[发明专利]车联网环境下基于长短期记忆神经网络的边缘计算卸载决策

权利要求书

1.车联网环境下基于长短期记忆神经网络的边缘计算卸载决策，其特征在于是为了在车联网环境中随着时间变化能够得到较好的卸载效果，包括：网络训练、信息处理和参数优化。本专利将决策问题转化为分类问题，通过设定不同类别的对应决策进行输入数据的分类从而得到类标签和其对应的执行决策。

2.根据权利要求1所述的网络训练部分使用的长短期记忆神经网络，通过输入包含特征值的任务向量X＝(x₁，x₂，x₃...，x_n)，将时间相近的任务向量进行合并得到X′_i＝[X_i，X_i+1，...X_i+q]，得到3维训练数据集，输入至长短期记忆神经网络进行信息处理。

3.根据权利要求1所述的信息处理部分在神经网络内的每一个单元中为一个block，其核心部分设置一个决策单元cell，cell中包含输入门I_t，输出门o_t和遗忘门f_t三个门限，输入的内容通过三个门限的信息处理得到，其相应的计算公式为：f_t＝σ(W_f·[h_t-1，x_t]+b_f)、I_t＝σ(W_i·[h_t-1，x_t]+b_i)、o_t＝σ(W_o·[h_t-1，x_t]+b_o)，其中x_t代表输入序列，h_t-1指在前一时刻输出序列，当前时刻的输出序列表示为：h_t＝o_t*tanh(C_t)，其核心cell的状态计算如下，通过一系列计算，cell的状态会根据序列的更新进行信息的筛选和决策，由更新至C_t，分别表示为：与

4.根据权利要求1所述的参数优化部分，其特征在于，定义了损失函数，通过损失计算，随着神经网络的训练更新，将结果反向传播，并使用梯度下降法进行最优参数的调整，确定每一个部分的权重。

5.根据权利要求1所述的执行决策，其特征在于，经过基于特征的训练后，最后将输出属于每个类别的概率，并定义其中的最大概率类别执行相应决策。