1.本发明涉及智简网络语义通信技术领域，尤其涉及智简网络的模式坍塌抑制方法、电子设备和存储介质。
背景技术：
2.鉴于智简网络中得部分节点为智能节点，该智能节点可以与神经网络高度融合，存储神经网络模型，并根据需求适时得分享自身存储得神经网络模型。在智简网络中，网络节点间由传统的数据共享变为神经网络模型共享，各网络节点由传统的存储数据变为存储神经网络模型，并在存储得神经网络模型的基础上根据网络内部和外部需求自主进行模型学习和更新，实现基于网络原生智能的认知与学习，形成具有群体智能的高度自治网络。
3.模式坍塌的本质是真实数据分布和模型训练后产生的数据分布不一致，即模式坍塌的神经网络模型训练后产生样本单一，或仅涉及一小部分，而不满足原始真实数据应用的多样性。举例来讲，例如神经网络模型的训练数据集中存在多种类别数据，但是训练完成后，该神经网络模型智能生成其中的一种或几种类别的数据，即使该神经网络模型生成的类别数据质量很好、精度较高，但该神经网络模型训练输出的类别数据仍不能覆盖该训练数据集对应的所有类别数据，不能满足对该神经网络模型的训练初衷与目的，则该神经网络模型存在模式坍塌现象。
4.智简网络中网络节点中存在模式坍塌现象的神经网络模型，容易引起智简网络中生成的数据单一，不满足原始真实数据应用的多样性的问题。
技术实现要素：
5.鉴于此，本发明实施例提供了智简网络的模式坍塌抑制方法、电子设备和存储介质，以消除或改善现有技术中存在的一个或更多个缺陷。
6.本发明的一个方面提供了一种智简网络的模式坍塌抑制方法，包括：
7.根据智简网络中任一个网络节点的目标功能需求，在所述智简网络的其他网络节点中搜寻满足所述目标功能需求的神经网络模型；
8.利用所述神经网络模型的语义导频测试数据集合对该神经网络模型进行模式坍塌检测，以判断该神经网络模型是否存在模式坍塌；所述语义导频测试数据集合中包括所述神经网络模型对应的所有样本类型的测试样本；
9.限制存在模式坍塌的所述神经网络模型在所述智简网络的各网络节点间的传播。
10.在本发明的一些实施例中，所述根据智简网络中任一个网络节点的目标功能需求，在所述智简网络的其他网络节点中搜寻满足所述目标功能需求的神经网络模型，包括：
11.接收所述智简网络中每一个网络节点分别发出的模型请求；
12.自各个所述模型请求中提取并存储各个所述网络节点各自对应的功能需求；
13.将存储在本地的各个所述功能需求因此作为当前的目标功能需求，并在所述之间网络的各网络节点中搜寻该目标功能需求对应的神经网络模型。。
14.在本发明的一些实施例中，所述利用所述神经网络模型的语义导频测试数据集合对该神经网络模型进行模式坍塌检测，包括：
15.向上层服务器请求所述神经网络模型的语义导频测试数据集合，其中所述上层服务器定期更新各神经网络模型对应的所述语义导频测试数据集合中的测试样本；
16.并将该语义导频测试数据集合中的各个包含有各自类型标签的测试样本分别输入所述神经网络模型中，以使得所述神经网络模型输出各测试样本对应的样本类型；
17.根据所述神经网络模型输出所述语义导频测试数据集合中各测试样本对应的样本类型和类型标签之间的一致性比较结果，判断该神经网络模型是否存在模式坍塌。
18.在本发明的一些实施例中，所述用所述神经网络模型的语义导频测试数据集合对该神经网络模型进行模式坍塌检测，还包括：
19.将所述语义导频测试数据集合暂储于本地。
20.在本发明的一些实施例中，在所述智简网络的其他网络节点中搜寻满足所述目标功能需求的神经网络模型之后，还包括：
21.若经判断获知所述目标功能需求的神经网络模型当前设有免检标记，则判断该神经网络模型在预设时间段内已被检测的次数是否小于所述免检标记指定的免检次数和免检条件次数阈值之和，若是，则在当前检测周期内对该神经网络模型进行模式坍塌检测免检处理。
22.在本发明的一些实施例中，在所述智简网络的其他网络节点中搜寻满足所述目标功能需求的神经网络模型之后，还包括：
23.若经判断获知所述目标功能需求的神经网络模型当前未设免检标记，则判断该神经网络模型在预设时间段内已被检测的次数是否大于所述免检条件次数阈值，若是，则对该神经网络模型设置免检标记，以使该神经网络模型在所述免检标记指定的免检次数内进行模式坍塌检测免检处理。
24.在本发明的一些实施例中，所述限制存在模式坍塌的所述神经网络模型在所述智简网络的各网络节点间的传播，包括：
25.针对存在模式坍塌的神经网络模型，对该神经网络模型进行限制标记，并上报至上层服务器和存储该神经网络模型的网络节点，以禁止设有限制标签的神经网络模型在至少一个预设检测周期内在所述智简网络的各网络节点间进行传播。
26.在本发明的一些实施例中，所述限制存在模式坍塌的所述神经网络模型在所述智简网络的各网络节点间的传播，还包括：
27.针对达到预设的模式坍塌认定条件的神经网络模型，对该神经网络模型进行删除标记，将设有删除标记的神经网络模型上报至所述上层服务器和存储该神经网络模型的网络节点中，并删除各网络节点中的该神经网络模型。
