[發明專利]一種基于網絡云協同的人工智能深度學習方法在審
| 申請號： | 201811260633.0 | 申請日： | 2018-10-26 |
| 公開（公告）號： | CN109460828A | 公開（公告）日： | 2019-03-12 |
| 發明（設計）人： | 黃辰;王時繪;張龑 | 申請（專利權）人： | 湖北大學 |
| 主分類號： | G06N99/00 | 分類號： | G06N99/00 |
| 代理公司： | 北京眾達德權知識產權代理有限公司 11570 | 代理人： | 劉杰 |
| 地址： | 430062 湖北*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 人工智能 云服務器 輸入層 學習 協同 人工智能分析 技術效果 數據輸出 有效解決 輸出層 網絡 | ||
本發明公開了一種基于網絡云協同的人工智能深度學習方法。先在本地獲取輸入層數據，并將輸入層數據輸出到云服務器，然后在云服務器端將輸入層數據輸入到云服務器的人工智能分析模型中，得到輸出層數據，有效解決了現有技術中只能在用戶本地進行人工智能學習的技術問題，實現了提高人工智能的學習精度的技術效果。
技術領域
本發明涉及人工智能技術領域，尤其涉及一種基于網絡云協同的人工智能深度學習方法。
背景技術
隨著科學技術的不斷發展，人工智能也得到了飛速發展，并已經越來越受到人們的重視。
目前，對于人工智能的學習往往都是通過用戶本地的學習網絡進行的。在本地進行人工智能學習網絡的學習，具有局限性，從而會影響人工智能的學習效果。
發明內容
本發明通過提供一種基于網絡云協同的人工智能深度學習方法，解決了現有技術中只能在用戶本地進行人工智能學習的技術問題，實現了提高人工智能的學習精度的技術效果。
本發明提供了一種基于網絡云協同的人工智能深度學習方法，至少包括：
本地獲取輸入層數據；
將所述輸入層數據輸出到云服務器；
將所述輸入層數據輸入到所述云服務器的人工智能分析模型中，得到輸出層數據。
進一步地，在所述將所述輸入層數據輸出到云服務器之前，還包括：
對所述輸入層數據進行壓縮。
進一步地，在所述將所述輸入層數據輸出到云服務器之前，還包括：
對壓縮后的數據進行加密。
進一步地，所述將所述輸入層數據輸出到云服務器，具體包括：
將所述輸入層數據輸出到負載均衡設備，由所述負載均衡設備分配到相應的云服務器中。
進一步地，在所述將所述輸入層數據輸入到所述云服務器的人工智能分析模型中之前，還包括：
對接收到的數據進行解密和解壓縮。
進一步地，在所述得到輸出層數據之后，還包括：
將所述輸出層數據回傳到本地。
本發明中提供的一個或多個技術方案，至少具有如下技術效果或優點：
先在本地獲取輸入層數據，并將輸入層數據輸出到云服務器，然后在云服務器端將輸入層數據輸入到云服務器的人工智能分析模型中，得到輸出層數據，有效解決了現有技術中只能在用戶本地進行人工智能學習的技術問題，實現了提高人工智能的學習精度的技術效果。
附圖說明
圖1為本發明實施例提供的基于網絡云協同的人工智能深度學習方法的流程圖。
具體實施方式
本發明實施例通過提供一種基于網絡云協同的人工智能深度學習方法，解決了現有技術中只能在用戶本地進行人工智能學習的技術問題，實現了提高人工智能的學習精度的技術效果。
本發明實施例中的技術方案為解決上述技術問題，總體思路如下：
先在本地獲取輸入層數據，并將輸入層數據輸出到云服務器，然后在云服務器端將輸入層數據輸入到云服務器的人工智能分析模型中，得到輸出層數據，有效解決了現有技術中只能在用戶本地進行人工智能學習的技術問題，實現了提高人工智能的學習精度的技術效果。
為了更好地理解上述技術方案，下面將結合說明書附圖以及具體的實施方式對上述技術方案進行詳細的說明。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于湖北大學，未經湖北大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811260633.0/2.html，轉載請聲明來源鉆瓜專利網。
