[發明專利]自饋深度學習方法和系統

有效

• 申請號: 201880045981.8
• 申請日: 2018-06-29
• 公開（公告）號: CN110869942B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 格爾伯·格古伊訥
• 申請（專利權）人: 通用電氣公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 劉丹

1.一種用于分析在網絡環境中的邊緣設備處的運行模型中的數據的計算機實施的方法，所述方法包括：

在所述邊緣設備，從所述網絡環境中獲取數據；

運行與所述邊緣設備相關聯的預定運行模型；

通過確定來自執行的所述運行模型的數據分析結果是否大于接受閾值來執行第一確定過程；

當確定所述數據分析結果小于所述接受閾值時，通過確定所述數據分析結果是否大于考慮閾值來執行第二確定過程；

當所述數據分析結果大于所述考慮閾值時，將所述數據存儲為要進一步考慮的獲取數據；以及

將所述獲取數據傳輸到云服務器，并進一步分析所述數據并報告給所述邊緣設備。

2.根據權利要求1所述的計算機實施的方法，其中，進一步在所述云服務器處分析所述數據包括：

確定要考慮的所述獲取數據是否為新的數據集；

通過服務器分析修改所述數據；以及

通過使用所修改的數據進行再訓練來調整所述邊緣設備的系統特定分析模型，并將所調整的模型傳輸到所述邊緣設備。

3.根據權利要求1所述的計算機實施的方法，還包括：

在將所述獲取數據傳輸到所述云服務器之前，執行第三確定過程，以確定要進一步考慮的所述獲取數據的大小是否要大于累積閾值。

4.根據權利要求3所述的計算機實施的方法，其中，所述累積閾值與所述考慮閾值中的情況總數有關。

5.根據權利要求2所述的計算機實施的方法，還包括：在將所述獲取數據傳輸到所述云服務器之后，執行第三確定過程，以確定要進一步考慮的所述獲取數據的大小是否大于累積閾值，其中，所述累積閾值與所述考慮閾值中的情況總數有關。

6.根據權利要求1所述的計算機實施的方法，其中，所述數據包括一維數據和二維數據。

7.根據權利要求6所述的計算機實施的方法，其中，所述一維數據和所述二維數據包括圖像數據、雷達數據、超聲、時間捕獲、時間序列數據、單個幀或臨時排序的視頻流之一。

8.根據權利要求1所述的計算機實施的方法，其中，基于期望的概率和/或獲取數據的類型來預設所述接受閾值。

9.根據權利要求1所述的計算機實施的方法，其中，所述考慮閾值的范圍小于所述接受閾值。

10.根據權利要求3所述的計算機實施的方法，其中，所述累積閾值小于所述考慮閾值。

11.根據權利要求1所述的計算機實施的方法，其中，所述預定運行模型基于獲取數據的類型。

12.根據權利要求2所述的計算機實施的方法，還包括：

通過用戶輸入修改所述數據。

13.一種用于分析來自云網絡的數據的系統，所述系統包括：

通過云網絡相互通信的至少一個邊緣設備和云服務器，

所述邊緣設備被配置為：

（i）從所述云網絡檢索數據；

（ii）運行與所述邊緣設備相關聯的預定運行模型；

（iii）確定執行的所述運行模型的數據分析結果是否大于接受閾值；以及

（iv）如果大于，將數據存儲為要通過所述云服務器進一步考慮的獲取數據。

14.根據權利要求13所述的系統，其中，所述邊緣設備還被配置為確定所獲取數據的大小是否大于累積閾值，且如果大于，則將所述獲取數據傳輸到所述云服務器以進行進一步分析。