【技术实现步骤摘要】
本专利技术涉及adc算法领域，具体涉及一种便于多算法融合的adc系统。
技术介绍
1、在基于深度学习神经网络算法的adc系统中，算法的精度与泛化能力直接影响到系统的使用效果。优秀的算法架构通常并非由单一模型实现，而是集成了多个算法子模型的混合式算法架构。而算法架构的设计有赖于具体场景、具体应用，会根据使用场景的数据状态不同、数据量不同进行特征化设计。
2、现有的adc算法平台通常使用单一模型方式，极大的限制了系统平台的算法灵活性，制约了平台指标的提升。单一模型方式在模型设计以及训练优化过程当中有着不可避免的劣势，在使用单一模型的情况下，当出现新特征产品、新特征型号的时候，往往只能将数据机械的纳入现有数据集中，整体进行训练。新加入的数据有可能影响旧数据的指标效果，同时随着数据集的不断提升，量不断增加，训练时间、训练所需硬件资源也持续提升。这两点都不利于模型的灵活部署与指标稳定。
3、现有adc算法平台如果实现多模型融合步骤，需要进行复杂操作。首先，需要将设计好的整体多模型框架预先固化在平台代码中。同时，在固化的流程环节当中，各个子模型都需要单独的数据集进行单独训练、单独验证。目前软件前端无法清晰的显示复杂的多模型融合算法架构，多模型算法只能以后台形式预先将多个模型存放在本地，待固化的算法架构一并读入，一并启动。
4、由于多模型融合架构涉及到除深度学习模型之外的很多诸如传统视觉算法、逻辑组合、概率统计、配方逻辑等。现阶段只能将此类组合逻辑以代码形式固化在同样的模型框架当中，无法做到实时修改、实时更
技术实现思路
1、为解决现有技术中存在的技术问题，本专利技术提供了一种便于多算法融合的adc系统，支持多模型融合，且模型之间逻辑关系可自由配置、自由部署。
2、为达到上述目的，本专利技术的技术解决方案如下:
3、一种便于多算法融合的adc系统，包括软件配置界面和后台服务架构，软件配置界面对多模型融合算法框架进行配置，后台服务架构包括结构化服务模块、初始化服务模块以及运行服务模块。
4、作为优选的技术方案，软件配置界面对多模型融合算法框架进行配置的过程包括：新建框架、子模块配置、逻辑配置、模型训练、单独部署和整体部署。
5、作为优选的技术方案，子模块配置时，各子模块以流程图形式排布，子模块包括深度学习模型、普通算子模型。
6、作为优选的技术方案，逻辑配置为选择各个子模块所在工作台之间的逻辑关系，逻辑关系包括数理逻辑、筛选逻辑。
7、作为优选的技术方案，系统包括单独部署与上线功能模块和整体框架验证功能模块，单独部署为通过单独部署与上线功能模块独立的对一子模块进行上线与独立验证，整体部署为通过整体框架验证功能模块一次性验证各个模块之间的输入输出关系是否正确，验证整体逻辑输出是否满足测试期望。
8、作为优选的技术方案，在软件配置界面完成整体的模型框架以及子模型和相应逻辑的配置后，系统通过结构化服务模块将全部变量与算法以及模块名组成标准化逻辑字典，同时将全部的运算逻辑、组合逻辑进行标准化编译，最终形成配置字符串输出。
9、作为优选的技术方案，在整体部署时，系统通过初始化服务模块对各模块、各算法进行初始化，对各个模块之间的逻辑关系和整体的多模型融合策略进行完备性校验，校验输入输出之间串并接关系以及数据类型是否有错误；同时将配置字符串内表示的逻辑实时反映在系统日志当中。
10、作为优选的技术方案，在系统开始运行时，软件配置界面调用运行服务模块，运行服务模块首先以pos流形式按配置文件当中若干步骤从一到n逐个运行；同时，运行服务模块在选择某一子模块进行训练时，先进行训练数据验证，验证缺陷种类、数量与配置列表参数是否一致，验证正确后进行模型训练。
11、与现有技术相比，本专利技术的一种便于多算法融合的adc系统的有益效果为：
12、(1)系统可在界面上自由配置多模型融合的复杂的算法架构，包括每个算子内容，算子是否由深度模学习模型组成，其算子的输入参数、输出参数以及算法逻辑也可自由配置。从模型整体框架来讲，框架各个子模块之间的与或关系、筛选逻辑、配方逻辑均可以在界面上自由配置。对于包含深度学习部分的子模块，平台可对该模块儿进行独立的数据验证、模型更新、训练等操作。
