[发明专利]用于在云端和IOT网络之间共享机器学习功能的系统和方法

权利要求书

1.一种用于在IoT网络（100）中使用ML学习的多个节点（10）的计算机实施的方法，包括以下步骤：

获得经训练的ML模型（22）、所述多个节点（10）的物理位置数据以及所述节点（10）的通信连接数据；

使用集群算法来确定所述多个节点（10）中的哪些节点应当是感测节点（10）以及哪些节点应当是聚集节点（10），其中感测节点（10）进行感测并且将所感测数据发送至所述聚集节点（10）中的一个，并且所述聚集节点（10）的功能包括以下动作中的一个或多个：（i）感测；（ii）从所述感测节点（10）接收所述所感测数据；（iii）利用加权窗口对从所述感测节点（10）接收的所述所感测数据执行卷积；（iv）对卷积输出应用Sigmoid函数；（v）对卷积输出进行子采样；（vi）向云计算网络（20）的ML单元（21）部分发送包含所述动作的结果的消息；并且

将有关所述多个节点中的哪些应当是所述感测节点或所述聚集节点（10）的配置信息发送至所述IoT网络（100）。

2.根据权利要求1所述的方法，进一步包括所述ML单元（21）确定所述聚集节点10中的每一个需要利用所述所感测数据实现的操作以及用于向所述ML单元（21）发送所述消息的逻辑的步骤。

3.根据权利要求1所述的方法，其中所述所感测数据是感兴趣区域11的占用量度或者感兴趣区域11的土壤运动量度。

4.根据权利要求1所述的方法，其中所述感测节点（10）使用局域网（LAN）接口（16）向所述聚集节点（10）发送所述所感测数据，并且所述聚集节点（10）使用广域网（WAN）接口（15）向所述ML单元（21）发送所述消息。

5.根据权利要求1所述的方法，其中所述聚集节点（10）经由所述IoT网络（100）的控制单元（200）部分向所述ML单元（21）发送所述消息。

6.一种通过使用CNN模型（22）改善带宽利用情况的方法，所述CNN模型可以被划分并且部分在包括多个节点（10）的IoT网络（100）中且部分在包括ML单元（21）的云计算网络（20）中运行，所述方法包括以下步骤：

使用所述IoT网络（100）对所述CNN模型（22）的第一层进行第一处理，其中所述IoT网络（100）包括一个或多个聚集节点（10）以及多个感测节点（10），其中所述多个感测节点（10）进行感测并且经由LAN接口（16）将所感测数据发送所述聚集节点（10），并且所述聚集节点（10）的功能包括以下动作中的一个或多个：（i）感测；（ii）从所述感测节点（10）接收所述所感测数据；（iii）利用加权窗口对从所述感测节点（10）接收的所述所感测数据执行卷积；（iv）对卷积输出应用Sigmoid函数；（v）对卷积输出进行子采样；（vi）向所述ML单元（21）发送包含所述动作的结果的消息；

在所述CNN模型（22）的一个或多个更高层中由所述ML单元（21）对所述动作的消息进行第二处理；并且

基于所述第一和第二处理确定感兴趣特征（FOI）预测。

7.根据权利要求6所述的方法，其中所述所感测数据是感兴趣区域（11）的占用量度或者感兴趣区域（11）的土壤运动量度。

8.根据权利要求6所述的方法，其中所述IoT网络是智能照明系统（100）。

9.根据权利要求6所述的方法，其中所述感测节点（10）使用局域网（LAN）接口（16）向所述聚集节点（10）发送所述所感测数据，并且所述聚集节点（10）使用广域网（WAN）接口（15）向所述ML单元（21）发送所述消息。

10.根据权利要求6所述的方法，其中所述聚集节点（10）经由所述IoT网络（100）的控制单元（200）部分向所述ML单元（21）发送所述消息。