[發(fā)明專利]一種基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法

在審

• 申請?zhí)枺?/td>: 202011258994.9
• 申請日: 2020-11-12
• 公開（公告）號: CN112286691A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計）人: 陳洪鑫;尹青山;李銳;王建華
• 申請（專利權(quán)）人: 濟南浪潮高新科技投資發(fā)展有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06F9/54;G06N20/00;G06N3/08;G06N5/04;G06F16/36;H04L29/06;H04L29/08
• 代理公司: 濟南泉城專利商標(biāo)事務(wù)所 37218
• 代理人: 李桂存

1.一種基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法，其特征在于，包括如下步驟：

a)終端設(shè)備獲取數(shù)據(jù)后傳輸?shù)竭吘壒?jié)點；

b)邊緣節(jié)點通過數(shù)據(jù)流轉(zhuǎn)模塊中的協(xié)議轉(zhuǎn)換功能將終端設(shè)備獲取的數(shù)據(jù)轉(zhuǎn)換為云邊端協(xié)同系統(tǒng)可以理解的數(shù)據(jù)；

c)轉(zhuǎn)換后的數(shù)據(jù)通過基于雙向多路復(fù)用消息通道傳輸?shù)皆浦行牟⑦M行數(shù)據(jù)持久化處理，處理后的數(shù)據(jù)傳輸?shù)皆浦行牡娜斯ぶ悄苣K進行模型訓(xùn)練；

d)人工智能模塊利用機器學(xué)習(xí)、深度學(xué)習(xí)、知識圖譜和流式計算的方式分析計算終端設(shè)備的功能特性和工作參數(shù)，結(jié)合云端任務(wù)推理模型的設(shè)備約束條件，采用參數(shù)曾廣和模型擴張的方法生成面向異構(gòu)集群設(shè)備的動態(tài)模型，利用設(shè)備和模型參數(shù)的相互作用關(guān)系函數(shù)動態(tài)調(diào)整模型的設(shè)備依賴項，建立異構(gòu)決策模型，實現(xiàn)任務(wù)模型和終端設(shè)備的準(zhǔn)確和動態(tài)匹配；

e)云中心對生成的異構(gòu)決策模型通過模型下發(fā)模塊進行增量下發(fā)、存量升級、灰度發(fā)布，把模型應(yīng)用到邊緣節(jié)點AI應(yīng)用中；

f)在模型應(yīng)用過程中，終端設(shè)備不斷產(chǎn)生的數(shù)據(jù)傳輸?shù)皆浦行闹械娜斯ぶ悄苣K進行訓(xùn)練，形成閉環(huán)，實現(xiàn)模型的增量學(xué)習(xí)。

2.根據(jù)權(quán)利要求1所述的基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法，其特征在于：步驟a)中終端設(shè)備為攝像頭。

3.根據(jù)權(quán)利要求1所述的基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法，其特征在于：步驟a)中終端設(shè)備為傳感器。

4.根據(jù)權(quán)利要求1所述的基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法，其特征在于：步驟a)中終端設(shè)備通過MQTT協(xié)議或Modbus協(xié)議或OPC-UA協(xié)議或Bluetooth協(xié)議或HTTP協(xié)議把數(shù)據(jù)傳輸?shù)竭吘壒?jié)點。

5.根據(jù)權(quán)利要求1所述的基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法，其特征在于：步驟b)中將轉(zhuǎn)換的云邊端協(xié)同系統(tǒng)可以理解的數(shù)據(jù)分別進行清洗、脫敏、加工、聚合處理。

6.根據(jù)權(quán)利要求1所述的基于異構(gòu)決策模型生成技術(shù)的云邊端協(xié)同方法，其特征在于：步驟b)中的數(shù)據(jù)流轉(zhuǎn)換模塊結(jié)合數(shù)據(jù)維度和特征復(fù)雜度，通過特征分類、功能分組法實現(xiàn)數(shù)據(jù)的自適應(yīng)流轉(zhuǎn)。