笔记本电脑功耗控制方法及其系统技术方案

公开了一种笔记本电脑功耗控制方法及其系统，其通过包含一维卷积层的时序编码器提取笔记本电脑的多个应用在包含当前时间点在内的多个预定时间点的功耗数据在时序维度上的动态变化特征，并通过包含嵌入层的上下文编码器对各个应用的文本描述进行编码以提取出各个应用的全局性文本语义关联特征；然后，使用图神经网络通过可学习的神经网络参数对功耗数据的动态变化特征和各个应用的全局性文本语义关联特征进行图结构数据编码以综合进行笔记本电脑的各个应用的关闭控制，进而实现对于笔记本电脑的功耗控制。这样，可以准确地对于笔记本电脑的待评估应用是否关闭进行评估判断，进而在控制端降低笔记本电脑的功耗，以提高笔记本电脑的性能。提高笔记本电脑的性能。提高笔记本电脑的性能。

【技术实现步骤摘要】
笔记本电脑功耗控制方法及其系统


[0001]本申请涉及智能控制
，且更为具体地，涉及一种笔记本电脑功耗控制方法及其系统。

技术介绍

[0002]当笔记本电脑在运行时，使用者会开启很多应用来满足其使用需求，但在其使用完之后，用户常常会忘记彻底关掉相应应用，该在后台挂起的应用仍位于进程中，会耗费一定的能量，造成不必要的功耗。若笔记本的电脑功耗过高会导致发热严重，由于笔记本电脑的散热能力有限，功耗过高会严重影响笔记本电脑的性能。
[0003]现有的一些解决方案是基于应用未启动的时间来判断是否自动关闭，这种方式虽然能节省功耗，但因不同用户的使用习惯不同而导致时间阈值很难设定；其次，用户在使用应用时，各个应用间往往存在关联，虽然用户对某个应用的使用频次低，但其在整个应用组中的重要性却不一定低。
[0004]因此，期待一种更为优化的笔记本电脑的功耗控制方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种笔记本电脑功耗控制方法及其系统，其通过包含一维卷积层的时序编码器提取笔记本电脑的多个应用在包含当前时间点在内的多个预定时间点的功耗数据在时序维度上的动态变化特征，并通过包含嵌入层的上下文编码器对各个应用的文本描述进行编码以提取出各个应用的全局性文本语义关联特征；然后，使用图神经网络通过可学习的神经网络参数对功耗数据的动态变化特征和各个应用的全局性文本语义关联特征进行图结构数据编码以综合进行笔记本电脑的各个应用的关闭控制，进而实现对于笔记本电脑的功耗控制。这样，可以准确地对于笔记本电脑的待评估应用是否关闭进行评估判断，进而在控制端降低笔记本电脑的功耗，以提高笔记本电脑的性能。
[0006]根据本申请的一个方面，提供了一种笔记本电脑功耗控制方法，其包括：
[0007]获取笔记本电脑的多个应用在包含当前时间点在内的多个预定时间点的功耗数据以及所述各个应用的文本描述；
[0008]将所述各个应用在包含当前时间点在内的多个预定时间点的功耗数据分别排列为功耗输入向量后通过包含一维卷积层的时序编码器以得到多个功耗特征向量；
[0009]将所述多个功耗特征向量进行二维矩阵化以得到功耗特征矩阵；
[0010]将所述各个应用的文本描述分别通过包含嵌入层的上下文编码器以得到多个应用文本描述语义特征向量；
[0011]分别计算所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度以得到应用关联度特征矩阵；
[0012]基于所述应用关联度特征矩阵，对所述功耗特征矩阵进行联立优化以得到优化后
功耗特征矩阵；
[0013]将所述应用关联度特征矩阵和所述优化后功耗特征矩阵通过图神经网络以得到语义拓扑功耗特征矩阵；
[0014]从所述语义拓扑功耗特征矩阵中提取待评估应用对应的行向量作为分类特征向量；以及
[0015]将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否关闭待评估应用。
[0016]在上述笔记本电脑功耗控制方法中，所述将所述各个应用在包含当前时间点在内的多个预定时间点的功耗数据分别排列为功耗输入向量后通过包含一维卷积层的时序编码器以得到多个功耗特征向量，包括：将所述各个应用在包含当前时间点在内的多个预定时间点的功耗数据按照时间维度分别排列为功耗输入向量；使用所述时序编码器的全连接层以如下公式分别对所述功耗输入向量进行全连接编码以分别提取出所述功耗输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述功耗输入向量，Y是功耗输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；以及，使用所述时序编码器的一维卷积层以如下公式分别对所述功耗输入向量进行一维卷积编码以分别提取出所述功耗输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
[0017][0018]其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述功耗输入向量。
[0019]在上述笔记本电脑功耗控制方法中，所述将所述各个应用的文本描述分别通过包含嵌入层的上下文编码器以得到多个应用文本描述语义特征向量，包括：对所述各个应用的文本描述进行分词处理以将所述各个应用的文本描述转化为由多个词组成的词序列；使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及，使用所述包含嵌入层的上下文编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述多个应用文本描述语义特征向量。
[0020]在上述笔记本电脑功耗控制方法中，所述分别计算所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度以得到应用关联度特征矩阵，包括：以如下公式分别计算所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度以得到多个关联度；其中，所述公式为：
[0021][0022]其中V
i
和V
j
分别表示所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量，和分别表示所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量的各个位置的特征值，d(V
