[發(fā)明專利]一種深度學(xué)習(xí)的邊緣計算分配系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202011175116.0
• 申請日: 2020-10-28
• 公開（公告）號: CN112416573A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 莊向坤;潘華
• 申請（專利權(quán)）人: 南京躡波物聯(lián)網(wǎng)科技有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06K9/62;G06N3/00
• 代理公司: 南京泰普專利代理事務(wù)所(普通合伙) 32360
• 代理人: 竇賢宇

本發(fā)明公開了一種深度學(xué)習(xí)的邊緣計算分配系統(tǒng)及方法，包括終端數(shù)據(jù)收集單元、邊緣計算分配單元和云端計算擴(kuò)展單元；終端數(shù)據(jù)收集單元，包括終端設(shè)備，收集需要的數(shù)據(jù)并上傳，及時對用戶進(jìn)行反饋；邊緣計算分配單元，對數(shù)據(jù)進(jìn)行過濾篩選，將計算模型分配給邊緣節(jié)點進(jìn)行計算存儲，將過濾數(shù)據(jù)與計算結(jié)果進(jìn)行上傳；云端計算擴(kuò)展單元，根據(jù)邊緣節(jié)點的數(shù)量、計算能力、存儲能力生成深度學(xué)習(xí)模型，不斷通過終端上傳的數(shù)據(jù)和計算結(jié)果優(yōu)化模型。本發(fā)明通過深度學(xué)習(xí)模型對邊緣計算進(jìn)行資源分配，提高反應(yīng)效率，根據(jù)反饋數(shù)據(jù)和計算結(jié)果優(yōu)化調(diào)整模型，進(jìn)一步符合實際需求，引入優(yōu)化算法，加快模型學(xué)習(xí)速度。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)的邊緣計算分配系統(tǒng)，屬于邊緣計算領(lǐng)域。

背景技術(shù)

大數(shù)據(jù)時代下，每天產(chǎn)生的數(shù)據(jù)量激增，云計算對于地理上分散的零碎數(shù)據(jù)進(jìn)行整合和回應(yīng)需要時間，而貸款的增長難以匹配現(xiàn)在的數(shù)據(jù)需求。終端上產(chǎn)生的數(shù)據(jù)傳輸?shù)皆贫诉M(jìn)行計算和整合需要響應(yīng)時間，而現(xiàn)代對信息的反饋要求也越來越高，復(fù)雜的網(wǎng)絡(luò)環(huán)境導(dǎo)致網(wǎng)速難以有突破性提升，因此需要在上傳云端之前先經(jīng)過邊緣節(jié)點對簡單的數(shù)據(jù)和請求進(jìn)行處理。

邊緣計算作為這兩年的熱門，對云計算進(jìn)行了很好的補(bǔ)充，邊緣計算更靠近用戶，雖然不能對需要大數(shù)據(jù)推算結(jié)果的任務(wù)進(jìn)行解答，但可以對簡單的任務(wù)進(jìn)行快速響應(yīng)，省略云計算的過程，極大提升了用戶的體驗。在物聯(lián)網(wǎng)時代，邊緣計算顯然擁有非常巨大的前景。

但現(xiàn)有的邊緣計算不能最大化利用邊緣節(jié)點的計算能力，在服務(wù)器的分配上存在資源分配不均導(dǎo)致的響應(yīng)速度無法進(jìn)一步提升的問題。

發(fā)明內(nèi)容

發(fā)明目的：提供一種深度學(xué)習(xí)的邊緣計算分配系統(tǒng)及方法，以解決上述問題。

技術(shù)方案：一種深度學(xué)習(xí)的邊緣計算分配系統(tǒng)，包括終端數(shù)據(jù)收集單元、邊緣計算分配單元和云端計算擴(kuò)展單元；

終端數(shù)據(jù)收集單元，包括終端設(shè)備，收集需要的數(shù)據(jù)并上傳，及時對用戶進(jìn)行反饋；

邊緣計算分配單元，對數(shù)據(jù)進(jìn)行過濾篩選，將計算模型分配給邊緣節(jié)點進(jìn)行計算存儲，將過濾數(shù)據(jù)與計算結(jié)果進(jìn)行上傳；

云端計算擴(kuò)展單元，根據(jù)邊緣節(jié)點的數(shù)量、計算能力、存儲能力生成深度學(xué)習(xí)模型，不斷通過終端上傳的數(shù)據(jù)和計算結(jié)果優(yōu)化模型。

根據(jù)本發(fā)明的一個方面，所述終端數(shù)據(jù)收集單元包括終端設(shè)備，與用戶進(jìn)行交互，用戶通過終端設(shè)備輸入自己的任務(wù)要求，終端設(shè)備將任務(wù)分解成多個子任務(wù)進(jìn)行上傳，子任務(wù)上傳到邊緣節(jié)點進(jìn)行下一步判斷。

根據(jù)本發(fā)明的一個方面，所述邊緣計算分配單元包括邊緣節(jié)點，對終端設(shè)備上傳的多個子任務(wù)進(jìn)行篩選，當(dāng)子任務(wù)數(shù)量超過邊緣節(jié)點的計算能力和存儲空間就上傳到云端服務(wù)器記錄為一級數(shù)據(jù)進(jìn)行計算，當(dāng)子任務(wù)數(shù)量在邊緣節(jié)點的計算能力和存儲空間之內(nèi)就對子任務(wù)進(jìn)行處理，將完成的處理結(jié)果記錄為二級數(shù)據(jù)上傳到云端服務(wù)器記錄且下傳到終端設(shè)備及時對用戶進(jìn)行反饋。

根據(jù)本發(fā)明的一個方面，所述云端計算擴(kuò)展單元包括云端服務(wù)器，對一級數(shù)據(jù)進(jìn)行計算，將計算后的結(jié)果下傳到邊緣節(jié)點，對二級數(shù)據(jù)進(jìn)行記錄。

根據(jù)本發(fā)明的一個方面，所述云端計算擴(kuò)展單元的云端服務(wù)器根據(jù)數(shù)據(jù)進(jìn)行基礎(chǔ)模型的訓(xùn)練，將根據(jù)邊緣節(jié)點上傳數(shù)據(jù)生成的個性化深度學(xué)習(xí)模型下傳到邊緣節(jié)點，模型根據(jù)蝙蝠算法得到公式

，

，

，

其中ε為隨機(jī)數(shù)，A為響度，i為蝙蝠的個體代號，t為迭代次數(shù)，ω為慣性權(quán)重因子，v為蝙蝠的速度，x為蝙蝠的位置，為蝙蝠的最佳位置，f為蝙蝠的頻率，為最小頻率，為最大頻率，β為隨機(jī)數(shù)，α為音強(qiáng)衰減系數(shù)，r為脈沖速率，γ為脈沖速率增加系數(shù)，