本發明專利技術提供一種基于云邊端協同的面向學習環境的邊緣智能計算系統，涉及邊緣計算技術領域，所述系統采用云邊端架構，利用云邊端架構實現學習環境感知調控、教學環境常態化和數據隱私加密保護，所述系統包括：端側設備，包括多個物聯設備，其設置于學習環境中，用于采集原始數據，并將原始數據傳輸至邊緣節點；邊緣節點，包括邊緣智能盒子，其用于將原始數據上傳至云端，與云端進行數據交互，并提供各場景下的計算服務和數據緩存服務；云端，其用于對原始數據進行數據分析和存儲，并針對邊緣節點進行任務發布和模型下發。本發明專利技術在減少數據傳輸、保證數據安全，減少了教學場景下對網絡寬帶的要求，且大大降低了VR應用的延遲。
1、隨著數字化浪潮的興起，教育發展已經不如一個全新的高速發展的階段。物聯網、人工智能、云計算等技術逐漸進入學校，輔助教學內容呈現、便利學習資源獲取、促進課堂交互開展，實現情境感知和環境管理功能，為教學活動提供人性化、智能化的互動空間。智慧教室、在線課堂、虛擬課堂、虛擬仿真實訓、教學資源平臺以及智慧校園等智能化教學產品開始在教學環境中出現，而此類的智能化產品對存儲、計算以及網絡資源較高，傳統架構主要采用云端協同的方式，即端側負責交互數據，所有的數據會傳輸至云側，而云側會做后置的存儲以及分析，分析結果再直接傳至教室或其他應用端。
2、而傳統云端架構有以下缺陷：1）所有端采集的數據都需要匯聚至云側，再由云側進行統一分析管理，對網絡要求高。2）對于沒有統籌的教學區域，學校往往需要單獨配備獨立的機房以及gpu服務器，設備成本和運維成本都很高，對于單個學校負擔較大。
1、有鑒于此，本專利技術提供一種基于云邊端協同的面向學習環境的邊緣智能計算系統，由采集前端數據，將需要進一步處理的部分反饋給邊緣側，簡單問題可在邊緣側進行快速高效反應，而云側主要負責訓練以及高算力要求的計算。該架構將傳統云側的部分計算能力下沉至邊緣，即在教室內配備一定的計算能力。
>3、本專利技術提供一種基于云邊端協同的面向學習環境的邊緣智能計算系統，所述系統采用云邊端架構，利用云邊端架構實現學習環境感知調控、教學環境常態化和數據隱私加密保護，所述系統包括：4、端側設備，包括多個物聯設備，其設置于學習環境中，用于采集原始數據，并將原始數據傳輸至邊緣節點；
5、邊緣節點，包括邊緣智能盒子，其用于將原始數據上傳至云端，與云端進行數據交互，并提供各場景下的計算服務和數據緩存服務；
6、云端，其用于對原始數據進行數據分析和存儲，并針對邊緣節點進行任務發布和模型下發；
7、在實現教學環境常態化時，采用單服務端多客戶端的方式對同一教學區域內的多個邊緣智能盒子進行管理調度，每個邊緣智能盒子對應一個客戶端，客戶端用于對存儲、計算、網絡資源以及邊緣智能盒子的狀態進行實時監控，同時負責執行計算任務，服務端根據資源調度算法將計算任務下發至對應的邊緣智能盒子中執行，并統一將所有的邊緣智能盒子的使用情況進行可視化展示；
8、資源調度算法為：
9、對邊緣智能盒子進行初始劃分，將多個邊緣智能盒子分為m個資源分組；
10、設置兩種調度策略，分別為組內資源調度和跨組資源調度，并對m個資源分組進行配置，以同時支持兩種調度策略；
11、針對不同業務應用場景，將業務應用場景劃分至對應的資源分組中，根據業務應用場景下的任務設置配置信息，配置信息包括任務數據流、任務資源要求上限以及任務資源調度策略，其中，任務資源調度策略包括穩定性優先策略和碎片化優先策略；
12、服務端接收任務后，根據任務所屬的業務應用場景獲取對應資源分組，根據任務資源調度策略選擇同組內的邊緣智能盒子進行任務下發，若組內資源不足，則進行跨組資源調度，若跨組資源調度失敗則提示用戶當前沒有可利用資源；
13、在資源調度策略成功執行后，服務端將任務下發至對應邊緣智能盒子的客戶端上，由客戶端執行任務，根據任務信息以及數據流配置啟動任務。
14、在上述技術方案的基礎上，優選的，每個邊緣智能盒子配置有一個或多個模型，每個模型用于執行云端發布的任務。
15、在上述技術方案的基礎上，優選的，學習環境感知調控的實現過程為：
16、通過物聯設備采集學習環境中在不同學習場景下的原始數據，物聯設備包括智能電器和傳感器；
17、利用邊緣智能盒子將原始數據上傳至云端；
18、在云端利用聚類算法對原始數據進行處理和分析，得到k個數據集；
19、根據k個數據集，將各物聯設備按照學習場景進行組別劃分，得到各學習場景對應的設備組；
20、云端根據原始數據的分析結果形成調控規則，并將調控規則下發至邊緣智能盒子；
21、根據調控規則按照學習場景對設備組進行調控。
22、在上述技術方案的基礎上，優選的，聚類算法包括聚類損失函數，聚類損失函數為：
23、；
24、式中，l為聚類損失函數，其值為[0,1]，k為分類的數量，n為原始數據的數量，nj表示第j類數據集的原始數據數量，表示第j類中第i1個原始數據的數值，表示第j類數據集的平均數，為第i2個原始數據的數值，表示原始數據的平均數。
