[發明專利]一種權值簡約無線傳感網數據壓縮方法、設備及存儲設備

在審

• 申請號: 201710807692.4
• 申請日: 2017-09-08
• 公開（公告）號: CN107634943A
• 公開（公告）日: 2018-01-26
• 發明（設計）人: 陳分雄;唐曜曜;陳沁儀;尹關;陶然;黃華文;王典洪;劉建林;林承昆
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04W84/18;G06N3/02
• 代理公司: 武漢知產時代知識產權代理有限公司42238
• 代理人: 龔春來

技術領域

本發明涉及深度學習技術領域，具體涉及一種權值簡約無線傳感網數據壓縮方法、設備及存儲設備。

背景技術

近年來，在全球信息化大潮的推動下無線傳感網(WSN)技術發展水平不斷進步。WSN節點也更加偏向于嵌入式、價格便宜、智能化。在監測區域中放置許多傳感器節點，通過無線通信將它們連接到互聯網上，WSN在監測、遙控和傳感智能等高科技應用領域中已開始發揮著重要作用。WSN最為重要的功能就是進行監測數據采集，WSN把人類和物理環境相連接，WSN的部署越來越廣泛，以實現連續監測和感知物理世界的物理變量。對WSN而言，如何設計節省能耗、消除冗余的數據壓縮方案是業內關注的焦點所在。

發明內容

為了解決上述問題，本發明提供了一種權值簡約無線傳感網數據壓縮方法、設備及存儲設備，主要思路是兩次構建神經網絡模型，并采用深度神經網絡技術，經過反復迭代訓練及權值簡約，從而有效壓縮了數據規模，并且能夠獲得較高的數據重構精度。

本發明提供的技術方案是：一種權值簡約無線傳感網數據壓縮方法，所述方法包括步驟：采用RBM神經網絡構建生成式模型；輸入預訓練數據對所述生成式模型進行RBM逐層數據壓縮預訓練；構建初步編解碼網絡模型；結合AE模型，采用深度壓縮算法對所述初步編解碼網絡模型進行再訓練；得到所述預訓練數據的高壓縮率和高重構精度；將再訓練后得到的網絡模型進行權值簡約得到規模壓縮的最終網絡模型。一種存儲設備，所述存儲設備存儲指令及數據用于實現所述一種權值簡約無線傳感網數據壓縮方法。一種權值簡約無線傳感網數據壓縮設備，所述設備包括處理器及所述存儲設備；所述處理器加載并執行所述存儲設備中的指令及數據用于實現所述的一種方法。

本發明的有益效果是：本發明提供了一種權值簡約無線傳感網數據壓縮方法、設備及存儲設備，首先通過采用四層RBM神經網絡構建生成式模型并對該模型進行數據壓縮預訓練，其次構建初步編解碼網絡模型并采用深度壓縮算法對該模型進行再訓練，再次獲得待處理數據的高壓縮率及高重構精度，最后通過權值簡約達到進一步壓縮網絡規模的效果。

附圖說明

圖1是本發明實施例中權值簡約無線傳感網數據壓縮方法的整體流程圖；

圖2是本發明實施例中生成式模型RBM逐層數據壓縮預訓練流程圖；

圖3是本發明實施例中對初步編解碼網絡模型進行再訓練流程圖；

圖4是本發明實施例采用RBM神經網絡構建生成式模型示意圖；

圖5是本發明實施例中初步編解碼網絡模型示意圖；

圖6是本發明實施例中待處理數據預處理示意圖；

圖7是本發明實施例的硬件設備工作示意圖；

圖8是本發明實施例中RBM預訓練算法重構溫度數據示意圖；

圖9是本發明實施例中RBM預訓練后測試節點溫度數據重構誤差示意圖；

圖10是本發明實施例中使用兩級神經網絡進行權值簡約流程示意圖；

圖11是本發明實施例的權值數量裁剪示意圖；

圖12是本發明實施例中使用k-means算法使權值共享微調質心(壓縮了權值的比特值)示意圖；

圖13是本發明實施例中第八層權值裁剪后的概率密度函數示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地描述，下文中提到的具體技術細節，如：方法，設備等，僅為使讀者更好的理解技術方案，并不代表本發明僅局限于以下技術細節。

本發明的實施例提供了一種權值簡約無線傳感網數據壓縮方法、設備及存儲設備，通過兩次模型構建和兩次對模型的訓練，可以獲得待處理數據的高壓縮率及高重構精度。請參閱圖1，圖1是本發明實施例中權值簡約無線傳感網數據壓縮方法的整體流程圖，所述方法由一種權值簡約無線傳感網數據壓縮設備實現，具體步驟包括：

S101：采用RBM神經網絡構建生成式模型。

S102：輸入預訓練數據對所述生成式模型進行RBM逐層數據壓縮預訓練；所述預訓練數據包含在待處理數據中；所述待處理數據經過預處理；所述預處理具體包括：采用三倍標準差法剔除待處理數據中的異常數據；采用max-min歸一化方法消除所述待處理數據間的數量級差異。

S103：構建初步編解碼網絡模型。

S104：結合AE模型，采用深度壓縮算法對所述初步編解碼網絡模型進行再訓練。

S105：得到所述預訓練數據的高壓縮率和高重構精度。重構的誤差度量標準為：