买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西华大学;中国联合网络通信有限公司四川省分公司;四川省安全科学技术研究院

摘要：本发明公开了AIoT异常识别方法、灾害预警系统和道路安全系统，识别方法包括S1、构建双网络特征提取器，S2、获取数据集；S3、训练优化双网络特征提取器，得识别模型；S4、获取待识别数据；S5、进行多类别异常事件识别，得识别结果；灾害预警系统包括传感器计算单元和基站边缘计算单元；道路安全系统包括路侧计算单元和车载计算单元；通过双网络特征提取器能够精准识智能物联网环境下复杂异常模式与特征；通过基于本地‑全局特征的并行知识迁移框架并行化实现了本地和全局特征的权重更新，提高整体模型的识别精度和泛化能力；与真实灾害应急与道路安全领域紧密结合，切实解决灾害预警和道路安全预警实际问题。

主权项：1.AIoT异常识别方法，其特征在于，包括：S1、在每个分布式节点构建基于压缩激活和外部注意力的双网络特征提取器SE-EA-EDN，其中将执行权重聚合的分布式节点作为计算节点，并在计算节点构建基于本地-全局特征的并行知识迁移框架LGF-PKT，并行知识迁移框架用于本地和全局特征的权重更新，优化整体模型的泛化能力；基于压缩激活和外部注意力的双网络特征提取器SE-EA-EDN包括第一模型和第二模型，第一模型从输入到输出依次包括n个第一卷积层、自适应最大池化层和第一全连接层，第二模型从输入到输出依次包括多个卷积激活层、第二卷积层和外部注意力模块、第二全连接层和输出层，卷积激活层包括第三卷积层和压缩激活模块，第一卷积层、第二卷积层和第三卷积层从输入到输出依次包括一维卷积模块CNN、批归一化模块和ReLU激活函数，压缩激活模块用于动态调整不同通道的特征相应权重，增强对关键特征的感知和响应，输出层利用argMax函数得出识别结果，n为正整数；压缩激活模块表示为，其中，Ftr表示为卷积算子，Ftr表示为，，表示卷积运算操作，X为压缩激活模块的输入，U为压缩激活模块的输出，uc为第c个元素的输出，c=1,2,3,...,C，其中R表示实数集，W’表示输入宽度，W表示输出宽度，H’表示输入高度，H表示输出高度、C’表示输入通道数，C表示输出通道数，Vc表示长度为c的向量，压缩激活模块具体的处理具体为：压缩操作利用本地接受域之外的上下文信息，使用全局平均池生成按通道的统计信息，变换输出U通过空间维度W×H进行收缩，以计算通道统计量z=Rh，Rh表示为h维度的实数；通道统计量z的第h个元素通过Fsq=（uh）得到，Fsq=（uh）是空间维度W×H上的通道全局平均值，定义为：；其中，zh为通道统计量z的第h个元素的通道全局平均值，uh为第h个元素的输出，j为第j个输出高度；对于时间序列数据，变换输出U通过时间维T进行收缩，以计算通道统计量z=Rt，Rt表示为t维度的实数；然后通过Fsq=（ut）来计算通道统计量z的第t个元素，Fsq=（ut）是时间维度T上的通道全局平均值，表示时间点，定义为：；其中，zt为通道统计量z的第t个元素的通道全局平均值，ut为第t个元素的输出；对压缩操作获得的聚合信息进行激活操作，捕获通道依赖关系，表示为：；其中，Fex被参数化为一个神经网络，σ为Sigmoid激活函数，δ为ReLU激活函数，W1∈R和W2∈R为Fex的可学习参数，r为还原比；W1为降维层参数，W2为增维层参数，z为通道统计量，g（z，W）表示通道统计量的门控机制；压缩激活模块的输出重新缩放表示为：，式中和Fscale=（uq，sq）表示对特征图uq∈Rq与尺度sq按通道乘法操作，也就是将uq每个通道与尺度sq中对应的值相乘，得到新的特征图，表示各个通道下经过压缩激活模块最终输出，为第1个通道的输出结果，为第q个通道的输出结果；S2、获取数据集；S3、数据集作为每个分布式节点的基于压缩激活和外部注意力的双网络特征提取器SE-EA-EDN的输入，并对其进行训练优化，优化后的第二模型作为识别模型；训练优化具体包括：①、将数据集中传感器采集的历史数据作为每个分布式节点的输入；②、第一模型开始训练，达到预设的训练轮次后发送第一模型各个层的特征权重；③、计算节点接收到来自其他节点的特征权重；④、计算各个节点的之间的权重距离；⑤、除了计算节点的每个节点得到一个距离索引表，距离索引表表示该节点与其他节点的相似度排名；⑥、运行权重距离计算决策通过距离索引表返回排名第一节点的特征权重，完成对各个节点的模型更新；⑦、将各个节点的特征权重进行并行化知识迁移完成从本地到全局的模型更新；⑧、各个分布式节点接收到更新后的第二模型参数；⑨、将传感器实时采集的数据作为各个分布式节点上的第二模型的输入，并对第二模型开始训练；⑩、训练完成时输出各个分布式节点的检测结果；⑪、重复①至⑩直到完成预设的通讯轮次；S4、获取每个分布式节点的待识别数据；S5、对应分布式节点的待识别数据利用识别模型进行多类别异常事件识别，得到识别结果。

全文数据：

权利要求：

百度查询： 西华大学 中国联合网络通信有限公司四川省分公司 四川省安全科学技术研究院 AIoT异常识别方法、灾害预警系统和道路安全系统