【技术实现步骤摘要】
本专利技术涉及数据分析，具体为一种基于人工智能的数据分析系统及方法。
技术介绍
1、ai芯片，又称ai计算芯片，是一种专门设计用于执行人工智能计算任务的集成电路，这些芯片可以加速机器学习、深度学习和其它ai算法的应用，从而提高计算机在图像识别、语音识别、自然语言处理等领域的性能，芯片设计中一般将性能、功耗和面积作为最主要的kpi，其中，算力是人工智能芯片性能的最核心指标；
2、然而，ai芯片的性能在实际运行过程中是没有办法长时间保持的，随着装有ai芯片的设备使用时间的推移，ai芯片的性能尤其是算力可能会呈现逐渐下降的趋势，在ai芯片性能影响到设备正常使用时需要对ai芯片进行维护甚至更换，现有技术中，未通过大数据技术对ai芯片的性能变化情况进行预判、及时对ai芯片进行维护或者更换以降低因ai芯片性能异常导致设备使用异常的概率。
3、所以，人们需要一种基于人工智能的数据分析系统及方法来解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的数据分析系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的数据分析系统，所述系统包括：使用信息采集模块、数据库、使用信息分析模块、分类分析管理模块和ai芯片维护管理模块；
3、所述使用信息采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述使用信息分析模块的输入端，所述使用信息分析模块的输出端连接所述分
4、所述使用信息采集模块用于采集装有ai芯片的设备的历史使用数据和ai芯片的历史测试数据，将采集到的全部数据传输到所述数据库；
5、所述数据库用于存储接收到的全部数据；
6、所述使用信息分析模块用于分析历史使用数据和历史测试数据，建立ai芯片性能预测模型；
7、所述分类分析管理模块用于分析不同设备的ai芯片性能预测模型并将ai芯片进行分类；
8、所述ai芯片维护管理模块用于对同一类的ai芯片进行维护管理。
9、进一步的，所述使用信息采集模块包括设备信息采集单元、目标信息采集单元和芯片算力测试单元；
10、所述设备信息采集单元、目标信息采集单元和芯片算力测试单元的输出端连接所述数据库的输入端；
11、所述设备信息采集单元用于采集装有ai芯片的用于图像识别的设备以往进行图像识别时花费的时长信息以及以往进行图像识别时ai芯片的已安装时长信息；
12、所述目标信息采集单元用于采集设备以往识别的图像清晰度信息，此处用图像的分辨率来表示图像清晰度；
13、所述芯片算力测试单元用于测试设备进行图像识别时ai芯片的算力数据，采集设备以往进行图像识别时测试到的ai芯片的算力数据；
14、将采集到的全部数据传输到所述数据库。
15、进一步的，所述使用信息分析模块包括芯片性能分析单元、训练样本生成单元和预测模型建立单元；
16、所述芯片性能分析单元的输入端连接所述数据库的输出端，所述芯片性能分析单元的输出端连接所述训练样本生成单元的输入端，所述训练样本生成单元的输出端连接所述预测模型建立单元的输入端；
17、所述芯片性能分析单元用于调取设备以往进行图像识别时花费的时长信息、设备以往识别的图像清晰度信息以及在识别时测试到的算力数据，分析设备中安装的ai芯片的性能指标；
18、所述训练样本生成单元用于将性能指标和以往进行图像识别时ai芯片的已安装时长信息进行组合生成训练样本数据；
19、所述预测模型建立单元用于对训练样本数据进行拟合后建立ai芯片性能预测模型。
20、进一步的，所述分类分析管理模块包括模型分析单元和ai芯片分类单元；
21、所述模型分析单元的输入端连接所述预测模型建立单元的输出端，所述模型分析单元的输出端连接所述ai芯片分类单元的输入端；