28.本发明的另一方面提供了一种电子设备，包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该电子设备实现如上述智简网络的模式坍塌抑制方法的步骤。
29.本发明的另一方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述智简网络的模式坍塌抑制方法的步骤。
30.本发明的智简网络的模式坍塌抑制方法，通过对满足功能需求的神经网络模型进
行模式坍塌检测，及时发现存在模式坍塌的神经网络模型；并通过限制存在模式坍塌的神经网络模型在智简网络中的传播，有效减少存在模式坍塌的神经网络模型造成的通信错误的问题，进而能够有效提高智简网络的通信性能。
31.本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
32.本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
33.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，并不构成对本发明的限定。
34.图1为智简网络的模式坍塌抑制流程图。
35.图2为本发明一实施例中模型请求传递结构图。
36.图3为本发明一实施例中语义导频测试数据集合结构图。
37.图4为本发明一实施例中模式坍塌检测结构图。
具体实施方式
38.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
39.在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
40.应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
41.在此，还需要说明的是，如果没有特殊说明，术语“连接”在本文不仅可以指直接连接，也可以表示存在中间物的间接连接。
42.在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。
43.根据上述背景技术中提到的智简网络中的各网络节点中分别存储有多种不同的神经网络模型，各网络节点均可根据各自自身的功能需求调用并复制其他网络节点中存储的神经网络模型，这可以在节省存储空间的及出生，扩大各网络节点的功能覆盖范围；然而，若该智简网络的一个网络节点中存储的神经网络模型存在模式坍塌，该神经网络模型在该智简网络的各网络节点之间不断地分享和复制容易进一步加剧智简网络中存在模式坍塌地神经网络模型地传播，进而降低智简网络的可靠性，削减智简网络的网络性能。针对上述智简网络中存在模式坍塌的神经网络模型的传播造成的通信错误的问题，本发明提供了智简网络的模式坍塌、电子设备和存储介质，通过在调用功能需求对应的神经网络模型
对待处理数据进行处理之间，首先对该神经网络模型进行模式坍塌检测，只允许通过模式坍塌检测的神经网络模型的共享和传播，从而有效减少存在模式坍塌的神经网络模型导致的通信错误。
44.本发明提供的一种基于智简网络的模式坍塌抑制方法，如图1所示，包括步骤s110-s130：
45.步骤s110中、根据智简网络中任一个网络节点的目标功能需求，在所述智简网络的其他网络节点中搜寻满足所述目标功能需求的神经网络模型。
46.上述步骤s110中，所述智简网络包括多个执行数据处理功能的网络节点、与各个网络节点通信连接的中间节点以及该中间节点的上层服务器；其中，各个所述网络节点中存储有多种神经网络模型，例如用于处理数字数据、图像数据、语音数据和文本数据等多种数据类型的多种神经网络模型。相对应的，智简网络的各网络节点的目标需求功能可以包括：根据输入的数字数据、图像数据、语音数据或文本数据等，可以直接得到输入的该数字数据、图像数据、语音数据或文本数据等对应的数据类型等。
47.本技术的一个或多个实施例中，当智简网络中一个网络节点接收到调用目标功能需求的神经网络模型的模型请求，且该网络节点中不存在该目标功能需求的神经网络模型时，由该智简网络中的中间节点执行上述步骤s110，具体包括：接收所述智简网络中每一个网络节点分别发出的模型请求；自各个所述模型请求中提取并存储各个所述网络节点各自对应的功能需求；将存储在本地的各个所述功能需求作为当前的目标功能需求，并在所述智简网络的各网络节点中搜寻该目标功能需求对应的神经网络模型。
48.本技术的一个或多个实施例中，该智简网络中包括多个网络节点，作为各网络节点的中间节点的路由器，以及该路由器的上层服务器。所述智简网络执行上述步骤s110，如图2所示，该智简网络的一个网络节点s向对应的路由器中发出携带该网络节点的功能需求f的模型请求，其中，该网络节点的功能需求f为：根据语义特征生成动物图片数据，例如猫、狗和兔等多种动物。所述路由器接收到所述模型请求后，向该路由器对应的各网络节点中搜寻该模型请求对应的功能需求对应的神经网络模型f。
49.步骤s120中、利用所述神经网络模型的语义导频测试数据集合对该神经网络模型进行模式坍塌检测，以判断该神经网络模型是否存在模式坍塌。
