用于实现自动迁移学习的系统和方法技术方案

一种利用在网络边缘部署例程的网络平台来训练人工智能(artificial intelligence，AI)模型的方法和系统。所述网络平台包括：至少一个AI使能器，所述AI使能器与例程管理器相关联，并且在拓扑上位于实现例程的例程客户端函数和例程服务器函数之间；业务管理器，所述业务管理器包括AI超参数优化器；数据选择器，所述数据选择器将数据从所述例程客户端函数过滤到AI使能器。所述例程客户端函数可以表示数据源，所述AI使能器可以实现AI模型的分类器，例程服务器函数可以实现AI模型的分类器。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术大体上涉及基于网络的计算业务领域，尤其涉及用于计算机业务实现人工智能模型的迁移学习的系统和方法。

技术介绍

1、边缘计算(edge computing，ec)是一种计算方式，这种计算方式通过将计算和存储移动到靠近网络边缘的位置，从而靠近终端用户来减少传输延迟和带宽消耗。典型的边缘计算应用包括具有大带宽和/或严格延迟要求的应用，如人工智能(artificialintelligence，ai)应用、增强现实(augmented realty，ar)和虚拟现实(virtual reality，vr)游戏、机械等。随着边缘计算技术的成熟，边缘计算能力和平台(即，边缘云)可以深入部署到网络中，例如部署到无线节点上，并且可广泛使用。

2、基于6g的网络除了可以实现智能连接外，还可以实现互联智能。互联智能本质上是分布式计算或基于网络的计算，涉及至少两个计算模块，每个计算模块可能部署在不同的网络位置，例如部署在边缘云上。所述至少两个计算模块可以各自执行部分计算，并相互交换计算结果，以实现共同目标或完成任务。分布式计算的核心是计算过程中计算模块之间的协本文档来自技高网...

【技术保护点】

1.一种用于在两个应用程序之间迁移参数的方法，其特征在于，所述方法由人工智能(artificial intelligence，AI)超参数优化器执行，所述方法包括：

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：确定是否应用迁移学习。

3.根据权利要求2所述的方法，其特征在于，所述确定是否应用迁移学习包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：所述AI超参数优化器执行如下步骤：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：所述AI超参数优化器计算所述模型类的所述参数的加权平均值。

...

【技术特征摘要】
【国外来华专利技术】

1.一种用于在两个应用程序之间迁移参数的方法，其特征在于，所述方法由人工智能(artificial intelligence，ai)超参数优化器执行，所述方法包括：

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：确定是否应用迁移学习。

3.根据权利要求2所述的方法，其特征在于，所述确定是否应用迁移学习包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：所述ai超参数优化器执行如下步骤：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：所述ai超参数优化器计算所述模型类的所述参数的加权平均值。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述ai模型包括：

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述ai使能器用于：

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述ai使能器实现包括层的所述编码器，所述层包括至少一个输入层。

9.根据权利要求1至8中任一项所述的方法，其特征在于，

10.根据权利要求1至9中任一项所述的方法，其特征在于，

11.根据权利要求1至10中任一项所述的方法，其特征在于，所述方法还包括：

12.根据...

【专利技术属性】
技术研发人员：李顼，时伟森，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：