述缩减后的神经网络以及所述权重系数的最优解候选。

8.根据权利要求1所述的运算装置，其特征在于，

所述缩减部具有缩减方法不同的多个缩减实行部，根据所述神经网络的适用目标来切换所述缩减实行部。

9.根据权利要求7所述的运算装置，其特征在于，

还具有再学习部，其基于所述输入数据对所述缩减部输出的缩减后的神经网络实施再次学习，

所述再学习部接受所述神经网络以及所述权重系数的最优解候选作为输入，将所述神经网络以及所述权重系数作为初始值，再次进行学习，从而输出再次学习完毕的神经网络以及再次学习完毕的权重系数。

10.根据权利要求9所述的运算装置，其特征在于，

还具有最优化引擎部，其对由所述缩减部实行了缩减的缩减后的神经网络实行推理来计算推理误差，从所述多个缩减模式中基于所述推理误差提取缩减模式，

所述最优化引擎部接受多个所述神经网络以及所述再学习完毕的权重系数作为输入，使用预先设定的概率论搜索来计算所述缩减模式。