一种多体征时序数据火龙罐边缘端实时推理调控方法与流程
本发明属于计算机,具体的说是一种多体征时序数据火龙罐边缘端实时推理调控方法。
背景技术:
1、火龙罐作为融合艾灸与刮痧双重功效的智能中医理疗设备,其理疗状态与疗效完全依托皮肤温度、热流、人体电阻抗、脉搏波等多维度时序体征数据动态表征,设备理疗过程的实时精准调控,需要依托对多体征异构时序数据的高关联、高精度、低延时推理分析实现,而边缘终端功耗、算力资源受限的硬件属性,是制约智能火龙罐实时自适应调控的主要场景约束。
2、目前行业针对火龙罐体征数据推理调控主要采用依托云端服务器完成数据汇聚与模型推理的云端运算架构,以及对复杂模型进行简单参数裁剪、量化压缩后直接部署于边缘设备的轻量化落地架构,以此实现理疗数据的分析与设备调控。
3、在相关技术中,存在无法适配火龙罐理疗调控需求的固有技术缺陷,云端推理模式依赖网络数据传输,存在不可消除的通信时延,难以满足理疗过程动态变化的即时响应调控需求。
4、为此,本发明提供一种多体征时序数据火龙罐边缘端实时推理调控方法。
技术实现思路
1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。
2、本发明解决其技术问题所采用的技术方案是:本发明所述的一种。
3、本发明的有益效果如下:
4、1.通过物理约束与深度学习的创新性结合可以解决现有时序预测方法预测结果缺乏物理合理性的技术问题经络疏通程度的突变预测发生率,大幅提升推理结果的可靠性和临床可解释性。
5、2.通过概率化不确定性量化技术为每个推理结果提供了可量化的置信度度量使得边缘端设备能够准确判断当前推理的可信程度在医疗场景中具有重要的安全保障价值当系统输出低置信度预警时操作人员可以及时介入采取人工调控策略从而有效避免盲目自动化调控可能带来的医疗风险。
6、3.通过在线置信度自校准机制赋予边缘端推理系统自适应的在线学习能力使其能够应对不同患者体质差异和理疗阶段变化带来的数据分布漂移问题在持续运行过程中系统会自动积累高置信度样本并据此更新校准参数保持推理精度的长期稳定性。
1.一种多体征时序数据火龙罐边缘端实时推理调控方法,包括以下步骤:
2.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤一中所述物理约束嵌入表征还包括对经络电阻变化速率的约束建模,建立经络电阻变化率的二阶约束条件以确保经络电阻预测序列满足相邻采样时刻的电阻变化量不超过预设的生理学约束阈值,该约束条件以惩罚项形式加入损失函数。
3.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤二中所述注意力加权融合操作中,注意力权重的计算采用可学习的query-key-value映射机制;
4.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤三中所述条件变分自编码器的编码器网络采用残差连接和层归一化技术。
5.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤四中所述统计显著性检验采用基于核函数的最大均值差异算法,所述核函数采用高斯径向基函数,在进行统计显著性判断时采用双侧假设检验框架。
6.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤五中所述调控指令的输出模式包括全参数调控指令、保守参数调控指令和最小化干预指令;
7.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤五还包括理疗安全约束检查模块,在调控指令输出前对其进行合法性验证;
8.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,所述方法在边缘端部署实施过程中采用模型量化压缩和计算图优化两项轻量化技术;
9.根据权利要求3所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤三中所述条件变分自编码器的编码器网络采用一维卷积神经网络替代全连接网络;
10.根据权利要求1所述的一种多体征时序数据火龙罐边缘端实时推理调控方法,其特征在于,步骤四中所述分布漂移检测采用变分推理框架。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com