基于深度置信网络的信息快速集成系统设计

潘伟，李新建

（湖北中烟工业有限责任公司，湖北武汉 430000）

近年来，我国全方位步入电子信息时代，电子信息便利了大众的生活，然而每天产生的电子信息量较大，对各个领域也造成了严重影响。因此，为了缓解信息冗余压力，构建信息快速集成系统，将有效信息和无效信息分开，并销毁无效信息，增加信息空余存储空间[1-2]，成为当前研究的热点问题。

传统信息快速集成系统的工作原理是根据信息产生时间进行快速集成分类，以时间块为单位进行信息集成，但该方法无法将具有关联的信息集成在一起，每次信息集成时，均需要在信息库中对要集成信息的关键字进行查询，导致信息集成速度较慢，效率低[3]。

为了提升信息快速集成速度，解决现有信息集成系统中存在的问题，文中以深度置信网络技术为核心，完善信息快速集成系统功能，并在此基础上，设计了一种信息快速集成系统，以提升信息集成的速度和效率。

1 信息快速集成系统硬件设计

文中设计的基于深度置信网络的信息快速集成系统硬件由集成器、处理器和集线器组成。系统硬件结构如图1 所示。

图1 信息快速集成系统硬件

1.1 集成器

集成器是系统硬件区域最关键的器件，其主要工作是按照处理器传递的信息特征和深度置信网络模型计算相关信息，进行信息快速集成。数据集成结果以数据文档的格式输出。为了保证基于深度置信网络的信息快速集成系统的处理速度，文中采用了HKS-7392 集成器[4]。集成器结构如图2 所示。

图2 集成器结构

HKS-7392 集成器的闭环基本放大倍数AVF 为25 倍，运行过程中输入的失调电压VIO 为220 V，当集成器输入电压为零时，输入失调电压会立即进行替补，保证集成器的稳定运行。统一输出的失调电流IIO 为60 A，为了使输出的失调电流可快速得到替补，则在集成器输入端配置两个补偿接收线圈[5-6]。集成器开环输入阻抗是器件偏置电压和电流的比值，文中控制开环输入阻抗必须小于正常系统工作电阻的5%，以平衡集成器的正常工作。HKS-7392集成器如图3 所示。

图3 HKS-7392集成器示意图

HKS-7392 集成器的优点是在待机状态时会立即自动转换静态功耗模式，降低了集成器本身的能耗，节约能源、预测静态功耗PD，集成器的开环频宽BW 设置为3 dB。

1.2 处理器

处理器的工作任务分为两部分，一部分为驱动集成器，另一部分是将数据采集器采集到的数据信息进行特征分析，然后将特征向量同时发送到集成器和软件区域的深度置信网络模型中，为信息数据的集成和关键信息检索提供了基础[7]。

麒麟990 处理器是目前处理器领域性能最好的处理器之一，其采用16 核心8 线程并兼容300 系列的工作主板，处理器的单核睿频可以达到4.9 GHz，可保证处理器的工作速度[8]。麒麟990 处理器的基本频率为3.6 GHz，在信息快速集成系统中设置8 个频卡卡槽，卡槽支持基本内存类型，一旦系统的信息任务处理量增大，即可以增加频卡，提高处理器的工作速度。处理器结构如图4 所示。

图4 处理器结构

处理器智能缓存空间为3 GB，每处理100 GB 信息消耗的热功率为95 W。麒麟990 处理器的光刻为14 nm，在处理器的边缘处设置多个敏感接口，提高了数据接收和识别的速度，主要接口类型为HDMI接口、USB 接口、DP 接口以及网络接口，在接收到数据传输信号时，根据数据的格式自动开启相应的接口，完成数据接收[9-10]。处理器接口如图5 所示。

图5 处理器接口

1.3 数据采集器

数据采集器在系统硬件区域的作用是初步采集需要集成的信息，虽然任务量较少，但必须保证数据采集过程中数据信息的完整性，一旦数据采集过程中出现数据节点丢失等情况，后期信息特征分析以及在信息库中查询等操作均无法进行或者导致查询结果错误，降低系统的工作效率。因此，为了使数据采集器具备以上功能，文中采用GJSS-97 数据采集器[11-12]。

GJSS-97 数据采集器主要由IntelZ390 芯片、电池、识别端口以及数据存储模块组成。为了延长数据采集器的使用周期，文中采用4 000 mAh 容量的DG 电池，该电池支持4 h 快充，并且具有高度防腐蚀、耐压力的特点，在数据采集器待机时，不用担心电池腐蚀仪器的情况发生[13-14]。识别端口采用8 端口模式，端口的数据传输速度为千兆，并且各个端口遵守WSPPT 协议，支持网络标准为IEEE 802.2、IEEE 802.3，识别端口最突出的特点为具有存储转发功能，减少数据存储的工序。识别端口如图6 所示。

