[發(fā)明專(zhuān)利]一種容器擴(kuò)容方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310127740.0
• 申請(qǐng)日: 2023-02-01
• 公開(kāi)（公告）號(hào): CN116185568A
• 公開(kāi)（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 吳佳辰;馬成龍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州朝厚信息科技有限公司
• 主分類(lèi)號(hào): G06F9/455
• 分類(lèi)號(hào): G06F9/455;G06N3/048;G06F9/38
• 代理公司: 北京超凡宏宇專(zhuān)利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 彭星

1.一種容器擴(kuò)容方法，其特征在于，應(yīng)用于醫(yī)療系統(tǒng)，所述方法包括：

獲取待預(yù)測(cè)時(shí)間段；

將所述待預(yù)測(cè)時(shí)間段輸入至帶有注意力機(jī)制模塊的預(yù)測(cè)模型，得到醫(yī)療系統(tǒng)在所述待預(yù)測(cè)時(shí)間段內(nèi)的目標(biāo)用戶(hù)請(qǐng)求量；

根據(jù)得到的目標(biāo)用戶(hù)請(qǐng)求量，確定所述醫(yī)療系統(tǒng)在所述待預(yù)測(cè)時(shí)間段內(nèi)的容器數(shù)量；

根據(jù)確定出的容器數(shù)量進(jìn)行擴(kuò)容。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)測(cè)模型包括依次連接的神經(jīng)網(wǎng)絡(luò)模型和注意力機(jī)制模塊，通過(guò)以下步驟訓(xùn)練帶有注意力機(jī)制模塊的預(yù)測(cè)模型：

獲取醫(yī)療系統(tǒng)在多個(gè)已分好的單位歷史時(shí)間段內(nèi)的用戶(hù)請(qǐng)求量樣本；

將每個(gè)已分好的單位歷史時(shí)間段內(nèi)的用戶(hù)請(qǐng)求量樣本輸入至依次連接的神經(jīng)網(wǎng)絡(luò)模型和注意力機(jī)制模塊中進(jìn)行訓(xùn)練，得到訓(xùn)練完成的帶有注意力機(jī)制模塊的預(yù)測(cè)模型；其中，所述注意力機(jī)制模塊用于對(duì)所述神經(jīng)網(wǎng)絡(luò)模型輸出的初始用戶(hù)請(qǐng)求量進(jìn)行處理得到目標(biāo)用戶(hù)請(qǐng)求量。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述注意力機(jī)制模塊用于通過(guò)以下步驟對(duì)所述神經(jīng)網(wǎng)絡(luò)模型輸出的初始用戶(hù)請(qǐng)求量進(jìn)行處理得到目標(biāo)用戶(hù)請(qǐng)求量：

獲取所述神經(jīng)網(wǎng)絡(luò)模型的第一模型權(quán)重以及帶有注意力機(jī)制模塊的預(yù)測(cè)模型的第二模型權(quán)重；

根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型得到的每個(gè)已分好的單位歷史時(shí)間段內(nèi)的初始用戶(hù)請(qǐng)求量與所述第一模型權(quán)重，確定每個(gè)已分好的單位歷史時(shí)間段對(duì)應(yīng)的第一計(jì)算結(jié)果；

對(duì)每個(gè)已分好的單位歷史時(shí)間段對(duì)應(yīng)的第一計(jì)算結(jié)果進(jìn)行歸一化處理，得到每個(gè)已分好的單位歷史時(shí)間段對(duì)應(yīng)的第二計(jì)算結(jié)果；

對(duì)每個(gè)已分好的單位歷史時(shí)間段對(duì)應(yīng)的第二計(jì)算結(jié)果和所述第二模型權(quán)重進(jìn)行加權(quán)求和，得到目標(biāo)用戶(hù)請(qǐng)求量。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型包括遺忘門(mén)：

f_t＝σ(W_f·[h_t-1,X_t]+f_bias)；

其中，f_bias表示遺忘偏差，初始化為1；σ()為sigmoid激活函數(shù)；W_f表示所述遺忘門(mén)的權(quán)重系數(shù)，h_t-1表示神經(jīng)網(wǎng)絡(luò)模型中上一時(shí)刻隱藏層的輸出，X_t表示由多個(gè)已分好的單位歷史時(shí)間段構(gòu)建出的輸入特征向量，[h_t-1,X_t]表示上一時(shí)刻隱藏層的輸出與所述輸入特征向量的點(diǎn)乘。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型還包括兩層全連接層，所述兩層全連接層用于輸出一維的目標(biāo)用戶(hù)請(qǐng)求量。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)得到的用戶(hù)請(qǐng)求量，確定所述醫(yī)療系統(tǒng)在所述待預(yù)測(cè)時(shí)間段內(nèi)的容器數(shù)量的步驟，包括：

利用平滑函數(shù)對(duì)得到的用戶(hù)請(qǐng)求量進(jìn)行平滑處理，得到所述醫(yī)療系統(tǒng)在所述待預(yù)測(cè)時(shí)間段內(nèi)的容器數(shù)量。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述平滑函數(shù)包括：

min(max_container,max(min_container,smooth_factor*request))；

其中，min()表示取最小值函數(shù)，max()表示取最大值函數(shù)，max_container表示最大容器數(shù)量，min_container表示最小容器數(shù)量，smooth_factor表示平滑因子，request表示通過(guò)預(yù)測(cè)模型得到的用戶(hù)請(qǐng)求量。

8.一種容器擴(kuò)容裝置，其特征在于，應(yīng)用于醫(yī)療系統(tǒng)，所述裝置包括：

時(shí)間段獲取模塊，用于獲取待預(yù)測(cè)時(shí)間段；

請(qǐng)求量預(yù)測(cè)模塊，用于將所述待預(yù)測(cè)時(shí)間段輸入至帶有注意力機(jī)制模塊的預(yù)測(cè)模型，得到醫(yī)療系統(tǒng)在所述待預(yù)測(cè)時(shí)間段內(nèi)的目標(biāo)用戶(hù)請(qǐng)求量；

數(shù)量確定模塊，用于根據(jù)得到的目標(biāo)用戶(hù)請(qǐng)求量，確定所述醫(yī)療系統(tǒng)在所述待預(yù)測(cè)時(shí)間段內(nèi)的容器數(shù)量；

系統(tǒng)擴(kuò)容模塊，用于根據(jù)確定出的容器數(shù)量進(jìn)行擴(kuò)容。