本申請涉及智能家居領域，具體而言，涉及一種用于神經(jīng)網(wǎng)絡模型的任務處理方法及系統(tǒng)、存儲介質(zhì)、電子設備。

背景技術：

1、目前，隨著物聯(lián)網(wǎng)與人工智能技術的快速發(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)行設備命令的執(zhí)行器。然而，當前的智慧家庭系統(tǒng)采用單一模型，導致智慧家庭系統(tǒng)在處理特定任務時具有優(yōu)勢，在處理不同類型或者并發(fā)任務時，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)任務時存在的系統(tǒng)性能下降問題，相關技術公開了一種用于智慧家庭的任務處理方法，包括：基于云計算服務或者本地集中式智能控制單元實施自動化策略，使用標準機器學習算法進行任務處理。

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

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

5、需要說明的是，在上述背景技術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)成對本領域普通技術人員已知的現(xiàn)有技術的信息。

技術實現(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)絡模型的任務處理方法、系統(tǒng)、存儲介質(zhì)和電子設備，以提高任務處理的效率和響應速度。

3、在一些實施例中，所述方法包括：獲得任務需求，根據(jù)路由決策機制從混合專家模型中選擇目標專家模型；其中，任務需求包括輸入數(shù)據(jù)，路由決策機制用以從混合專家模型中路由與任務需求對應任務相適配的專家模型；寫入輸入數(shù)據(jù)至目標專家模型進行模型訓練，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)果對應的任務執(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)，并確定語義復雜度；語義復雜度是根據(jù)語義數(shù)據(jù)和語義復雜度評估函數(shù)確定的；根據(jù)語義數(shù)據(jù)及每個專家模型的模型應用領域，確定任務需求與每個模型應用領域的匹配度；對任務需求與每個模型應用領域的匹配度與語義復雜度進行加權(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用領域，確定任務需求與每個模型應用領域的匹配度，包括：根據(jù)語義數(shù)據(jù)，確定任務需求所對應的專業(yè)領域；獲得每個專家模型的模型應用領域，并確定任務需求與每個模型應用領域的匹配度。

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專家模型，包括：獲得每個專家模型的準確率及平均響應時間；根據(jù)每個專家模型的準確率及平均響應時間，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載averload；選擇perscore/(averload+1)最高的專家模型為目標專家模型。

7、在一些實施例中，根據(jù)每個專家模型的準確率及平均響應時間，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確率與平均響應時間的倒數(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載，包括：獲得每個專家模型的當前負載及歷史性能評估分值；根據(jù)歷史負載數(shù)據(jù)以及負載數(shù)量，確定每個專家模型的平均負載。

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)果對應的任務執(zhí)行策略，包括：根據(jù)模型輸出結(jié)果，確定目標執(zhí)行器及任務執(zhí)行策略；向目標執(zhí)行器發(fā)送控制指令以使目標執(zhí)行器執(zhí)行任務執(zhí)行策略。

10、在一些實施例中，所述系統(tǒng)，包括：智能家居設備，被配置為采集設備輸入數(shù)據(jù)；路由器，被配置為獲得任務需求，根據(jù)路由決策機制從混合專家模型中選擇目標專家模型，并寫入輸入數(shù)據(jù)至目標專家模型進行模型訓練，獲得模型輸出結(jié)果；其中，任務需求包括輸入數(shù)據(jù)，輸入數(shù)據(jù)包括設備輸入數(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需求對應任務相適配的專家模型；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)果對應的任務執(zhí)行策略；執(zhí)行器，被配置為執(zhí)行模型輸出結(jié)果對應的任務執(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)絡模型的任務處理方法。

12、在一些實施例中，所述電子設備，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)絡模型的任務處理方法。

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

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需求對應任務的專家模型，利用目標專家模型對輸入數(shù)據(jù)進行模型訓練以獲得模型輸出結(jié)果，并通過控制單元驅(qū)動執(zhí)行對應的任務執(zhí)行策略以使任務執(zhí)行策略與任務需求對應的任務高度適配。與此同時，本公開實施例不需要將任務需求所包含的輸入數(shù)據(jù)上傳至云端服務器進行處理，通過路由器和控制單元協(xié)同即可實現(xiàn)任務的執(zhí)行。有利于提高任務處理的效率和響應速度，從而使智能家居系統(tǒng)具有更好的自適應能力。

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。

技術特征：

1.一種用于神經(jīng)網(wǎng)絡模型的任務處理方法，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用領域，確定任務需求與每個模型應用領域的匹配度，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)每個專家模型的準確率及平均響應時間，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)果對應的任務執(zhí)行策略，包括：

8.一種用于神經(jīng)網(wǎng)絡模型的任務處理系統(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)絡模型的任務處理方法。

10.一種電子設備，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)絡模型的任務處理方法。

技術總結(jié)
本申請公開了一種用于神經(jīng)網(wǎng)絡模型的任務處理方法、存儲介質(zhì)及電子設備，涉及智能家居技術領域，該用于神經(jīng)網(wǎng)絡模型的任務處理方法，包括：獲得任務需求，根據(jù)路由決策機制從混合專家模型中選擇目標專家模型；其中，任務需求包括輸入數(shù)據(jù)，路由決策機制用以從混合專家模型中路由與任務需求對應任務相適配的專家模型；寫入輸入數(shù)據(jù)至目標專家模型進行模型訓練，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)果對應的任務執(zhí)行策略。該方法能夠提高任務處理的效率和響應速度。本申請還公開一種用于神經(jīng)網(wǎng)絡模型的任務處理系統(tǒng)。

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