本申請涉及智能家居領(lǐng)域，具體而言，涉及一種用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法及系統(tǒng)、存儲介質(zhì)、電子設(shè)備。

背景技術(shù)：

1、目前，隨著物聯(lián)網(wǎng)與人工智能技術(shù)的快速發(fā)展，智慧家庭系統(tǒng)在用戶居家場景中得到快速普及。智慧家庭系統(tǒng)主要包括用于控制家居設(shè)備的中央處理器、用于檢測不同類型數(shù)據(jù)的傳感器以及執(zhí)行設(shè)備命令的執(zhí)行器。然而，當(dāng)前的智慧家庭系統(tǒng)采用單一模型，導(dǎo)致智慧家庭系統(tǒng)在處理特定任務(wù)時具有優(yōu)勢，在處理不同類型或者并發(fā)任務(wù)時，系統(tǒng)性能可能有所下降。

2、為了解決處理不同類型或者并發(fā)任務(wù)時存在的系統(tǒng)性能下降問題，相關(guān)技術(shù)公開了一種用于智慧家庭的任務(wù)處理方法，包括：基于云計算服務(wù)或者本地集中式智能控制單元實施自動化策略，使用標(biāo)準(zhǔn)機器學(xué)習(xí)算法進行任務(wù)處理。

3、在實現(xiàn)本公開實施例的過程中，發(fā)現(xiàn)相關(guān)技術(shù)中至少存在如下問題：

4、相關(guān)技術(shù)在處理不同類型或者并發(fā)任務(wù)時能夠在一定程度上保持系統(tǒng)性能，但是，相關(guān)技術(shù)在處理任務(wù)時需要將任務(wù)關(guān)聯(lián)數(shù)據(jù)發(fā)送至云端服務(wù)器進行任務(wù)處理，使智能控制單元無法快速進行任務(wù)處理，導(dǎo)致任務(wù)處理的響應(yīng)時長較長，影響任務(wù)處理的效率。

5、需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強對本申請的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、為了對披露的實施例的一些方面有基本的理解，下面給出了簡單的概括。所述概括不是泛泛評述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實施例的保護范圍，而是作為后面的詳細(xì)說明的序言。

2、本公開實施例提供了一種用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法、系統(tǒng)、存儲介質(zhì)和電子設(shè)備，以提高任務(wù)處理的效率和響應(yīng)速度。

3、在一些實施例中，所述方法包括：獲得任務(wù)需求，根據(jù)路由決策機制從混合專家模型中選擇目標(biāo)專家模型；其中，任務(wù)需求包括輸入數(shù)據(jù)，路由決策機制用以從混合專家模型中路由與任務(wù)需求對應(yīng)任務(wù)相適配的專家模型；寫入輸入數(shù)據(jù)至目標(biāo)專家模型進行模型訓(xùn)練，獲得模型輸出結(jié)果；根據(jù)模型輸出結(jié)果，驅(qū)動執(zhí)行模型輸出結(jié)果對應(yīng)的任務(wù)執(zhí)行策略。

4、在一些實施例中，根據(jù)路由決策機制，從混合專家模型中選擇目標(biāo)專家模型，包括：從輸入數(shù)據(jù)中提取語義數(shù)據(jù)，并確定語義復(fù)雜度；語義復(fù)雜度是根據(jù)語義數(shù)據(jù)和語義復(fù)雜度評估函數(shù)確定的；根據(jù)語義數(shù)據(jù)及每個專家模型的模型應(yīng)用領(lǐng)域，確定任務(wù)需求與每個模型應(yīng)用領(lǐng)域的匹配度；對任務(wù)需求與每個模型應(yīng)用領(lǐng)域的匹配度與語義復(fù)雜度進行加權(quán)處理，確定每個專家模型的評估分值；選擇評估分值最高的專家模型為目標(biāo)專家模型。

5、在一些實施例中，根據(jù)語義數(shù)據(jù)及每個專家模型的模型應(yīng)用領(lǐng)域，確定任務(wù)需求與每個模型應(yīng)用領(lǐng)域的匹配度，包括：根據(jù)語義數(shù)據(jù)，確定任務(wù)需求所對應(yīng)的專業(yè)領(lǐng)域；獲得每個專家模型的模型應(yīng)用領(lǐng)域，并確定任務(wù)需求與每個模型應(yīng)用領(lǐng)域的匹配度。

6、在一些實施例中，根據(jù)路由決策機制，從混合專家模型中選擇目標(biāo)專家模型，包括：獲得每個專家模型的準(zhǔn)確率及平均響應(yīng)時間；根據(jù)每個專家模型的準(zhǔn)確率及平均響應(yīng)時間，確定每個專家模型的性能評估分值perscore；獲得每個專家模型的平均負(fù)載averload；選擇perscore/(averload+1)最高的專家模型為目標(biāo)專家模型。

7、在一些實施例中，根據(jù)每個專家模型的準(zhǔn)確率及平均響應(yīng)時間，確定每個專家模型的性能評估分值，包括：對每個專家模型的準(zhǔn)確率與平均響應(yīng)時間的倒數(shù)進行加權(quán)處理，獲得每個專家模型的性能評估分值。

8、在一些實施例中，獲得每個專家模型的平均負(fù)載，包括：獲得每個專家模型的當(dāng)前負(fù)載及歷史性能評估分值；根據(jù)歷史負(fù)載數(shù)據(jù)以及負(fù)載數(shù)量，確定每個專家模型的平均負(fù)載。