22、所述模型分析单元用于分析不同设备的ai芯片性能预测模型，分析不同设备的ai芯片性能变化情况；
23、所述ai芯片分类单元用于依据性能变化情况将ai芯片进行分类。
24、进一步的，所述ai芯片维护管理模块包括性能变化预测单元和芯片维护提醒单元；
25、所述性能变化预测单元的输入端连接所述ai芯片分类单元的输出端，所述性能变化预测单元的输出端连接所述芯片维护提醒单元的输入端；
26、所述性能变化预测单元用于设置性能指标异常阈值，预测同一类ai芯片的性能指标达到阈值的时间；
27、所述芯片维护提醒单元用于在预测的时间提醒对属于同一类的ai芯片进行维护或更换。
28、一种基于人工智能的数据分析方法，包括以下步骤：
29、s1：采集装有ai芯片的设备的历史使用数据和ai芯片的历史测试数据；
30、s2：分析历史使用数据和历史测试数据，建立ai芯片性能预测模型；
31、s3：分析不同设备的ai芯片性能预测模型并将ai芯片进行分类；
32、s4：预测同一类ai芯片性能出现异常的时间；
33、s5：在预测的时间对同一类的ai芯片进行维护管理。
34、进一步的，在步骤s1中：采集装有ai芯片的用于图像识别的设备以往k次进行图像识别时花费的时长信息以及k次进行图像识别时ai芯片的已安装时长信息，采集设备以往k次识别的图像清晰度，采集设备以往进行图像识别时测试到的ai芯片的算力数据，得到随机一个设备以往k次进行图像识别时花费的时长集合为t＝{t1，t2，…，tk}，以往k次识别的图像清晰度集合为z＝{z1，z2，…，zk}，对应k次进行图像识别时ai芯片的已安装时长集合为t＝{t1，t2，…，tk}，对应k次进行图像识别时测试到的ai芯片的算力集合为p＝{p1，p2，…，pk}。
35、进一步的，在步骤s2中：以t1和z1为基准，根据公式计算消除图像清晰度偏差后第i次进行图像识别时花费的时长ti’，通过相同方式计算得到消除图像清晰度偏差后k次进行图像识别时花费的时长集合为t’＝{t1’，t2’，…，ti’，…，tk’}，其中，t1’＝t1，根据公式计算第i次进行图像识别时设备中安装的ai芯片的性能指标wi，得到k次进行图像识别时设备中安装的ai芯片的性能指标集合为w＝{w1，w2，…，wi，…，wk}，生成训练样本数据为{(t1，w1)，(t2，w2)，…(tk，wk)}，对训练样本数据进行直线拟合，建立对应设备的ai芯片性能预测模型：y＝aj*x+b，其中，aj表示对应设备ai芯片性能预测模型的偏置，b表示截距，根据下列公式分别计算aj和b：
36、
37、
38、其中，ti表示对应设备第i次进行图像识别时ai芯片的已安装时长，建本文档来自技高网...
【技术保护点】
1.一种基于人工智能的数据分析系统，其特征在于：所述系统包括：使用信息采集模块、数据库、使用信息分析模块、分类分析管理模块和AI芯片维护管理模块；
2.根据权利要求1所述的一种基于人工智能的数据分析系统，其特征在于：所述使用信息采集模块包括设备信息采集单元、目标信息采集单元和芯片算力测试单元；
3.根据权利要求2所述的一种基于人工智能的数据分析系统，其特征在于：所述使用信息分析模块包括芯片性能分析单元、训练样本生成单元和预测模型建立单元；
4.根据权利要求3所述的一种基于人工智能的数据分析系统，其特征在于：所述分类分析管理模块包括模型分析单元和AI芯片分类单元；
5.根据权利要求4所述的一种基于人工智能的数据分析系统，其特征在于：所述AI芯片维护管理模块包括性能变化预测单元和芯片维护提醒单元；
6.一种基于人工智能的数据分析方法，其特征在于：包括以下步骤：
7.根据权利要求6所述的一种基于人工智能的数据分析方法，其特征在于：在步骤S1中：采集装有AI芯片的用于图像识别的设备以往k次进行图像识别时花费的时长信息
