申请/专利权人：中兴通讯股份有限公司

申请日：2022-10-09

公开（公告）日：2024-04-26

公开（公告）号：CN117933044A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;G06N3/048;G06N3/084;G06N3/086;G06N3/126

优先权：

专利状态码：在审-公开

法律状态：2024.04.26#公开

摘要：本公开提供一种对SPN设备的功耗进行预测的预测模型的训练方法，包括：获取训练样本；根据训练样本确定与训练样本相匹配的初始神经网络模型；利用训练样本对初始神经网络模型进行至少一次训练，以对初始神经网络模型的各层的权值进行调整，得到误差满足要求的训练后模型；将误差满足要求的训练后模型作为预测模型，其中，对初始神经网络模型的各层的权值进行调整的步骤包括：利用误差函数确定本次训练中待训练的神经网络模型的各层初始权值；利用遗传算法对各层的初始权值进行调整，得到各层的调整后权值，并获得本次训练后的模型。本公开还提供一种对SPN设备的功耗进行预测的方法、一种对SPN设备进行节能的方法、一种电子设备和一种计算机可读介质。

主权项：1.一种预测模型的训练方法，包括：获取训练样本，所述训练样本包括影响被预测项目的参数历史数据、以及与所述参数历史数据对应的功耗历史数据；根据所述训练样本确定与所述训练样本相匹配的初始神经网络模型；利用所述训练样本对所述初始神经网络模型进行至少一次训练，以对所述初始神经网络模型的各层的权值进行调整，以得到误差满足要求的训练后模型；将所述误差满足要求的训练后模型作为所述预测模型，其中，对所述初始神经网络模型的各层的权值进行调整的步骤包括：利用误差函数确定本次训练中待训练的神经网络模型的各层初始权值；利用遗传算法对各层的所述初始权值进行调整，得到各层的调整后权值，并获得本次训练后的模型，在所述遗传算法中，针对本次训练的每层初始化权值，其对应的父代种群的个体包括N个当前层的所述初始化权值和至少一个随机个体，N为正整数。

全文数据：

权利要求：

百度查询： 中兴通讯股份有限公司 模型训练方法、功耗预测方法、节能方法、设备、介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD