用于窄带网络的大并行AI分析方法、系统和计算机介质

专利主权项内容

1.一种用于窄带网络的大并行AI分析方法，其特征在于，包括以下步骤：在总节点部署总节点神经网络模型，在分节点部署分节点神经网络模型；在分节点处利用所述分节点神经网络模型对分节点获取的数据进行分析，得到所述分节点神经网络模型输出汇总形成的靶数据；将所述靶数据上传至所述总节点；所述总节点根据所述靶数据训练所述总节点神经网络模型，得到第一神经网络模型，并将所述第一神经网络模型同步到分节点中的所述分节点神经网络模型中，完成对所述分节点神经网络模型的更新；所述总节点根据所述靶数据训练所述总节点神经网络模型包括：将所述靶数据作为训练数据的负样本，并自动生成负样本标注，将负样本和负样本标注一起用于训练所述总节点神经网络模型；所述总节点还对所述总节点神经网络模型进行减层，并根据所述靶数据训练减层后的总节点神经网络模型，得到第二神经网络模型并将所述第二神经网络模型同步到分节点中的所述分节点神经网络模型中；所述分节点根据阈值调度算法决定执行第一神经网络模型或第二神经网络模型，所述阈值调度算法包括以下步骤：计算当前所述分节点神经网络模型的平均执行时间；当当前所述分节点神经网络模型的平均执行时间大于等于预设阈值时，所述分节点执行第二神经网络模型；当当前所述分节点神经网络模型的平均执行时间小于预设阈值时，所述分节点执行第一神经网络模型。