-
公开(公告)号：CN115545198A
公开(公告)日：2022-12-30
申请号：CN202211488786.7
申请日：2022-11-25
Applicant: 成都信息工程大学
Abstract: 本发明涉及边缘智能技术领域，公开了一种基于深度学习模型的边缘智能协同推断方法及系统，通过获取巡检设备和边缘设备的参数信息以及所述巡检设备采集的监控图像数据的处理需求分别构建适用于巡检设备和边缘设备的简单模型和复杂分支模型；简单模型较复杂分支模型的网络层数和神经元个数更少，神经网络计算会明显减少任务推断时间和自身消耗的能耗；巡检设备端输出结果置信度值判定器以输出结果的置信度最大值作为依据判断监控图像数据是否需要传输到边缘设备端进行处理，从而保证深度学习模型结果准确率的同时，最大程度的利用巡检设备、边缘设备的计算和存储能力，以及降低系统在单边执行任务时的所带来的高时延和高能耗。
-
公开(公告)号：CN113905049A
公开(公告)日：2022-01-07
申请号：CN202111179658.X
申请日：2021-10-11
Applicant: 成都信息工程大学
IPC: H04L67/1004 , H04L67/1097 , G06F9/445 , G06F9/50 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多分类和分布式强化学习的卸载决策优化方法，包括：步骤1基于智能巡检集群的边缘系统模型获取参数信息，并采集若干不同时间段产生的任务信息和距离信息，步骤2计算任务处理时延和能耗，步骤3构建多分类和分布式强化学习的神经网络和设置网络超参数，步骤4将步骤获取的任务信息和距离信息输入到神经网络进行训练，训练包括候选卸载决策动作生成阶段和资源分配阶段。本发明的方法能够更大概率更快速度获得最佳卸载决策的优势，降低系统卸载所需的时延和能耗的加权和，达到保证智能巡检集群有效运行时间和保障监控功能的目的，实现最小化系统能耗和加权和的目的，同时普适性更好。
-
公开(公告)号：CN115545198B
公开(公告)日：2023-05-26
申请号：CN202211488786.7
申请日：2022-11-25
Applicant: 成都信息工程大学
Abstract: 本发明涉及边缘智能技术领域，公开了一种基于深度学习模型的边缘智能协同推断方法及系统，通过获取巡检设备和边缘设备的参数信息以及所述巡检设备采集的监控图像数据的处理需求分别构建适用于巡检设备和边缘设备的简单模型和复杂分支模型；简单模型较复杂分支模型的网络层数和神经元个数更少，神经网络计算会明显减少任务推断时间和自身消耗的能耗；巡检设备端输出结果置信度值判定器以输出结果的置信度最大值作为依据判断监控图像数据是否需要传输到边缘设备端进行处理，从而保证深度学习模型结果准确率的同时，最大程度的利用巡检设备、边缘设备的计算和存储能力，以及降低系统在单边执行任务时的所带来的高时延和高能耗。
-
-
Search Results
3
records
(took 0.018 seconds)
