【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种个性化智能终端人工智能模型架构及升级方法。
技术介绍
1、人工智能(ai)技术正在被广泛应用于各类设备和系统中，从智能手机到汽车，从医疗设备到工业自动化设备，其影响力无处不在。端云协同是当今人工智能应用领域的一项前沿技术，端云联合训练和分工部署，构建ai应用框架。在此框架下，通常终端设备利用本地数据进行模型预训练，并将训练结果上传至云端进行聚合。特别对于大模型，直接在终端设备上进行训练是不可行的。这就需要云端服务器负责模型训练，云端服务器还负责收集来自各终端的模型更新，负责运用优化算法进行全局模型的更新，并将更新后的模型分发回各终端设备，形成一个迭代优化的闭环。通过云端服务器主导的模型训练和更新，一般形成在不同智能终端之间公用的公共智能。除了公共智能，让人工智能应用更加个性化和私密化也是当下需求。在行业共同作用下，ai模型在通识任务上的表现越来越出色，然而这种以广义理论框架搭建、公用数据训练出的通用ai模型，对于普通用户来说，在使用时缺乏个性。在主流通用ai模型的基础之上注入专业化、个性化是一个重要的探索...
【技术保护点】
1.一种个性化智能终端人工智能模型架构，其特征在于，所述模型架构包括：
2.根据权利要求1所述的模型架构，其特征在于，个性控制接口提供个性选项输入或可选的个性参数矩阵输入；用户通过个性选项的输入，对个性参数矩阵进行选择，进而设置本地个性化模型的权重参数矩阵；或通过个性参数矩阵的输入，直接设置本地个性化模型的权重参数矩阵。
3.根据权利要求1所述的模型架构，其特征在于，在用户通过个性控制接口设置个性参数矩阵后，智能终端通过本地训练，反向传播优化个性参数，得到智能终端个性；训练仅限于个性参数矩阵的微调。
4.根据权利要求1所述的模型架构...
【技术特征摘要】
1.一种个性化智能终端人工智能模型架构，其特征在于，所述模型架构包括：
2.根据权利要求1所述的模型架构，其特征在于，个性控制接口提供个性选项输入或可选的个性参数矩阵输入；用户通过个性选项的输入，对个性参数矩阵进行选择，进而设置本地个性化模型的权重参数矩阵；或通过个性参数矩阵的输入，直接设置本地个性化模型的权重参数矩阵。
3.根据权利要求1所述的模型架构，其特征在于，在用户通过个性控制接口设置个性参数矩阵后，智能终端通过本地训练，反向传播优化个性参数，得到智能终端个性；训练仅限于个性参数矩阵的微调。
4.根据权利要求1所述的模型架构，其特征在于，通过在ai模型中增加个性控制接口，从而将个性化模型的训练工作部署在后端服务器上包括云侧、边缘侧。
5.根据权利要求4所述的模型架构，其特征在于，个性化模型为本地个性化模型中使用的泛化模型，训练流程如下：
6.根...
【专利技术属性】
技术研发人员：谢长生，张猛华，陈振娇，
申请(专利权)人：中国电子科技集团公司第五十八研究所，
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。