9、在一些實施例中，根據(jù)模型輸出結(jié)果，驅(qū)動執(zhí)行模型輸出結(jié)果對應(yīng)的任務(wù)執(zhí)行策略，包括：根據(jù)模型輸出結(jié)果，確定目標(biāo)執(zhí)行器及任務(wù)執(zhí)行策略；向目標(biāo)執(zhí)行器發(fā)送控制指令以使目標(biāo)執(zhí)行器執(zhí)行任務(wù)執(zhí)行策略。

10、在一些實施例中，所述系統(tǒng)，包括：智能家居設(shè)備，被配置為采集設(shè)備輸入數(shù)據(jù)；路由器，被配置為獲得任務(wù)需求，根據(jù)路由決策機制從混合專家模型中選擇目標(biāo)專家模型，并寫入輸入數(shù)據(jù)至目標(biāo)專家模型進行模型訓(xùn)練，獲得模型輸出結(jié)果；其中，任務(wù)需求包括輸入數(shù)據(jù)，輸入數(shù)據(jù)包括設(shè)備輸入數(shù)據(jù)和/或用戶輸入數(shù)據(jù)，路由決策機制用以從混合專家模型中路由與任務(wù)需求對應(yīng)任務(wù)相適配的專家模型；控制單元，被配置為根據(jù)模型輸出結(jié)果，驅(qū)動執(zhí)行模型輸出結(jié)果對應(yīng)的任務(wù)執(zhí)行策略；執(zhí)行器，被配置為執(zhí)行模型輸出結(jié)果對應(yīng)的任務(wù)執(zhí)行策略。

11、在一些實施例中，所述存儲介質(zhì)，所述計算機可讀的存儲介質(zhì)包括存儲的程序，其中，所述程序運行時執(zhí)行上述任一項所述的用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法。

12、在一些實施例中，所述電子設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為通過所述計算機程序執(zhí)行上述任一項所述的用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法。

13、本公開實施例提供的用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法、系統(tǒng)、存儲介質(zhì)和電子設(shè)備，可以實現(xiàn)以下技術(shù)效果：

14、本公開實施例通過路由器的本地路由決策可從混合專家模型中選擇出適合任務(wù)需求對應(yīng)任務(wù)的專家模型，利用目標(biāo)專家模型對輸入數(shù)據(jù)進行模型訓(xùn)練以獲得模型輸出結(jié)果，并通過控制單元驅(qū)動執(zhí)行對應(yīng)的任務(wù)執(zhí)行策略以使任務(wù)執(zhí)行策略與任務(wù)需求對應(yīng)的任務(wù)高度適配。與此同時，本公開實施例不需要將任務(wù)需求所包含的輸入數(shù)據(jù)上傳至云端服務(wù)器進行處理，通過路由器和控制單元協(xié)同即可實現(xiàn)任務(wù)的執(zhí)行。有利于提高任務(wù)處理的效率和響應(yīng)速度，從而使智能家居系統(tǒng)具有更好的自適應(yīng)能力。

15、以上的總體描述和下文中的描述僅是示例性和解釋性的，不用于限制本申請。

技術(shù)特征：

1.一種用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)路由決策機制，從混合專家模型中選擇目標(biāo)專家模型，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)語義數(shù)據(jù)及每個專家模型的模型應(yīng)用領(lǐng)域，確定任務(wù)需求與每個模型應(yīng)用領(lǐng)域的匹配度，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)路由決策機制，從混合專家模型中選擇目標(biāo)專家模型，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)每個專家模型的準(zhǔn)確率及平均響應(yīng)時間，確定每個專家模型的性能評估分值，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，獲得每個專家模型的平均負(fù)載，包括：

7.根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，根據(jù)模型輸出結(jié)果，驅(qū)動執(zhí)行模型輸出結(jié)果對應(yīng)的任務(wù)執(zhí)行策略，包括：

8.一種用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理系統(tǒng)，其特征在于，包括：

9.一種計算機可讀的存儲介質(zhì)，其特征在于，所述計算機可讀的存儲介質(zhì)包括存儲的程序，其中，所述程序運行時執(zhí)行權(quán)利要求1至7中任一項所述的用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法。

10.一種電子設(shè)備，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為通過所述計算機程序執(zhí)行權(quán)利要求1至7中任一項所述的用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法。

技術(shù)總結(jié)
本申請公開了一種用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法、存儲介質(zhì)及電子設(shè)備，涉及智能家居技術(shù)領(lǐng)域，該用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理方法，包括：獲得任務(wù)需求，根據(jù)路由決策機制從混合專家模型中選擇目標(biāo)專家模型；其中，任務(wù)需求包括輸入數(shù)據(jù)，路由決策機制用以從混合專家模型中路由與任務(wù)需求對應(yīng)任務(wù)相適配的專家模型；寫入輸入數(shù)據(jù)至目標(biāo)專家模型進行模型訓(xùn)練，獲得模型輸出結(jié)果；根據(jù)模型輸出結(jié)果，驅(qū)動執(zhí)行模型輸出結(jié)果對應(yīng)的任務(wù)執(zhí)行策略。該方法能夠提高任務(wù)處理的效率和響應(yīng)速度。本申請還公開一種用于神經(jīng)網(wǎng)絡(luò)模型的任務(wù)處理系統(tǒng)。

技術(shù)研發(fā)人員：杜永杰,田云龍,王平輝,牛麗,竇方正,王統(tǒng)帥
受保護的技術(shù)使用者：青島海爾科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19