面向移动边缘环境下的智能服务保障方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114996010A(43)申请公布日2022.09.02(21)申请号202210632812.2(22)申请日2022.06.06(71)申请人中国地质大学(北京)地址100083北京市海淀区学院路29号(72)发明人张玉清朱质宁郭智宸燕琦琦周长兵(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463专利代理师荣颖佳(51)Int.Cl.G06F9/50(2006.01)G06K9/62(2022.01)权利要求书3页说明书14页附图7页(54)发明名称面向移动边缘环境下的智能服务保障方法(57)摘要本申请提供了面向移动边缘环境下的智能服务保障方法，其中，对于候选模型中的每个候选模型层，根据第一模型层和该候选模型层之间的第一隐藏层矩阵的第一矩阵值，以及该候选模型层和第二模型层之间的第二隐藏层矩阵的第二矩阵值确定所述第一隐藏层矩阵和所述第二隐藏层矩阵之间的候选相对熵；判断目标相对熵是否小于为所述候选模型配置的超参数阈值；若所述目标相对熵小于所述超参数阈值，则将所述目标模型层从所述候选模型中删除，以得到不包含所述目标模型层的目标模型。采用上述方法，通过将候选模型中差异度较小的两个隐藏层所共同包含的目标模型层从候选模型中删除，有利于减小模型运行时所占用的运行空间。CN114996010ACN114996010A权利要求书1/3页1.一种面向移动边缘环境下的智能服务保障方法，其特征在于，所述方法包括：对于候选模型中的每个候选模型层，根据第一模型层和该候选模型层之间的第一隐藏层矩阵的第一矩阵值，以及该候选模型层和第二模型层之间的第二隐藏层矩阵的第二矩阵值确定所述第一隐藏层矩阵和所述第二隐藏层矩阵之间的候选相对熵，其中，所述第一模型层为该候选模型层的输入层，所述第二模型层为该候选模型层的输出层，所述第一隐藏层矩阵为将所述第一模型层的输出作为该候选模型层的输入的第一输入结果，所述第二隐藏层矩阵为将该候选模型层的输出作为所述第二候选模型层的输入的第二输入结果；判断目标相对熵是否小于为所述候选模型配置的超参数阈值，其中，所述目标相对熵为第三隐藏层矩阵和第四隐藏层矩阵之间的相对熵，所述第三隐藏层矩阵为第三模型层和目标模型层之间的隐藏层矩阵，所述第四隐藏层矩阵为所述目标模型层和第四模型层之间的隐藏层矩阵，所述目标模型层为所述候选模型中具有最小候选相对熵的两个隐藏层矩阵中共同包含的候选模型层，所述第三模型层为所述目标模型层的输入层，所述第四模型层为所述目标模型层的输出层；若所述目标相对熵小于所述超参数阈值，则将所述目标模型层从所述候选模型中删除，以得到不包含所述目标模型层的目标模型。2.根据权利要求1所述的方法，其特征在于，在判断目标相对熵是否小于为所述候选模型配置的超参数阈值后，所述方法还包括：若所述目标相对熵大于等于所述超参数阈值，则将用于对所述候选模型进行准确度确定的至少一个模型验证样本输入至所述候选模型以得到至少一个验证输出结果；将合格输出结果的第一数量与所述至少一个验证输出结果中的验证输出结果的第二数量相除，以得到用于描述所述候选模型对数据进行预测的准确度的模型准确率，其中，所述合格输出结果为所述至少一个验证输出结果中的与预设的验证标准结果相同的验证输出结果；判断所述模型准确率是否大于等于第一预设阈值；若所述模型准确率大于等于所述第一预设阈值，则将所述候选模型作为合格模型进行保存，以使能够通过所述合格模型对数据进行预测。3.根据权利要求2所述的方法，其特征在于，在判断所述模型准确率是否大于等于第一预设阈值后，所述方法还包括：若所述模型准确率小于所述第一预设阈值，则使用预设的用于对所述候选模型进行训练的候选模型训练集对所述候选模型进行训练，直至所述候选模型的模型准确率大于等于所述第一预设阈值。4.根据权利要求1所述的方法，其特征在于，在将所述目标模型层从所述候选模型中删除，以得到不包含所述目标模型层的目标模型后，所述方法还包括：使用用于对所述目标模型进行模型训练的目标模型训练集对所述目标模型进行训练，以得到第二候选模型；对于所述第二候选模型中的每个第二候选模型层，根据第五模型层和该第二候选模型层之间的第五隐藏层矩阵的第五矩阵值，以及该第二候选模型层和第六模型层之间的第六隐藏层矩阵的第六矩阵值确定所述第五隐藏层矩阵和所述第六隐藏层矩阵之间的第二候选相对熵，其中，所述第五模型层为该第二候选模型层的输入层，所述第六模型层为该第二2CN114996010A权利要求书2/3页候选模型层的输出层，所述第五隐藏层矩阵为将所述第五模型层的输出作为该第二候选模型层的输入的第三输入结果，所述第六隐藏层矩阵为将该第二候选模型层的输出作为所述第六候选模型层的输入的第四输入结果；判断