一种基于相干伊辛机的线性可分度量检测深度网络隐藏层的方法

一种基于相干伊辛机的线性可分度量检测深度网络隐藏层的方法，属于深度学习模型分析领域。首先基于闵可夫斯基差构造线性可分性指标LS、LS及其近似形式，将两个点集的可分性转化为超平面相对位置问题；利用相干伊辛机将度量求解转化为QUBO形式进行高效近似计算。应用、可监测各隐藏层输出的线性可分性，评估截止到当前隐藏层的任务贡献率。本发明属于绝对度量，对离群点鲁棒，显著降低计算开销；能够解决现有线性可分性度量方法计算复杂度高、缺乏绝对度量准则、对异常值敏感，难以在训练过程中实时检测深度网络隐藏层状态的问题；能够在每个训练周期后动态分析隐藏层表征演化，为深度网络训练过程诊断、结构优化与工作机制解析提供了量化工具。