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！

龙图腾网获悉复旦大学申请的专利基于FPGA的图卷积神经网络模型的压缩方法和系统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：CN115392439B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211135352.9，技术领域涉及：G06N3/0495；该发明授权基于FPGA的图卷积神经网络模型的压缩方法和系统是由叶景格;王堃设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本基于FPGA的图卷积神经网络模型的压缩方法和系统在说明书摘要公布了：本发明属于人工智能数据处理技术领域，具体为一种基于FPGA的图卷积神经网络模型的压缩方法和系统；在本发明的FPGA的现场可编程门阵列系统芯片的图卷积神经网络模型的压缩系统中，输入模块主要用于输入邻接矩阵A和参数矩阵W，邻接矩阵计算模块主要用于邻接矩阵A和参数矩阵W的计算，组合模块主要用于将图卷积神经网络模型中的某一层特征矩阵Xn与参数矩阵W进行组合，聚合模块主要用于将图卷积神经网络模型中的Xn+1层与Xn+2层进行合并，合并得到新的Xn+2层，输出模块主要用于输出压缩后的图卷积神经网络模型。本发明的基于FPGA的图卷积神经网络模型的压缩方法和系统在保证处理结果精确的同时能降低运算速率。

本发明授权基于FPGA的图卷积神经网络模型的压缩方法和系统在权利要求书中公布了：1.一种基于FPGA的图卷积神经网络模型的压缩系统，其特征在于，图卷积神经网络模型的压缩系统部署在FPGA的现场可编程门阵列系统芯片中运行，图卷积神经网络模型的压缩系统包括输入模块、邻接矩阵计算模块、组合模块、聚合模块和输出模块；其中： 所述输入模块，用于输入邻接矩阵A和参数矩阵W； 所述邻接矩阵计算模块，用于邻接矩阵A和参数矩阵W的计算； 所述组合模块，用于将压缩前的图卷积神经网络模型中的某一层特征矩阵Xn与参数矩阵W进行组合；压缩前的图卷积神经网络模型中包括若干层，若干层中Xn用来标记图卷积神经网络模型第n层； 所述聚合模块，通过间断地去除相邻层激活函数，将压缩前的图卷积神经网络模型中的Xn+1层与Xn+2层进行合并，合并得到新的Xn+2层； 所述输出模块，用于输出压缩后的图卷积神经网络模型，并将压缩后的图卷积神经网络模型存储在FPGA的现场可编程门阵列系统芯片中；其中： 聚合模块中，去除相邻层激活函数时，依次去除Xi层与Xi+1层之间的激活函数，i为奇数；若输出压缩后的特征矩阵Xn+2中，特征矩阵Xn+2为最后一层，则停止去除激活函数；在每个保留的激活函数之后设置残差网络。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；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。