25、在上述技術方案的基礎上，優選的，若業務應用場景為常態化任務且資源緊張，則利用定時資源碎片化算法對資源利用結構進行優化，定時資源碎片化算法為：
26、步驟一、獲取常態化任務的配置信息，按照任務資源要求上限將常態化任務進行從高到低排序，形成第一序列；
27、步驟二、選定一個邊緣智能盒子；
28、步驟三、遍歷第一序列的常態化任務，將常態化任務依次放入該邊緣智能盒子；
29、步驟四、若該邊緣智能盒子的資源已滿，則選擇下一個邊緣智能盒子并返回步驟三；
30、步驟五、重復步驟三-步驟四，直至所有常態化任務被分配完畢。
31、在上述技術方案的基礎上，優選的，數據隱私加密保護的實現過程為：
32、當隱私數據不參與模型推理和訓練時，對于模型訓練任務，采用不可逆的加密算法對隱私數據進行加密，對于模型推理任務，采用邊緣節點加密標識維護學生的唯一索引信息對應表；
33、當隱私數據參與模型推理和訓練時，采用隱式的加密算法對隱私數據進行加密，將解密過程融入至模型中。
34、在上述技術方案的基礎上，優選的，所述云邊端架構還采用多任務個性化和知識共享的方式實現模型的持續學習，在保留已有知識的同時，利用新數據在邊緣節點進行學習，根據參數更新公式對部分動態參數進行訓練，實現持續學習，其中，參數更新公式為：
35、；
36、式中，t為模型一組持續學習的任務，θ為任務t對應的模型參數，c代表多個邊緣智能盒子，f是基本參數集，代表每個邊緣智能盒子學習的通用知識，w是稀疏向量掩碼的集合，其用于對f進行適應性轉換，a是每個邊緣智能盒子的任務適應性參數的集合，μ為系數向量，其是為a分配的注意力，確保只選擇給任務帶來正反饋的相關適應性參數，其中系數向量μ占f中的2%-3%。
37、在上述技術方案的基礎上，優選的，邊緣智能盒子包括：
38、計算芯片，其用于提供算力，算力范圍為10tops-1000tops；
39、存儲模塊，包括內存和外存，用于緩存原始數據；
40、硬件接本文檔來自技高網...
【技術保護點】
1.一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，所述系統采用云邊端架構，利用云邊端架構實現學習環境感知調控、教學環境常態化和數據隱私加密保護，所述系統包括：
2.如權利要求1所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，每個邊緣智能盒子配置有一個或多個模型，每個模型用于執行云端發布的任務。
3.如權利要求2所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，學習環境感知調控的實現過程為：
4.如權利要求3所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，聚類算法包括聚類損失函數，聚類損失函數為：
5.如權利要求1所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，若業務應用場景為常態化任務且資源緊張，則利用定時資源碎片化算法對資源利用結構進行優化，定時資源碎片化算法為：
6.如權利要求2所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，數據隱私加密保護的實現過程為：
7.如權利要求1所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，所述云邊端架構還采用多任務個性化和知識共享的方式實現模型的持續學習，在保留已有知識的同時，利用新數據在邊緣節點進行學習，根據參數更新公式對部分動態參數進行訓練，實現持續學習，其中，參數更新公式為：
8.如權利要求1所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，邊緣智能盒子包括：
...
【技術特征摘要】
1.一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，所述系統采用云邊端架構，利用云邊端架構實現學習環境感知調控、教學環境常態化和數據隱私加密保護，所述系統包括：
2.如權利要求1所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，每個邊緣智能盒子配置有一個或多個模型，每個模型用于執行云端發布的任務。
3.如權利要求2所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，學習環境感知調控的實現過程為：
4.如權利要求3所述的一種基于云邊端協同的面向學習環境的邊緣智能計算系統，其特征在于，聚類算法包括聚類損失函數，聚類損失函數為：
5.如權利要求1所述的一種基于云邊端協同的面向學習環境...
【專利技術屬性】
技術研發人員：李舵文，嚴鶴，王俊，王鵬，
申請(專利權)人：云啟智慧科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。