基于神经网络控制的云服务器数据传输存储方法及系统与流程

本发明涉及神经网络控制技术，尤其涉及一种基于神经网络控制的云服务器数据传输存储方法及系统。

背景技术：

1、近年来，随着物联网和云服务云计算的发展，数据存储和计算功能越来越多地被部署在云供应商提供的服务器上。对于大部分公司而言，这样做在保证数据能得到有效安全地传输储存的同时，还能保持较低的成本，特别是在服务器的维护方面。但是云服务器的算力和带宽与成本存在着明显的正比例关系，在进行数据的传输时，首先设备端进行数据的采集，然后通过网络传输到云服务器上存储计算，在用户需要时再将其需要的数据传输给用户。数据的产生符合一定的规律性，用户需求对时效性极其敏感，同时用户的需求从整体来看存在一定的规律，这导致很难建立准确的物理模型来描述整个过程，因此亟需一种稳定准确、控制性能优越、实现简单的云服务器数据传输存储策略。

技术实现思路

1、本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于神经网络控制的云服务器数据传输存储方法及系统，引入神经网络控制算法对云服务器数据传输存储过程进行控制，能够决定某一时刻需要传输的文件顺位，从而完成数据的传输存储和满足客户需求。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种基于神经网络控制的云服务器数据传输存储方法，应用于云服务系统，所述云服务系统包括设备端和云服务器，所述方法包括以下步骤：

4、设备端按照预设顺序向云服务器传输数据，同时云服务器收集第一指定信息并建立第一单神经元模型进行训练，得到初始的顺位表；

5、设备端按照顺位表中的顺序向云服务器传输数据，同时云服务器收集第二指定信息并建立简单神经网络模型进行训练，得到更新的顺位表，重复执行本步骤以优化简单神经网络模型。

6、进一步的，云服务器收集第一指定信息并建立第一单神经元模型进行训练时，包括：

7、将第一指定信息按照预设的文件等级进行分类后，作为第一单神经元模型的输入参数，设置第一偏移量和激活函数，将顺位值作为第一单神经元模型的输出，训练第一单神经元模型，得到第一指定信息中不同分类的顺位值；

8、将第一指定信息中不同分类根据顺位值的指定顺序排列，得到初始的顺位表。

9、进一步的，所述第一指定信息包括文件下载次数和用户下载文件的时间减去文件生成的时间总和，所述第一偏移量为文件等级。

10、进一步的，云服务器收集第二指定信息并建立简单神经网络模型进行训练时，包括：

11、将第二指定信息按照预设的文件等级进行分类后，从分类后的第二指定信息中选取简单神经网络模型的第一层输入参数，设置第二偏移量和激活函数，将第二层输入参数中指定参数的权重的训练值作为简单神经网络模型的第一层的输出，训练简单神经网络模型的第一层得到优化后的第二层输入参数中指定参数的权重；

12、从分类后的第二指定信息中选取简单神经网络模型的第二层输入参数，设置第二偏移量和激活函数，将顺位值作为简单神经网络的第二层的输出，训练简单神经网络模型的第二层，得到第二指定信息中不同分类的顺位值；

13、将第二指定信息中不同分类根据顺位值的指定顺序排列，得到更新的顺位表。

14、进一步的，所述第二偏移量为简单神经网络的第二层输入参数中指定参数的权重，所述第三偏移量为文件等级。

15、进一步的，所述简单神经网络模型的第一层输入参数包括用户请求延误时间和本次用户请求延误时间与上一次的差值；所述简单神经网络模型的第二层输入参数包括文件下载次数、用户下载文件的时间减去文件生成的时间总和、用户请求延误时间和本次用户请求延误时间与上一次的差值；所述指定参数包括文件下载次数、用户下载文件的时间减去文件生成的时间总和。

16、进一步的，激活函数表达式如下：

17、δ(x)＝x

18、其中，x表示输入参数。

19、进一步的，云服务器收集第二指定信息并建立简单神经网络模型进行训练时，还包括：

20、建立第二单神经元模型，从分类后的第二指定信息中选取第二单神经元模型的输入参数，将简单神经网络模型的第一层输入参数的权重的训练值作为第二单神经元模型的输出，训练第二单神经元模型，得到优化后的简单神经网络模型的第一层输入参数的权重。