8.根据权利要求7所述的一种基于人工智能的数据分析方法，其特征在于：在步骤S2中：以T1和Z1为基准，根据公式计算消除图像清晰度偏差后第i次进行图像识别时花费的时长Ti’，通过相同方式计算得到消除图像清晰度偏差后k次进行图像识别时花费的时长集合为T’＝{T1’，T2’，…，Ti’，…，Tk’}，其中，T1’＝T1，根据公式计算第i次进行图像识别时设备中安装的AI芯片的性能指标wi，得到k次进行图像识别时设备中安装的AI芯片的性能指标集合为w＝{w1，w2，…，wi，…，wk}，生成训练样本数据为{(t1，w1)，(t2，w2)，…(tk，wk)}，对训练样本数据进行直线拟合，建立对应设备的AI芯片性能预测模型：Y＝aj*X+b，其中，aj表示对应设备AI芯片性能预测模型的偏置，b表示截距，根据下列公式分别计算aj和b：
9.根据权利要求8所述的一种基于人工智能的数据分析方法，其特征在于：在步骤S3中：将不同设备的AI芯片性能预测模型的偏置按从小到大的顺序进行排列，将AI芯片按排列后的偏置分为m类，获取到随机一个分类结果中，m类中每类AI芯片对应的偏置平均值集合为A＝{A1，A2，…，Am}，根据下列公式计算得到对应分类结果中m类偏置的差异程度U：
10.根据权利要求9所述的一种基于人工智能的数据分析方法，其特征在于：在步骤S4中：获取最终的分类结果，得到对应分类结果中随机一类AI芯片的性能预测模型的偏置集合为A’＝{A1’，A2’，…，Ar’}，其中，r表示对应类别AI芯片的性能预测模型的偏置，比较偏置，得到最小偏置对应的AI芯片性能预测模型为：Y＝a'*X+b'，设置性能指标异常阈值为Q，将Q代入最小偏置对应的AI芯片性能预测模型中：令Y＝Q，预测得到对应类别AI芯片的性能指标达到异常阈值的时间为：预测在最小偏置对应的AI芯片安装后间隔X时，对应类别AI芯片的性能指标会出现异常；
...【技术特征摘要】
1.一种基于人工智能的数据分析系统，其特征在于：所述系统包括：使用信息采集模块、数据库、使用信息分析模块、分类分析管理模块和ai芯片维护管理模块；
2.根据权利要求1所述的一种基于人工智能的数据分析系统，其特征在于：所述使用信息采集模块包括设备信息采集单元、目标信息采集单元和芯片算力测试单元；
3.根据权利要求2所述的一种基于人工智能的数据分析系统，其特征在于：所述使用信息分析模块包括芯片性能分析单元、训练样本生成单元和预测模型建立单元；
4.根据权利要求3所述的一种基于人工智能的数据分析系统，其特征在于：所述分类分析管理模块包括模型分析单元和ai芯片分类单元；
5.根据权利要求4所述的一种基于人工智能的数据分析系统，其特征在于：所述ai芯片维护管理模块包括性能变化预测单元和芯片维护提醒单元；
6.一种基于人工智能的数据分析方法，其特征在于：包括以下步骤：
7.根据权利要求6所述的一种基于人工智能的数据分析方法，其特征在于：在步骤s1中：采集装有ai芯片的用于图像识别的设备以往k次进行图像识别时花费的时长信息以及k次进行图像识别时ai芯片的已安装时长信息，采集设备以往k次识别的图像清晰度，采集设备以往进行图像识别时测试到的ai芯片的算力数据，得到随机一个设备以往k次进行图像识别时花费的时长集合为t＝{t1，t2，…，tk}，以往k次识别的图像清晰度集合为z＝{z1，z2，…，zk}，对应k次进行图像识别时ai芯片的已安装时长集合为t＝{t1，t2，…，tk}，对应k次进行图像识别时测试到的ai芯片的算力集合为p＝{p1，p2，…，pk}。
8.根据权利要求7所述的一种基于人工智能的数据分析方法，其特征在于：在步骤s2中：以t1和z1...
【专利技术属性】
技术研发人员：袁永福，袁永斌，
申请(专利权)人：知码芯无锡通讯技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。