13、(2)各个模块之间使用标准的数据接口进行输入输出数据传递，可有效避免由于数据数据非同质化造成的输入输出异常。
14、(3)整体模型架构同样以标准化字符串形式保存在配置文件当中。其他系统在使用本模型架构时,也可按接口逻辑进行规范调用。同时在模型增删的环节，由于使用标准化逻辑接口，模型增删可直接在配置字符串中中自由删改。
本文档来自技高网...【技术保护点】
1.一种便于多算法融合的ADC系统，其特征在于，包括软件配置界面和后台服务架构，所述软件配置界面对多模型融合算法框架进行配置，所述后台服务架构包括结构化服务模块、初始化服务模块以及运行服务模块。
2.根据权利要求1所述的一种便于多算法融合的ADC系统，其特征在于，所述软件配置界面对多模型融合算法框架进行配置的过程包括：新建框架、子模块配置、逻辑配置、模型训练、单独部署和整体部署。
3.根据权利要求2所述的一种便于多算法融合的ADC系统，其特征在于，子模块配置时，各子模块以流程图形式排布，所述子模块包括深度学习模型、普通算子模型。
4.根据权利要求2所述的一种便于多算法融合的ADC系统，其特征在于，逻辑配置为选择各个子模块所在工作台之间的逻辑关系，所述逻辑关系包括数理逻辑、筛选逻辑。
5.根据权利要求2所述的一种便于多算法融合的ADC系统，其特征在于，所述系统包括单独部署与上线功能模块和整体框架验证功能模块，单独部署为通过单独部署与上线功能模块独立的对一子模块进行上线与独立验证，整体部署为通过整体框架验证功能模块一次性验证各个模块之间
6.根据权利要求2所述的一种便于多算法融合的ADC系统，其特征在于，在软件配置界面完成整体的模型框架以及子模型和相应逻辑的配置后，所述系统通过结构化服务模块将全部变量与算法以及模块名组成标准化逻辑字典，同时将全部的运算逻辑、组合逻辑进行标准化编译，最终形成配置字符串输出。
7.根据权利要求2所述的一种便于多算法融合的ADC系统，其特征在于，在整体部署时，所述系统通过初始化服务模块对各模块、各算法进行初始化，对各个模块之间的逻辑关系和整体的多模型融合策略进行完备性校验，校验输入输出之间串并接关系以及数据类型是否有错误；同时将配置字符串内表示的逻辑实时反映在系统日志当中。
8.根据权利要求2所述的一种便于多算法融合的ADC系统，其特征在于，在所述系统开始运行时，所述软件配置界面调用运行服务模块，所述运行服务模块首先以POS流形式按配置文件当中若干步骤从一到N逐个运行；同时，所述运行服务模块在选择某一子模块进行训练时，先进行训练数据验证，验证缺陷种类、数量与配置列表参数是否一致，验证正确后进行模型训练。
...【技术特征摘要】
1.一种便于多算法融合的adc系统，其特征在于，包括软件配置界面和后台服务架构，所述软件配置界面对多模型融合算法框架进行配置，所述后台服务架构包括结构化服务模块、初始化服务模块以及运行服务模块。
2.根据权利要求1所述的一种便于多算法融合的adc系统，其特征在于，所述软件配置界面对多模型融合算法框架进行配置的过程包括：新建框架、子模块配置、逻辑配置、模型训练、单独部署和整体部署。
3.根据权利要求2所述的一种便于多算法融合的adc系统，其特征在于，子模块配置时，各子模块以流程图形式排布，所述子模块包括深度学习模型、普通算子模型。
4.根据权利要求2所述的一种便于多算法融合的adc系统，其特征在于，逻辑配置为选择各个子模块所在工作台之间的逻辑关系，所述逻辑关系包括数理逻辑、筛选逻辑。
5.根据权利要求2所述的一种便于多算法融合的adc系统，其特征在于，所述系统包括单独部署与上线功能模块和整体框架验证功能模块，单独部署为通过单独部署与上线功能模块独立的对一子模块进行上线与独立验证，整体部署为通过整体框架验证功能模块一次性验证各个模块之间的输入...
【专利技术属性】
技术研发人员：刁晓淳，王文瑞，
申请(专利权)人：上海哥瑞利软件股份有限公司，
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。