一种无数据的神经网络模型融合方法与系统

本发明公开了一种无数据的神经网络模型融合方法与系统。通过依次进行预训练模型参数归一化处理流程、各层神经元或卷积核两两计算相似度流程、利用相似度对各层神经元或卷积核之间进行最优匹配与重排流程、结构自适应决策（划分“高相似区域”和“低相似区域”）流程、选择性融合流程、融合模型的稳定化与规模控制流程，可以在不访问任何原始训练数据、无需进行额外反向传播与再训练的条件下，将多个已经预训练完成的模型融合为一个兼具结构自适应性、参数高保真对齐能力与高效压缩性能的统一模型，实现了模型的自适应融合，使得模型能够在保持多样性与个性化优势的同时，兼顾泛化性、全局知识的一致性与鲁棒性。