一种面向实时智能感知系统的神经网络集成分层调度方法和系统技术方案

本发明专利技术公开了一种面向实时智能感知系统的神经网络集成分层调度方法和系统。该方法的步骤包括：1)针对系统中的感知任务训练神经网络，构建神经网络集成；2)确定神经网络集成中神经网络的顺序；3)对感知任务进行优先级计算，根据优先级和神经网络的顺序执行任务；4)基于带权投票法对感知任务的结果进行融合。本发明专利技术利用神经网络集成方法来提升感知任务的计算准确度。本发明专利技术适用于任何类型的感知任务和神经网络结构；由于计算过程主要集中在离线阶段，因此几乎不会引入任何在线调度开销；同时，通过基于置信度和截止期地实时调度算法合理地为感知任务分配计算资源，在保证调度成功率的同时最大化准确率，进而提高了系统的安全性。性。性。

【技术实现步骤摘要】
一种面向实时智能感知系统的神经网络集成分层调度方法和系统


[0001]本专利技术属于人工智能和实时系统
，具体涉及一种神经网络集成的分层调度方法和系统。

技术介绍

[0002]实时智能感知系统通过传感器获取大量数据，利用人工智能技术对其进行特征提取和分类，从而实现对环境、设备、人员的感知。具有代表性的应用包括无人驾驶汽车、无人机、智能可穿戴设备等。实时智能感知系统中的感知任务通常是安全关键型的，它们对功能上的正确性和时间上的正确性具有很强的要求，也就是说，系统必须能在时间约束内给出尽可能正确的感知结果，以保证系统的稳定运行。深度神经网络已被广泛应用于实时智能感知系统，以实现高精度的感知。深度神经网络是一种基于多层神经元的神经网络模型，它通常包含多个隐藏层，每个隐藏层都有一组神经元。每个神经元都将其输入加权和通过一个非线性激活函数进行转换，生成输出，这个输出又成为下一层的输入。从人工智能的角度，研究人员提出了各种神经网络模型和学习算法，旨在提高功能上的正确性。从实时系统的角度，研究人员将实时调度、最坏执行时间分析等技术应用于神经网络，旨在保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向实时智能感知系统的神经网络集成分层调度方法，其特征在于，包括以下步骤：针对感知任务训练神经网络，构建神经网络集成；确定神经网络集成中神经网络的顺序；确定感知任务的优先级；根据感知任务的优先级和神经网络的顺序执行感知任务；对感知任务的结果进行融合，得到最终感知结果。2.根据权利要求1所述的方法，其特征在于，所述针对感知任务训练神经网络，构建神经网络集成，包括：根据感知任务的类型选择适当的神经网络模型，每个神经网络以一个数据点x
i
为输入，输出预测值进行N次无放回抽样，从训练数据集DS中抽取N个子集；基于N个抽样数据集，采用误差反向传播算法和随机梯度下降法训练N个神经网络，构成神经网络集成E。3.根据权利要求2所述的方法，其特征在于，所述确定神经网络集成中神经网络的顺序，包括：首先，将训练数据集中所有数据点{(x
i
,y
i
)}的权值{w
i
}初始化为均匀分布；然后，进行N轮迭代，每轮挑选一个神经网络，以确定N个神经网络的顺序；在迭代过程中，选取神经网络集成E中加权准确率最高的神经网络，其中I(x)表示指示函数，该神经网络的重要性系数记为α
l
＝0.5*(log(a
l
)
‑
log(1
‑
a
l
))；然后根据所选神经网络更新数据点的权重；迭代过程重复N次，直到确定所有神经网络的顺序，最终得到一个神经网络序列。4.根据权利要求3所述的方法，其特征在于，所述根据所选神经网络更新数据点的权重，第l(l>1)轮时数据点(x
i
,y
i
)的权重为：其中，Z
l
为归一化系数，迭代过程重复N次，直到确定所有神经网络的顺序，最终得到一个神经网络序列。5.根据权利要求4所述的方法，其特征在于，所述确定感知任务的优先级，包括：由任务的置信度和任务的截止期共同确定任务的优先级；采用当前任务已执行的神经网络的结果集来估计任务的置信度，...

【专利技术属性】
技术研发人员：乔颖，薄紫彤，冷昶，王宏安，徐凯悦，张晟玮，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：