使用协同过滤的预测性分析模型管理制造技术

本申请公开了使用协同过滤的预测性分析模型管理。在一个实施例中，计算设备包括接口电路系统和处理电路系统。处理电路系统经由接口电路系统接收至少部分地由(多个)传感器捕捉的数据流，该数据流包括与未经标记的特征集合实例相对应的特征值。处理电路系统随后将数据流分组为数据流群组，该数据流群组基于数据流中的特征值而从数据流群组集合被分派。处理电路系统随后针对数据流群组从预测性模型集合选择预测性模型，这些预测性模型各自被训练成用于针对对应的数据流群组预测目标变量。处理电路系统随后使用预测性模型针对数据流预测目标变量，该预测性模型基于数据流中的特征值集合来推断目标变量。值集合来推断目标变量。值集合来推断目标变量。

【技术实现步骤摘要】
使用协同过滤的预测性分析模型管理
相关申请的交叉引用
[0001]本专利申请要求于2020年9月26日提交的题为“使用协同过滤的预测性分析模型管理(PREDICTIVE ANALYTICS MODEL MANAGEMENT USING COLLABORATIVE FILTERING)”的美国临时专利申请序列第63/083,895号的申请日的权益，该临时专利申请的内容通过引用明确并入于此。


[0002]本公开总体上设计机器学习和人工智能领域，并且更具体但非排他地涉及高效地开发、部署和维护预测性分析模型。

技术介绍

[0003]使用机器学习和人工智能的预测性分析可以用于各种各样的用例和应用，这些用例和应用通常涉及基于针对过去事件捕捉的数据的模式来预测某种类型的未来事件或情况。然而，尤其是就性能和可缩放性而言，开发和维护大规模预测性分析用例可能是有挑战性的。作为示例，预测性分析可以潜在地用于其中通常使用许多不同类型的机器和装备来执行各种任务的工业环境中。然而，随着环境中机器数量的增长，针对所有机器训练单个预测性分析模型产生的较差的性能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算设备，包括：接口电路系统；以及处理电路系统，所述处理电路系统用于：经由所述接口电路系统接收至少部分地由一个或多个传感器捕捉的数据流，其中，所述数据流包括与未经标记的特征集合实例相对应的特征值集合；将所述数据流分组为数据流群组，其中，所述数据流群组基于所述数据流中的所述特征值集合从数据流群组集合被分派；从预测性模型集合选择与被分派至所述数据流的所述数据流群组相对应的预测性模型，其中，所述预测性模型集合中的每个预测性模型被训练成用于针对所述数据流群组集合中的对应数据流群组预测目标变量；以及使用所述预测性模型针对所述数据流预测所述目标变量，其中，所述预测性模型基于所述数据流中的所述特征值集合来推断所述目标变量。2.如权利要求1所述的计算设备，其中，所述处理电路系统进一步用于：基于训练数据集将所述预测性模型集合训练成用于针对所述数据流群组集合预测所述目标变量，其中，所述训练数据集包括被分派至所述数据流群组集合的训练数据流集合，其中，每个预测性模型基于来自所述训练数据集的对应训练数据流子集被训练成用于针对对应的数据流群组预测所述目标变量。3.如权利要求1所述的计算设备，其中，用于将所述数据流分组成所述数据流群组的所述处理电路系统进一步用于：使用分组模型来选择要分派至所述数据流的所述数据流群组，其中，所述分组模型基于所述数据流与分组数据集的比较从所述数据流群组集合选择所述数据流群组，其中，所述分组数据集包括所述数据流群组集合中每个数据流群组的代表性数据流的集合。4.如权利要求3所述的计算设备，其中，用于使用所述分组模型选择要分派至所述数据流的所述数据流群组的所述处理电路系统进一步用于：基于距离计算来计算所述数据流到所述数据流群组集合中的每个数据流群组的距离，其中，到每个数据流群组的所述距离是基于每个数据流群组的所述代表性数据流的集合来计算的；以及从所述数据流群组集合选择到所述数据流的距离最近的数据流群组。5.如权利要求3所述的计算设备，其中，所述分组模型包括聚类模型。6.如权利要求3所述的计算设备，其中，所述处理电路系统进一步用于：从训练数据集选择每个数据流分组的所述代表性数据流的集合，其中，所述训练数据集包括训练数据流集合；以及生成用于所述分组模型的所述分组数据集，其中，所述分组数据集包括针对每个数据流分组选择的所述代表性数据流的集合。7.如权利要求1
‑
6中任一项所述的计算设备，其中，所述处理电路系统进一步用于：检测所述数据流中的所述特征值集合的改变；基于所述特征值集合的所述改变，确定对所述数据流的分组要被更新，其中，所述数据流将被重新分派至所述数据流群组集合中的第二数据流群组；以及动态地更新所述数据流群组集合，以将所述数据流重新分派至所述第二数据流群组。
8.如权利要求1
‑
6中任一项所述的计算设备，其中：所述计算设备是：边缘服务器；用于控制工具的工具控制器；或者用于控制机器人的机器人控制器；以及所述目标变量包括由所述工具或所述机器人执行的任务的预测质量水平。9.至少一种非瞬态计算机可读存储介质，具有存储于其上的指令，其中，所述指令当在处理电路系统上执行时使所述处理电路系统用于：经由接口电路系统接收至少部分地由一个或多个传感器捕捉的数据流，其中，所述数据流包括与未经标记的特征集合实例相对应的特征值集合；将所述数据流分组为数据流群组，其中，所述数据流群组基于所述数据流中的所述特征值集合从数据流群组集合被分派；从预测性模型集合选择与被分派至所述数据流的所述数据流群组相对应的预测性模型，其中，所述预测性模型集合中的每个预测性模型被训练成用于针对所述数据流群组集合中的对应数据流群组预测目标变量；以及使用所述预测性模型针对所述数据流预测所述目标变量，其中，所述预测性模型基于所述数据流中的所述特征值集合来推断所述目标变量。10.如权利要求9所述的存储介质，其中，所述指令进一步使所述处理电路系统用于：基于训练数据集将所述预测性模型集合训练成用于针对所述数据流群组集合预测所述目标变量，其中，所述训练数据集包括被分派至所述数据流群组集合的训练数据流集合，其中，每个预测性模型基于来自所述训练数据集的对应训练数据流子集被训练成用于针对对应的数据流群组预测所述目标变量。11.如权利要求9所述的存储介质，其中，使得所述处理电路系统用于将所述数据流分组成所述数据流群组的所述指令进一步使所述处理电路系统用于：使用分组模型来选择要分派至所述数据流的所述数据流群组，其中，...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：