一种工作机稳态性能提升的方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及机器学习领域，提出一种工作机稳态性能提升的方法、装置、设备及介质。方法包括：建立工作机对应的训练集合和核函数，基于所述核函数在所述训练集合上计算工作机的高斯后验概率分布，以得到工作机的局部预测模型；将所述局部预测模型发送给服务器，基于聚合算法对所述局部预测模型进行聚合，得到全局预测模型；在工作机上对所述局部预测模型和所述全局预测模型进行融合计算，以得到逼近目标函数的预测模型。本发明专利技术公开的方法可以保证每一个工作机在利用局部预测和全局预测进行融合后的稳态性能提升；从稳态性能提升的角度，可以直接利用均方误差进行比较并且量化性能的提升；并且可以利用实验进行性能提升的论证。证。证。

【技术实现步骤摘要】
一种工作机稳态性能提升的方法、装置、设备及介质


[0001]本专利技术涉及机器学习领域，尤其涉及一种工作机稳态性能提升的方法、装置、设备及介质。

技术介绍

[0002]物联网产生大量的分布数据，一种典型的训练方式是将这些数据存储在服务器上，通过服务器训练模型，然而，这种方式的通信效率以及计算效率的问题明显，比如，一辆汽车几个小时产生的数百Gb的数据在传输和计算过程中，都是极大的负担。分布式机器学习对于计算量太大、训练数据太多以及模型规模太大的情况可以有效的解决，现有技术主要局限在离线学习，而在实际应用中工作机会获得数据流，因此在线学习是解决这一问题的有效方式。现有技术中，在预测工作机学习性能提升的方法中，将全局预测误差和工作机局部预测误差的置信区间的宽窄进行比较，缺乏量化误差的指标，因此需要一种可以量化误差的工作机的稳态性能提升的方法。

