一种改进DDNN的资源受限边缘计算方法技术

本发明专利技术公开了一种改进DDNN的资源受限边缘计算方法，包括以下步骤：终端设备收集原始数据，使用设备层子神经网络进行评估，得到特征数据和评估结果，然后根据评估结果求得熵值，若熵值比阈值低，则返回评估结果，否则将特征数据上传到边缘设备；边缘设备收到特征数据后，使用边缘层子神经网络进行评估，得到新的特征数据和评估结果，然后根据新的评估结果求得熵值，若熵值比阈值低，则返回评估结果，否则将新的特征数据上传到云端；云端收到新的特征数据后，使用云端层子神经网络进行评估，得到评估结果，执行完毕。本方法允许在边缘和终端设备上使用神经网络的浅层部分进行快速、本地化推理，具有通信成本低、精度高、安全性强的优点。点。点。

【技术实现步骤摘要】
一种改进DDNN的资源受限边缘计算方法


[0001]本专利技术涉及边缘计算
，特别是涉及一种改进DDNN的资源受限边缘计算方法。

技术介绍

[0002]边缘计算是指在对象或者数据源的边缘附近的网络边缘集成网络、计算、存储和应用程序核心功能的开放式平台。边缘计算模式能把云计算中心的一部分任务迁移到边缘设备上完成计算，具有数据体量大、时效性、多样性三大特点，间距有快速高效等优势。深度学习作为机器学习发展到一定阶段的产物，近年来深度学习技术之所以能引起社会各界广泛的关注，是因为不尽在学术界，在工业界尤其是电力系统，深度学习也取得了重大突破和广泛的应用。边缘上的深度学习应用由于移动终端的计算资源较为有限，而深度学习又存在模型复杂与计算量大的特点，因此“端
‑
云”架构被提出以实现模型的训练与推理，即：端(边缘设备)提供模型输入，云(远程数据中心)执行计算过程。然而，随着求解问题复杂度的不断增加，该架构逐渐难以满足用户对分析实时性的需求。
[0003]2017年Teerapittayanon等人提出了一种新型深层网络结构Br本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进DDNN的资源受限边缘计算方法，其特征在于，应用改进DDNN模型进行资源受限边缘计算，所述改进DDNN模型包括设备层子神经网络、边缘层子神经网络和云端层子神经网络，所述方法包括以下步骤：S1，终端设备收集原始数据，使用设备层子神经网络进行评估，得到特征数据和评估结果；S2，终端设备根据评估结果求得熵值，若熵值比阈值低，则执行完毕，返回评估结果，否则将特征数据上传到边缘设备；S3，边缘设备收到特征数据后，使用边缘层子神经网络进行评估，得到新的特征数据和评估结果；S4，边缘设备根据新的评估结果求得熵值，若熵值比阈值低，则执行完毕，返回评估结果，否则将新的特征数据上传到云端；S5，云端收到新的特征数据后，使用云端层子神经网络进行评估，得到评估结果，执行完毕。2.根据权利要求1所述的改进DDNN的资源受限边缘计算方法，其特征在于，所述设备层子神经网络、边缘层子神经网络和云端层子神经网络均设置有网络出口，各个网络出口均设置有分类器，将不同层映射到各个异构设备中实现“云
‑
边
‑
端”协同计算。出口点的样本信息熵定义为：其中，x表示输入样本，C表示标签集合。3.根据权利要求2所述的改进DDNN的资源受限边缘计算方法，其特征在于，所述改进DDNN模型中，使用BNNs、eBNNs来容纳终端设备，将终端设备与边缘设备和云端中的神经网络进行联合训练；网络出口放置在物理边界上，即终端设备的最后一个神经网络层和接下来较高层的第一个神经网络层之间。4.根据权利要求3所述的改进DDNN的资源受限边缘计算方法，其特征在于，所述改进DDN...

【专利技术属性】
技术研发人员：杨力平，孙思思，辛锐，张鹏飞，王新颖，韩桂楠，王兆辉，康之曾，刘云龙，刘明硕，王俊卿，尹晓宇，
申请(专利权)人：华北电力大学保定国家电网有限公司，
类型：发明
国别省市：