[发明专利]智能感知边缘计算融合纳米组网结构

权利要求书

1.一种智能感知边缘计算融合纳米组网结构，其特征在于，包括：感知层、计算层和通信层，其中，

所述感知层为纳米机器簇，用于对外界进行感知，并生成信源数据；

所述计算层与所述感知层连接，用于通过预设连接方式对所述信源数据进行整合，并利用每个纳米机器自身计算能力进行处理，输出计算结果；

所述通信层为所述纳米机器簇的簇首节点，与所述计算层连接，用于接收所述计算结果，以生成所述纳米机器簇的数据进行传输，通过上层路由最终传输至接收站。

2.根据权利要求1所述的智能感知边缘计算融合纳米组网结构，其特征在于，还包括：

反馈层，用于基于所述计算结果判断是否需要对外界环境进行反馈，其中，所述反馈层采用与所述感知层相同的纳米机器。

3.根据权利要求1所述的智能感知边缘计算融合纳米组网结构，其特征在于，所述计算层的每个纳米机器为一个神经元或节点，以构成预设神经网络对整理后的信源数据进行处理，其中，预设神经网络包括前馈神经网络、循环神经网络和卷积神经网络。

4.根据权利要求3所述的智能感知边缘计算融合纳米组网结构，其特征在于，所述前馈神经网络的计算过程为：

Y＝f(WX+b)

其中，f为激活函数，Y为输出神经元，W为参数矩阵，X为输入神经元，b为偏置向量。

5.根据权利要求3所述的智能感知边缘计算融合纳米组网结构，其特征在于，所述循环神经网络的计算过程为：

H(t+1)＝f(U·X(t+1)+W·H(t)+b_h)

Y(t+1)＝g(V·H(t+1)+b_y)

其中，f、g为激活函数，Y为输出神经元，t为时序输入，Y为输出神经元，H为隐藏层更新参数矩阵，U为隐藏层，X为输入神经元，W为参数矩阵，V为输出参数矩阵，b_h为隐藏层更新偏置向量，b_y为输出偏置向量。

6.根据权利要求3所述的智能感知边缘计算融合纳米组网结构，其特征在于，所述卷积神经网络的计算过程为：

向量卷积层：Y₁＝X₁*C₁

其中，Y₁为输出向量，X₁为输入向量，C₁为卷积向量；

矩阵卷积层：Y₂＝X₂*C₂

其中，Y₂为输出矩阵，X₂为输入矩阵，C₂为卷积矩阵。