图6 识别端口

该系统中识别端口具有较强的扩展性和网络性，其MAC工作地址为4 K，数据包转发率为12 Mpps。数据存储模块可短时间存储数据采集器采集的信息，其存储空间为8+264 GB，IntelZ390芯片的CPU 为STM32FJST6，芯片工作的主要频率为72 MHz，芯片具备多个64P-LQFP 的多功能引脚，IntelZ390 芯片的FP 数据读取速度为每秒394 字节，在一定程度上提高了数据采集的工作速度，保证系统的工作效率。IntelZ390 芯片的外形为294 mm×180 mm×44 mm，工作电源为额定电压220 V、额定电流50 A[15]。

2 信息快速集成系统软件设计

深度置信网络是一个融合机器学习法和海量训练数据方法的能量模型，机器学习法的工作是将信息进行特征分布，为信息集成奠定基础，提高信息集成的速度和准确度。深度置信网络的实质是神经网络和受限玻尔兹曼机之间相互综合分布的分析网络，受限玻尔兹曼机用来录入需要集成信息的特征，神经网络存储信息库的所有信息及其自带特征，有些信息可能存在多个特征，一个深度置信网络可由多个受限玻尔兹曼机串联而成。深度置信网络的信息数据训练包括监督数据训练和无监督数据训练[16]。

深度置信网络分析能量模型由许多层次构成，分别为数据隐藏层、可见层、隐藏神经元层，各个层次之间均连通且具有一定关联性，深度置信网络的神经层之间相互独立。需要在第一个受限玻尔兹曼机层中集成信息特征向量，判断信息的隐藏层，然后隐藏层的信息特征向量作为下一层的数据向量，层次之间满足的信息数据能量函数为：

其中，n、m分别为可见层和隐藏层神经元个数；ni、vi分别为可见层和隐藏层神经元的偏置；bi为可见层神经元i与隐藏层神经元j的连接权重；θ为模型参数的集合；hi表示隐藏层，其数值通常取0 或者1，服从伯努利分布；wij表示可见层；h表示输入层神经，其取值范围为二值变量和实数值。

根据函数计算出隐藏层和可见层信息分布概率，即：

其中，z（θ）为归一化系数。

深度置信网络模型中信息检索的关键是关于θ的数值，其决定需要集成信息的特征分布情况，确定模型内各个层之间的分布概率，保证模型计算结果的准确性。

基于深度置信网络的信息快速集成系统的工作流程如图7 所示。

1）驱动系统，设置系统功能，录入硬件区域数据采集器采集的信息，并对数据信息进行特征分析，将需要集成的信息特征传输到处理器中，等待处理；

2）当处理器接收到信息特征的同时，调用深度置信网络模型，对信息特征进行识别，通过对需要集成信息的神经网络和受限玻尔兹曼机信息进行合理分布，调用模型内隐藏层、可见层、神经层在信息库内完成信息特征的查询；

3）根据需要集成信息查询结果，快速完成信息的集成。

根据系统硬件集成器、处理器和集线器的设计，软件中采用深度置信网络模型进行信息特征分析，完成了基于深度置信网络的信息快速集成系统的设计。

3 实验研究

3.1 实验方案

为了验证文中基于深度置信网络的信息快速集成系统的有效性，与传统的基于物联网的信息快速集成系统和基于数据分析的信息快速集成系统进行实验对比。

实验在MALTAB 7.2 平台上进行，运行操作系统为Windows XP 系统，根据系统的硬件，设计了新的信息采集系统，实验中确定样本信息数据为2 000个，在集成过程加入无关特征，分析3 种系统受无关特征影响的程度，并对样本信息集成的准确率进行分析。

3.2 实验结果

在集成样本数据过程中加入无关特征，分析3 种系统受无关特征影响的程度，实验结果如图8 所示。

图8 无关特征影响实验结果

根据图8 可知，当添加200 个不相关的特征后，基于数据分析的快速集成系统的评估准确率呈现下降趋势，其评估准确率约为28%。这是由于数据分析是一种浅层次的学习方法，其浅层次结构对不相关特征的加入比较敏感，随着不相关特征数目的增加，其评价精度不断降低。而基于物联网的信息快速集成系统评估准确率约为75%，文中系统的评估准确性约为82%；当无关特征数目不断增加后，3 种系统的评估效果均出现变化，但文中系统的评估性能较好。这是由于文中采用的深度置信网络是一种深层结构，能够对原始数据样本中的特征进行分层抽取，在特征维数变化过程中排除无关信息。当不相关特征量逐渐增加时，能保证算法的准确性。验证了基于深度置信网络的信息快速集成系统具有更好的评估性能。

4 结束语

为解决现有信息集成系统中存在的不足，文中设计了一种新的基于深度置信网络的信息快速集成系统。该系统对硬件和软件进行设计。在硬件中设计了集成器、处理器以及集线器，提高了信息快速集成系统的运行基础，软件中通过深度置信网络模型调用硬件设备驱动系统完成信息快速集成处理，达到研究目的。深度置信网络是一个记忆性网络，文中设计的集成系统在该记忆网络的作用下，不需要进行全部信息查询，具有集成速度快、效率高的特点。