i
,V
j
)表示所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度；以及，将所述多个关联度进行二维
矩阵化排列以得到所述应用关联度特征矩阵。
[0023]在上述笔记本电脑功耗控制方法中，所述基于所述应用关联度特征矩阵，对所述功耗特征矩阵进行联立优化以得到优化后功耗特征矩阵，包括：基于所述应用关联度特征矩阵，以如下公式对所述功耗特征矩阵进行联立优化以得到所述优化后功耗特征矩阵；其中，所述公式为：
[0024][0025]其中M1和M2分别表示所述应用关联度特征矩阵和所述功耗特征矩阵，f
i
表示所述应用关联度特征矩阵的每个位置的特征值，是所述应用关联度特征矩阵中所有位置的特征值集合的全局均值，N是所述应用关联度特征矩阵的尺度，且α是加权超参数，表示按位置加法，
⊙
表示按位置点乘，exp表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值。
[0026]在上述笔记本电脑功耗控制方法中，所述将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否关闭待评估应用，包括：使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0027]根据本申请的另一方面，提供了一种笔记本电脑功耗控制系统，其包括：
[0028]数据采集模块，用于获取笔记本电脑的多个应用在包含当前时间点在内的多个预定时间点的功耗数据；
[0029]功耗数据时序特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种笔记本电脑功耗控制方法，其特征在于，包括：获取笔记本电脑的多个应用在包含当前时间点在内的多个预定时间点的功耗数据以及所述各个应用的文本描述；将所述各个应用在包含当前时间点在内的多个预定时间点的功耗数据分别排列为功耗输入向量后通过包含一维卷积层的时序编码器以得到多个功耗特征向量；将所述多个功耗特征向量进行二维矩阵化以得到功耗特征矩阵；将所述各个应用的文本描述分别通过包含嵌入层的上下文编码器以得到多个应用文本描述语义特征向量；分别计算所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度以得到应用关联度特征矩阵；基于所述应用关联度特征矩阵，对所述功耗特征矩阵进行联立优化以得到优化后功耗特征矩阵；将所述应用关联度特征矩阵和所述优化后功耗特征矩阵通过图神经网络以得到语义拓扑功耗特征矩阵；从所述语义拓扑功耗特征矩阵中提取待评估应用对应的行向量作为分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否关闭待评估应用。2.根据权利要求1所述的笔记本电脑功耗控制方法，其特征在于，所述将所述各个应用在包含当前时间点在内的多个预定时间点的功耗数据分别排列为功耗输入向量后通过包含一维卷积层的时序编码器以得到多个功耗特征向量，包括：将所述各个应用在包含当前时间点在内的多个预定时间点的功耗数据按照时间维度分别排列为功耗输入向量；使用所述时序编码器的全连接层以如下公式分别对所述功耗输入向量进行全连接编码以分别提取出所述功耗输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中X是所述功耗输入向量，Y是功耗输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；以及使用所述时序编码器的一维卷积层以如下公式分别对所述功耗输入向量进行一维卷积编码以分别提取出所述功耗输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述功耗输入向量。3.根据权利要求2所述的笔记本电脑功耗控制方法，其特征在于，所述将所述各个应用的文本描述分别通过包含嵌入层的上下文编码器以得到多个应用文本描述语义特征向量，包括：对所述各个应用的文本描述进行分词处理以将所述各个应用的文本描述转化为由多
个词组成的词序列；使用所述包含嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列；以及使用所述包含嵌入层的上下文编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述多个应用文本描述语义特征向量。4.根据权利要求3所述的笔记本电脑功耗控制方法，其特征在于，所述分别计算所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度以得到应用关联度特征矩阵，包括：以如下公式分别计算所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度以得到多个关联度；其中，所述公式为：其中V
i
和V
j
分别表示所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量，和分别表示所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量的各个位置的特征值，d(V
i
,V
j
)表示所述多个应用文本描述语义特征向量中每两个应用文本描述语义特征向量之间的关联度；以及将所述多个关联度进行二维矩阵化排列以得到所述应用关联度特征矩阵。5.根据权利要求4所述的笔记本电脑功耗控制方法，其特征在于，所述基于所述应用关联度特征矩阵，对所述功耗特征矩阵进行联立优化以得到优化后功耗特征矩阵，包括：基于所述应用关联度特征矩阵，以如下公式对所述功耗特征矩阵进行联立优化以得到所述优化后功耗特征矩阵；其中，所述公式为：其中M1和M2分别表示所述应用关联度特征矩阵和所述功耗特征矩阵，f
i
表示所述应用关联度特征矩阵的每个位置的特征值，是所述应用关联度特征矩阵中所有位置的特征值集合的全局均值，N是所述应用关联度特征矩阵的尺度，且α是加权超参数，表示按位置...

【专利技术属性】
技术研发人员：曾蓉蓉，彭斌，
申请(专利权)人：深圳市创瑞鑫科技有限公司，
类型：发明
国别省市：