买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开端边云协同智能系统中的自适应资源优化与模型泛化方法，包括如下步骤：端设备采集对应的环境数据和设备运行参数，基于采集的数据对预设的本地模型进行训练；构建数字孪生模型，基于数字孪生模型实时监测到的实时数据流，计算实时监测到的实时数据流与预设的数据分布模型之间的统计距离，若统计距离大于预设值，则启动主动样本选择机制对本地模型进行优化更新，并将优化更新的本地模型发送至边缘节点；采用双向知识蒸馏机制压缩端设备、边缘节点发送的本地模型，获得轻量级模型并通过云服务器进行全局优化和融合。本发明能够优化资源分配，提升模型泛化能力，从而提高系统的数据处理效率、资源配置的公平性以及智能决策的准确性。

主权项：1.端边云协同智能系统中的自适应资源优化与模型泛化方法，其特征在于，应用于端边云协同智能系统中，所述端边云协同智能系统包括云服务器以及与云服务器连接的若干个边缘节点，每个所述边缘节点连接区域内的若干个端设备，所述方法包括如下步骤：端设备采集本地的环境数据和设备运行参数，基于采集的数据对预设的本地模型进行训练，获得训练好的本地模型；构建数字孪生模型，通过所述数字孪生模型来实现端边云协同智能系统的实时数字映射，基于数字孪生模型实时监测到的实时数据流，计算实时监测到的实时数据流与预设的数据分布模型之间的统计距离，若统计距离大于预设值，则启动主动样本选择机制从实时数据流中选择出代表当前数据分布特征的样本，根据选择的样本和因果不变性学习机制对本地模型进行优化更新；以端设备的本地模型为教师模型，通过知识蒸馏技术从所述教师模型中提炼出关键表示，形成轻量级的端侧学生模型；边缘节点对端设备发送的端侧学生模型参数的增量变化进行聚合和微调，形成边缘侧学生模型，且边缘节点进行资源状态预测和作业调度；云服务器收集和聚合来自各个边缘节点的边缘侧学生模型并将提炼出的全局知识以参数更新的形式回传到边缘节点；边缘节点将参数更新数据下发至端设备，更新端侧学生模型，使得端侧学生模型进一步迭代，以适应本地数据特性。

全文数据：

权利要求：

百度查询： 海南智时空科技合伙企业(有限合伙) 海南大学 端边云协同智能系统中的自适应资源优化与模型泛化方法