[发明专利]自适应多代理协作计算与推断

说明书

在第一设备中，响应于事件输入，使用处理器和存储器来计算与所述事件输入对应的本地分类和本地分类置信度。在第一设备处，响应于广播请求，接收与所述事件输入对应的远程分类和远程分类置信度，所述远程分类和所述远程分类置信度在第二设备处计算。在第一设备处，形成共识分类，如果包括来自所有接收的远程分类和本地分类的集合的最频繁分类的分类数量超过阈值，则所述共识分类包括所述最频繁分类。响应于与共识分类对应的共识分类置信度超过置信阈值，更新本地分类模型。基于本地分类和共识分类，将事件输入分配给一分类。

技术领域

本发明一般涉及用于解决智能问题的方法、系统和计算机程序产品。更具体地，本发明涉及用于采用现场学习的自适应多代理协作计算和统计推断的方法、系统和计算机程序产品。

背景技术

集群智能(SI)——分散的自组织系统的集体行为，自然或人工的——是相对周知的。典型的SI系统包括简单单元(或代理)的群体——软件 -硬件设备的设备或实例，简单单元(或代理)在本地彼此进行交互并且与其环境进行交互。(代理是软件-硬件设备或计算单元。术语“代理”、“单元”和“设备”在本文中可互换使用。)这些代理遵循简单的规则，尽管没有集中式控制结构来指示个体代理应当如何表现，但是，在这种单元之间的本地且在某种程度上随机的交互导致出现个体单元不知道的“智能”全局行为。

“厂内”编程是指当相关联的应用被安装或者设备固件或软件被编程时，将一组规则或行为编程到代理或设备中。每个代理或设备接收同一组规则或行为，并且这些规则或行为只能通过更新相应的软件来更改。相比之下，“现场”编程是指一组规则或行为一旦被编程就可以继续更改以适应新环境。

传统的SI受到基本的限制：集群行为被严格限定在厂内编程——预先定义的管理每个个体的一组简单规则。规则一旦被定义，则被固定，直到实施这些规则的软件更新为止。

机器学习也是众所周知的，并且被频繁地用于解决分类(或推断)问题。在分类中，输出被划分为两个或更多类别，学习者必须产生将输入分配给这些类别中的一个或多个的模型。这通常以管理的方式来处理，模型首先在正确的分类上进行训练，然后如厂内编程那样迁移到个体实例。然后，每个实例在需要分类的字段数据上使用该模型的副本。

发明内容

示例性实施例提供了方法、系统和计算机程序产品。实施例包括一种方法：在第一设备中，响应于事件输入，使用处理器和存储器计算与事件输入对应的本地分类和本地分类置信度。实施例在第一设备处，响应于广播请求，接收与事件输入对应的远程分类和远程分类置信度，该远程分类和远程分类置信度在第二设备处计算。实施例在第一设备处形成共识分类，如果包括来自所有接收的远程分类和本地分类的集合的最频繁分类的分类数量超过阈值，则共识分类包括最频繁分类。实施例响应于与共识分类对应的共识分类置信度超过置信阈值，更新本地分类模型。实施例基于本地分类和所述共识分类，将事件输入分配给一分类。

实施例包括一种计算机可用程序产品。该计算机可用程序产品包括一个或多个计算机可读存储设备，以及在一个或多个存储设备中的至少一个上存储的程序指令。

实施例包括一种计算机系统。该计算机系统包括一个或多个处理器，一个或多个计算机可读存储器，一个或多个计算机可读存储设备，以及在一个或多个存储设备中的至少一个上存储的程序指令，所述程序指令用于由一个或多个处理器中的至少一个经由一个或多个存储器中的至少一个来执行。

附图说明

被认为是本发明的特性的新颖的特征在所附的权利要求中进行了陈述。然而，在结合附图阅读时，通过参考下文中对说明性实施例的详细描述，本发明本身以及优选的使用模式、进一步的目的和优点将被更好地理解，在附图中：

图1描绘了在其中可以实现说明性实施例的数据处理系统的网络的框图；

图2描绘了在其中可以实现说明性实施例的数据处理系统的框图；

图3描绘了根据说明性实施例的用于自适应多设备协作分类的示例配置的框图；