技术实现思路

[0003]有鉴于此，本专利技术提出了一种工作机稳态性能提升的方法、装置、设备及介质，其中，本专利技术提出的一种工作机稳态性能提升的方法首先通过高斯过程回归(Gaussian process regression，GPR)处理流数据，实现对测试输出进行预测，然后将局部预测的期望和方差发送给服务器，服务器对收到的所有工作机的期望和方差进行聚合，计算得到全局预测的期望和方差并将得到的全局预测模型发送回各个工作机。本专利技术提出的一种工作机稳态性能提升的方法使得工作机在经过全局预测和局部预测融合后，得到的预测模型在工作机稳态下具有更好的预测性能。
[0004]基于以上目的，本专利技术的实施例的一个方面提供了一种工作机稳态性能提升的方法，所述方法包括以下步骤：建立工作机对应的训练集合和核函数，基于所述核函数在所述训练集合上计算工作机的高斯后验概率分布，以得到工作机的局部预测模型；将所述局部预测模型发送给服务器，基于聚合算法对所述局部预测模型进行聚合，得到全局预测模型；在工作机上对所述局部预测模型和所述全局预测模型进行融合计算，以得到逼近目标函数的预测模型。
[0005]在一些实施例中，所述方法还包括：建立验证数据集并将所述验证数据集均分给工作机，通过所述逼近目标函数的预测模型计算工作机对应的逼近目标函数的预测模型的预测均方误差；比较所述逼近目标函数的预测模型的预测均方误差与所述局部预测模型的均方误差，响应于所述逼近目标函数的预测模型的预测均方误差小于所述局部预测模型的均方误差，所述逼近目标函数的预测模型有效。
[0006]在一些实施例中，所述建立工作机对应的训练集合和核函数，基于所述核函数在所述训练集合上计算工作机的高斯后验概率分布，以得到工作机的局部预测模型包括：建立训练数据对应的投影数据集合，并获取所述投影数据集合中的投影数据的邻域，基于所
述投影数据的邻域构建工作机对应的训练集合；根据选择的核函数在所述训练集合上计算工作机的高斯后验概率分布，得到工作机的局部预测的期望和方差。
[0007]在一些实施例中，所述将所述局部预测模型发送给服务器，基于聚合算法对所述局部预测模型进行聚合，得到全局预测模型包括：将所述局部预测的期望和方差发送给服务器，并通过所述服务器的聚合算法将所述局部预测的期望和方差计算为全局预测的期望和方差。
[0008]在一些实施例中，所述在工作机上对所述局部预测模型和所述全局预测模型进行融合计算，以得到逼近目标函数的预测模型包括：将所述全局预测的期望和方差发送给工作机，设置通过工作机对所述全局预测的期望和方差与所述局部预测的期望和方差进行融合计算，得到逼近目标函数的预测模型。
[0009]在一些实施例中，所述将所述全局预测的期望和方差发送给工作机，设置通过工作机对所述全局预测的期望和方差与所述局部预测的期望和方差进行融合计算，得到逼近目标函数的预测模型包括：比较工作机的测试数据的局部预测的方差和全局预测的方差的大小，并根据比较的结果构建工作机的测试数据的集合；响应于工作机的测试数据的集合中存在局部预测的方差不大于全局预测的方差的测试数据，使用所述全局预测构建逼近目标函数的预测模型。
[0010]在一些实施例中，所述将所述全局预测的期望和方差发送给工作机，设置通过工作机对所述全局预测的期望和方差与所述局部预测的期望和方差进行融合计算，得到逼近目标函数的预测模型还包括：响应于工作机的测试数据的集合中不存在局部预测的方差不大于全局预测的方差的测试数据，使用所述局部预测构建逼近目标函数的预测模型。
[0011]本专利技术实施例的另一个方面，还提供了一种工作机稳态性能提升的装置，所述装置包括：第一模块，配置用于建立工作机对应的训练集合和核函数，基于所述核函数在所述训练集合上计算工作机的高斯后验概率分布，以得到工作机的局部预测模型；第二模块，配置用于将所述局部预测模型发送给服务器，基于聚合算法对所述局部预测模型进行聚合，得到全局预测模型；第三模块，配置用于在工作机上对所述局部预测模型和所述全局预测模型进行融合计算，以得到逼近目标函数的预测模型。
[0012]本专利技术实施例的另一方面，还提供一种计算机设备，包括至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行时实现上述任一方法的步骤。
[0013]本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上任一方法步骤的计算机程序。
[0014]本专利技术至少具有以下有益效果：本专利技术提出一种工作机稳态性能提升的方法、装置、设备及介质，其中，本专利技术提出的一种工作机稳态性能提升的方法通过直接进行均方误差的比较和量化，构建一种在线融合工作机稳态性能提升的方法。可以保证每一个工作机在利用局部预测和全局预测进行融合后的稳态性能提升；从稳态性能提升的角度，可以直接利用均方误差进行比较并且量化性能的提升；并且本专利技术提出的方法可以利用实验进行性能提升的论证。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的实施例。
[0016]图1为本专利技术提供的一种工作机稳态性能提升的方法的实施例的示意图；
[0017]图2为本专利技术提供的一种工作机稳态性能提升的装置的实施例的示意图；
[0018]图3为本专利技术提供的一种计算机设备的实施例的示意图；
[0019]图4为本专利技术提供的一种计算机可读存储介质的实施例的示意图。
具体实施方式
[0020]以下描述了本专利技术的实施例。然而，应该理解，所公开的实施例仅仅是示例，并且其它实施例可以采取各种替代形式。
[0021]此外，需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工作机稳态性能提升的方法，其特征在于，包括：建立工作机对应的训练集合和核函数，基于所述核函数在所述训练集合上计算工作机的高斯后验概率分布，以得到工作机的局部预测模型；将所述局部预测模型发送给服务器，基于聚合算法对所述局部预测模型进行聚合，得到全局预测模型；在工作机上对所述局部预测模型和所述全局预测模型进行融合计算，以得到逼近目标函数的预测模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立验证数据集并将所述验证数据集均分给工作机，通过所述逼近目标函数的预测模型计算工作机对应的逼近目标函数的预测模型的预测均方误差；比较所述逼近目标函数的预测模型的预测均方误差与所述局部预测模型的均方误差，响应于所述逼近目标函数的预测模型的预测均方误差小于所述局部预测模型的均方误差，所述逼近目标函数的预测模型有效。3.根据权利要求1所述的方法，其特征在于，所述建立工作机对应的训练集合和核函数，基于所述核函数在所述训练集合上计算工作机的高斯后验概率分布，以得到工作机的局部预测模型包括：建立训练数据对应的投影数据集合，并获取所述投影数据集合中的投影数据的邻域，基于所述投影数据的邻域构建工作机对应的训练集合；根据选择的核函数在所述训练集合上计算工作机的高斯后验概率分布，得到工作机的局部预测的期望和方差。4.根据权利要求3所述的方法，其特征在于，所述将所述局部预测模型发送给服务器，基于聚合算法对所述局部预测模型进行聚合，得到全局预测模型包括：将所述局部预测的期望和方差发送给服务器，并通过所述服务器的聚合算法将所述局部预测的期望和方差计算为全局预测的期望和方差。5.根据权利要求1所述的方法，其特征在于，所述在工作机上对所述局部预测模型和所述全局预测模型进行融合计算，以得到逼近目标函数的预测模型包括：将所述全局预测的期望和方差发送给工作机，设置通过工作机对所述全局预测的期望和方差与所述局部预测的期望和方差...

【专利技术属性】
技术研发人员：张旭，孙华锦，王凛，吴睿振，王小伟，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
类型：发明
国别省市：