[发明专利]一种深度学习的边缘计算分配系统及方法

说明书

本发明公开了一种深度学习的边缘计算分配系统及方法，包括终端数据收集单元、边缘计算分配单元和云端计算扩展单元；终端数据收集单元，包括终端设备，收集需要的数据并上传，及时对用户进行反馈；边缘计算分配单元，对数据进行过滤筛选，将计算模型分配给边缘节点进行计算存储，将过滤数据与计算结果进行上传；云端计算扩展单元，根据边缘节点的数量、计算能力、存储能力生成深度学习模型，不断通过终端上传的数据和计算结果优化模型。本发明通过深度学习模型对边缘计算进行资源分配，提高反应效率，根据反馈数据和计算结果优化调整模型，进一步符合实际需求，引入优化算法，加快模型学习速度。

技术领域

本发明涉及深度学习的边缘计算分配系统，属于边缘计算领域。

背景技术

大数据时代下，每天产生的数据量激增，云计算对于地理上分散的零碎数据进行整合和回应需要时间，而贷款的增长难以匹配现在的数据需求。终端上产生的数据传输到云端进行计算和整合需要响应时间，而现代对信息的反馈要求也越来越高，复杂的网络环境导致网速难以有突破性提升，因此需要在上传云端之前先经过边缘节点对简单的数据和请求进行处理。

边缘计算作为这两年的热门，对云计算进行了很好的补充，边缘计算更靠近用户，虽然不能对需要大数据推算结果的任务进行解答，但可以对简单的任务进行快速响应，省略云计算的过程，极大提升了用户的体验。在物联网时代，边缘计算显然拥有非常巨大的前景。

但现有的边缘计算不能最大化利用边缘节点的计算能力，在服务器的分配上存在资源分配不均导致的响应速度无法进一步提升的问题。

发明内容

发明目的：提供一种深度学习的边缘计算分配系统及方法，以解决上述问题。

技术方案：一种深度学习的边缘计算分配系统，包括终端数据收集单元、边缘计算分配单元和云端计算扩展单元；

终端数据收集单元，包括终端设备，收集需要的数据并上传，及时对用户进行反馈；

边缘计算分配单元，对数据进行过滤筛选，将计算模型分配给边缘节点进行计算存储，将过滤数据与计算结果进行上传；

云端计算扩展单元，根据边缘节点的数量、计算能力、存储能力生成深度学习模型，不断通过终端上传的数据和计算结果优化模型。

根据本发明的一个方面，所述终端数据收集单元包括终端设备，与用户进行交互，用户通过终端设备输入自己的任务要求，终端设备将任务分解成多个子任务进行上传，子任务上传到边缘节点进行下一步判断。

根据本发明的一个方面，所述边缘计算分配单元包括边缘节点，对终端设备上传的多个子任务进行筛选，当子任务数量超过边缘节点的计算能力和存储空间就上传到云端服务器记录为一级数据进行计算，当子任务数量在边缘节点的计算能力和存储空间之内就对子任务进行处理，将完成的处理结果记录为二级数据上传到云端服务器记录且下传到终端设备及时对用户进行反馈。

根据本发明的一个方面，所述云端计算扩展单元包括云端服务器，对一级数据进行计算，将计算后的结果下传到边缘节点，对二级数据进行记录。

根据本发明的一个方面，所述云端计算扩展单元的云端服务器根据数据进行基础模型的训练，将根据边缘节点上传数据生成的个性化深度学习模型下传到边缘节点，模型根据蝙蝠算法得到公式

，

，

，

其中ε为随机数，A为响度，i为蝙蝠的个体代号，t为迭代次数，ω为惯性权重因子，v为蝙蝠的速度，x为蝙蝠的位置，为蝙蝠的最佳位置，f为蝙蝠的频率，为最小频率，为最大频率，β为随机数，α为音强衰减系数，r为脉冲速率，γ为脉冲速率增加系数，