基于人工智能的边缘计算方法及装置制造方法及图纸

本发明专利技术属于人工智能技术领域，具体涉及基于人工智能的边缘计算方法及装置。所述方法包括：步骤1：划分边缘计算网络小网格：依据拟进行特定边缘计算所需传感器的设置密度和位置，将需进行边缘计算的整个区域划分成多个边缘计算网络小网格。其使用双重处理手段，一方面成功的将边缘计算网络进行划分后，再将各个小网格组合成神经网络中的输入区、隐藏区和输出区，完成边缘计算与人工智能的结合；另一方面，针对各个小网格的数据又利用边缘分析处理点进行数据处理，实现高效的数据存储和传输；提升了边缘计算的数据安全性，同时又具有智能化程度高和数据处理效率高的优点。

【技术实现步骤摘要】
基于人工智能的边缘计算方法及装置
本专利技术属于人工智能
，具体涉及基于人工智能的边缘计算方法及装置。
技术介绍
边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。随着云计算技术的不断发展，越来越多的企业开始将云计算技术应用到实际的生产经营和管理过程中。企业可以将机器设备接入网络，并通过云计算平台对机器设备产生的数据进行中心计算，从而通过计算结果实现企业更高效的决策管理。具体来说，企业的机器设备在运行时，可以周期性地将本地生成的原始数据，通过物联网技术上传至云计算平台。之后，云计算平台可以对接收到的原始数据进行汇总存储，并进行集中的分析、计算。继而，云计算平台可以将得到的计算结果反馈给企业的机器设备和移动管理终端，使得机器设备按照计算结果自动运行，或者人本文档来自技高网...

【技术保护点】
1.基于人工智能的边缘计算方法，其特征在于，所述方法执行以下步骤：/n步骤1：划分边缘计算网络小网格：依据拟进行特定边缘计算所需传感器的设置密度和位置，将需进行边缘计算的整个区域划分成多个边缘计算网络小网格；/n步骤2：边缘计算网络小网格的分层：将所有的边缘计算网络小网格作为神经网络中的一个神经元；依照每个边缘计算网络小网格的物理位置，将边缘计算网络小网格划分为三个区域，分别为：输入区、隐藏区和输出区；/n步骤3：边缘计算的处理：在进行边缘计算处理时，输入区将自身获取到的数据和通过其他渠道进入的数据进行收集，然后将收集的数据发送至隐藏区；隐藏区对接收到的数据使用预设的神经网络模型进行数据处理，...

【技术特征摘要】
1.基于人工智能的边缘计算方法，其特征在于，所述方法执行以下步骤：
步骤1：划分边缘计算网络小网格：依据拟进行特定边缘计算所需传感器的设置密度和位置，将需进行边缘计算的整个区域划分成多个边缘计算网络小网格；
步骤2：边缘计算网络小网格的分层：将所有的边缘计算网络小网格作为神经网络中的一个神经元；依照每个边缘计算网络小网格的物理位置，将边缘计算网络小网格划分为三个区域，分别为：输入区、隐藏区和输出区；
步骤3：边缘计算的处理：在进行边缘计算处理时，输入区将自身获取到的数据和通过其他渠道进入的数据进行收集，然后将收集的数据发送至隐藏区；隐藏区对接收到的数据使用预设的神经网络模型进行数据处理，得到数据处理结果，将数据处理结果发送至输出区；输出区接收到数据处理结果后，对数据处理结果进行误差分析，若误差在设定的阈值范围内，则将数据处理结果作为本次边缘计算的结果，若误差超过设定的阈值范围，则弃置数据处理结果，重发参数调整命令和重计算命令至隐藏区，隐藏区调整参数后，重新进行数据处理，得到数据处理结果，再次发送数据处理结果至输出区；
步骤4：设置边缘分析处理点：在输入区、隐藏区和输出区的几何中心处，设置至少一个定置式分析处理点，其具有的功能为：数据降噪、解码、分析处理、筛选、存储，还至少具有窄带通信能力；分析处理点撷取该区域内所链接各类传感器数据，该数据经分析处理点降噪解码成物理信息，其再依设定阀值分析处理、筛选出有效信息，存储并加密后进行上传。


2.如权利要求1所述的方法，其特征在于，所述方法还包括：设置边缘分析处理站：将多个步骤1所述边缘分析处理网络小网格结合成扩大网格，并在其几何中心设置至少一个具有多种通信方式、更高运算能力和存储功能的定置式分析处理站，撷取扩大网格内所有分析处理点上传的信息，分类别进行深度算法分析分析处理，实现不同种类传感器信息的深层次融合；将由分析处理站融合后的信息上传至后台服务器，并下达给所辖分析处理点所辖设施的应用终端，驱动相关设施。


3.如权利要求2所述的方法，其特征在于，所述步骤4中的边缘分析处理点进行数据降噪的方法包括：利用单元格法对数据进行空间划分；获得数据的邻域信息，完成数据领域搜索；计算数据中两个点的平均距离；引入高斯函数作为权重函数，计算数据中的任一点对其邻域的点的影响力的值；遍历数据，计算数据影响力值的平均值，在此基础上设定与影响力比较的阈值；将设定的阈值与数据的影响力的值进行比较，如果影响力的值大于这个阈值，则认为这个点是原始模型上的信息点，反之，则认为这个点是噪声点；将噪声点去除，得到去噪后的数据。


4.如权利要求3所述的方法，其特征在于，所述步骤4中的边缘分析处理点进行数据解码的方法包括：接收待解码的数据，所述数据中包含1到多个数据单元；获取对应相应数据单元的当前搜索网络的裁剪参数；根据相应数据单元的解码延时，调整搜索网络的裁剪参数；在相应裁剪参数调整之后的搜索网络中，通过搜索，进行相应数据单元的解码。


5.如权利要求4所述的方法，其特征在于，所述步骤3：边缘计算的处理的过程中，对数据处理结果进行误差分析的方法包括：设定一个权重函数，用wi表示，将每数据处理结果与相对应的权重函数进行卷积运算，得到第一中间结果；设定一个激励函数，所述激励函数为：设定阈值为：Θ；将第一中间结果和该激励函数以及神经元阈值进行运...

【专利技术属性】
技术研发人员：张英伟，崔昌云，许长民，魏现军，杨爱江，
申请(专利权)人：山东万博科技股份有限公司，
类型：发明
国别省市：山东;37