21、进一步的，从分类后的第二指定信息中选取第二单神经元模型的输入参数时，包括：将简单神经网络模型进行训练期间第二指定信息中的所有用户请求延误时间作为第二单神经元模型的输入参数。

22、本发明还提出一种云服务系统，包括云服务器和设备端，其中：

23、设备端用于按照预设顺序向云服务器传输数据；还用于获取顺位表之后，按照顺位表中的顺序向云服务器传输数据；

24、云服务器用于在设备端按照预设顺序向云服务器传输数据时，收集第一指定信息并建立第一单神经元模型进行训练，得到初始的顺位表，将初始的顺位表发送给设备端；还用于在设备端按照顺位表中的顺序向云服务器传输数据时，收集第二指定信息并建立简单神经网络模型进行训练，得到更新的顺位表，将更新的顺位表发送给设备端。

25、和现有技术相比，本发明具有下述优点：

26、本发明采用神经网络控制的方式，设备端向云服务器进行数据传输的同时，云服务器收集第一指定信息并建立单神经元模型进行训练得到顺位表，然后设备端根据顺位表向云服务器进行数据传输，期间云服务器收集第二指定信息并建立简单神经网络模型进行训练以更新顺位表和不断优化简单神经网络模型。使得在设备端向云服务器传输数据的过程中，可以不断的实时更新顺位表。能够实现对云服务器网络带宽进行合理利用，从而使数据最大程度地保存到云服务器上；并且利用神经网络能够实现对客户请求数据进行预测，从而使客户等待时间减少。

技术特征：

1.一种基于神经网络控制的云服务器数据传输存储方法，其特征在于，应用于云服务系统，所述云服务系统包括设备端和云服务器，所述方法包括以下步骤：

2.根据权利要求1所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，云服务器收集第一指定信息并建立第一单神经元模型进行训练时，包括：

3.根据权利要求2所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，所述第一指定信息包括文件下载次数和用户下载文件的时间减去文件生成的时间总和，所述第一偏移量为文件等级。

4.根据权利要求1所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，云服务器收集第二指定信息并建立简单神经网络模型进行训练时，包括：

5.根据权利要求4所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，所述第二偏移量为简单神经网络的第二层输入参数中指定参数的权重，所述第三偏移量为文件等级。

6.根据权利要求5所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，所述简单神经网络模型的第一层输入参数包括用户请求延误时间和本次用户请求延误时间与上一次的差值；所述简单神经网络模型的第二层输入参数包括文件下载次数、用户下载文件的时间减去文件生成的时间总和、用户请求延误时间和本次用户请求延误时间与上一次的差值；所述指定参数包括文件下载次数、用户下载文件的时间减去文件生成的时间总和。

7.根据权利要求2或4所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，激活函数表达式如下：

8.根据权利要求4所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，云服务器收集第二指定信息并建立简单神经网络模型进行训练时，还包括：

9.根据权利要求8所述的基于神经网络控制的云服务器数据传输存储方法，其特征在于，从分类后的第二指定信息中选取第二单神经元模型的输入参数时，包括：将简单神经网络模型进行训练期间第二指定信息中的所有用户请求延误时间作为第二单神经元模型的输入参数。

10.一种云服务系统，其特征在于，包括云服务器和设备端，其中：

技术总结
本发明公开了一种基于神经网络控制的云服务器数据传输存储方法及系统，应用于云服务系统，所述云服务系统包括设备端和云服务器，所述方法包括以下步骤：设备端按照预设顺序向云服务器传输数据，同时云服务器收集第一指定信息并建立第一单神经元模型进行训练，得到初始的顺位表；设备端按照顺位表中的顺序向云服务器传输数据，同时云服务器收集第二指定信息并建立简单神经网络模型进行训练，得到更新的顺位表，重复执行本步骤以优化简单神经网络模型。本发明引入神经网络控制算法对云服务器数据传输存储过程进行控制，能够决定某一时刻需要传输的文件顺位，从而完成数据的传输存储和满足客户需求。

技术研发人员：童智勇,彭典,王萌
受保护的技术使用者：湖南艾科诺维科技有限公司
技术研发日：
技术公布日：2024/2/21