[发明专利]一种基于模型压缩和加速的神经网络实时航磁补偿方法

权利要求书

1.一种基于模型压缩和加速的神经网络实时航磁补偿方法，其特征在于，包括如下的步骤：

步骤S1：初始化两个网络结构一致的神经网络P和神经网络A；

步骤S2：利用额外的一次FOM飞行规定的补偿飞行数据C训练神经网络P，得到训练好的TW权重；

步骤S3：以训练好的TW权重替换神经网络A中的初始化权重；

步骤S4：利用飞行数据A训练替换好权重的神经网络A，得到训练好的OW权重；

步骤S5：将训练好的神经网络A进行剪枝处理降低计算资源需求，得到最终所需要的神经网络；

步骤S6：将需要补偿的数据的16项系数方程作为最终所需要的神经网络的输入，磁干扰作为输出。

2.按照权利要求1所述的方法，其特征在于，神经网络为反向传播神经网络，包括第0层：具有16个节点的输入层；第1层：具有64个节点的第一隐藏层；第2层：具有16个节点的第二隐藏层；以及第3层：具有1个节点的输出层。

3.按照权利要求1所述的方法，其特征在于，在训练过程中，神经网络包括前向传播和梯度下降反向传播，其中，在前向传播中，第l层，l＝0,1,2，…，被激活函数tanh激活，生成

其中d和k分别是第一隐藏层和第二隐藏层中的神经元数量；是经由激活函数激活后的输出，是第l层激活函数的输出与权重乘积的结果作为l+1层的输入；

在反向传播中，神经网络的输出损失为：

反向传播由链式规则定义，输出损失J(w,b)通过输出传递给每个神经元的输入然后通过传递给权重

4.按照权利要求1所述的方法，其特征在于，步骤S5中，所述剪枝处理包括：将接近0的权重通过剪枝直接将权重重置为0，剪枝占神经网络A总权重数量的13％。