一种容随机位翻转错误的卷积算子及其应用方法

本发明公开了一种容随机位翻转错误的卷积算子及其应用方法。所述算子基于Winograd算法构建，采用完全解耦的计算路径设计，在Winograd域中直接训练和存储卷积核，将随机位翻转错误的影响限制于局部输出区域；引入稀疏优化操作，保留输入特征图的稀疏性，并降低计算开销；集成自参考抑制策略，基于Winograd域激活值的局部相似性，动态检测并抑制异常激活；应用时，所述容错卷积算子可替换传统卷积，嵌入现有神经网络结构中，在不损失正常推理性能时提升容错能力并降低计算开销；本发明具备良好的兼容性与可组合性，能广泛嵌入现有的神经网络模型中，有效提升网络模型的容错能力，适用于多场景多要求的神经网络容错设计。