50.其中，所述语义导频测试数据集合中包括该神经网络模型对应的所有样本类型的测试样本；所述智简网络的各个网络节点中存储的各个神经网络模型对应的所述语义导频测试数据集合均存储与上层服务器中；并且，为了确保对神经网络模型的模式坍塌检测的泛化性，所述上层服务器定期更新各神经网络模型对应的所述语义导频测试数据集合中的测试样本。所述神经网络模型进行模式坍塌检测之后，该神经网络模型对应的所述语义导频测试数据集合可直接存储至本地中间节点，若邻近的中间节点中也需要调用该语义导频测试数据集合，则本地中间节点可直接将该语义导频测试数据集合发送传输至该邻近路由器。
51.与上述实施例相对应的，当智简网络的中间节点中接收到来自于各网络节点的模型请求时，由所述中间节点执行上述步骤s120，具体包括：向上层服务器请求所述神经网络模型的语义导频测试数据集合；并将该语义导频测试数据集合中的各个包含有各自类型标签的测试样本分别输入所述神经网络模型中，以使得所述神经网络模型输出各测试样本对
应的样本类型；根据所述神经网络模型输出所述语义导频测试数据集合中各测试样本对应的样本类型和类型标签之间的一致性比较结果，判断该神经网络模型是否存在模式坍塌。若所述神经网络模型输出的测试样本对应的样本类型和该测试样本的类型标签之间不一致性，则该神经网络模型存在模式坍塌，未通过当前检测周期的模式坍塌检测；否则，该神经网络模型不存在模式坍塌，未通过当前检测周期的模式坍塌检测。
52.另外，针对智简网络中各网络节点存储的每一个神经网络模型，在该神经网络模型被用于对当前输入数据进行处理之前，均需执行模式坍塌检测的步骤，并在预设时间段内记录该神经网络模型执行模式坍塌检测的次数。其中，若某一神经网络模型连续多次通过所述模式坍塌检测，以至于达到预设的免检条件次数阈值，则在该神经网络模型中设置免检标记，以指示该神经网络模型在当前检测周期内对所述免检标记指定的免检次数内进行模式坍塌检测免检处理。相应的，本技术的一个或多个实施例中，在执行上述步骤s110之后，需首先判断搜寻出的所述神经网络模型中是否设有免检标记，若经判断获知所述目标功能需求的神经网络模型当前设有免检标记，则判断该神经网络模型在预设时间段内已被检测的次数是否小于所述免检标记指定的免检次数和免检条件次数阈值之和，若是，则在当前检测周期内对该神经网络模型进行模式坍塌检测免检处理；若否，则删除该神经网络模型的免检标记，并继续执行上述步骤s120所示的模式坍塌检测。若经判断获知所述功能需求的神经网络模型当前未设免检标记，则判断该神经网络模型在预设时间段内已被检测的次数是否大于所述免检条件次数阈值，若是，则对该神经网络模型设置免检标记以使该神经网络模型在所述免检标记指定的免检次数内进行模式坍塌检测免检处理；若否，则直接执行上述步骤s120所示的模式坍塌检测。
53.与上述实施例相对应的，在包括多个网络节点，作为各网络节点的中间节点的路由器，以及该路由器的上层服务器的智简网络中执行上述步骤s120，如图3所示，存储所述神经网络模型的卫星节点p将该神经网络模型f复制上传至所述路由器中；所述路由器根据模型请求向上层服务器请求该模型请求对应的所述语义导频测试数据集合；由所述上层服务器将所述语义导频测试数据集合发送至所述路由器中。如图4所示，所述路由器将所述语义导频测试数据集合中的各个包含有各自类型标签的测试样本分别输入所述神经网络模型f中，以使得所述神经网络模型f输出各测试样本对应的样本类型，若输出的各测试样本的样本类型与各测试样本各自包含的类型标签不一致，则认为该神经网络模型f存在模式坍塌，否则，认为该神经网络模型f不存在模式坍塌；其中，所述测试样本包括包含由a类型标签(猫)、b类型标签(狗)和c类型标签(兔)的测试样本。
54.步骤s130，限制存在模式坍塌的所述神经网络模型在所述智简网络的各网络节点间的传播。
55.与上述实施例相对应的，当智简网络的中间节点中完成所述神经网络模型的模式坍塌检测时，由所述中间节点执行上述步骤s130，具体包括：针对经判断获知存在模式坍塌的神经网络模型，限制该神经网络模型在所述智简网络的各网络节点间的传播；针对经判断获知不存在模式坍塌的神经网络模型，将该神经网络模型复制并转发至发送其对应的模型请求的网络节点中，以完成该神经网络模型在智简网络的各网络节点之间的共享和传播。其中，所述限制该神经网络模型在所述智简网络的各网络节点间的传播，包括：针对连续未通过坍塌模式检测次数小于模式坍塌认定条件的次数阈值的神经网络模型，仅在当前
检测周期在内的至少一个预设检测周期内禁止该神经网络模型在智简网络的各网络节点之间的共享和传播；针对连续未通过坍塌模式检测次数不小于模式坍塌认定条件的次数阈值的神经网络模型，直接在该神经网络模型中设置删除标记，以指示智简网络中存储该神经网络模型的各网络节点直接删除该神经网络模型。
56.相应的，本技术的一个或多个实施例中，在执行上述步骤s120所示的模式坍塌检测之后，需首先判断该神经网络模型是否通过所述模式坍塌检测，若是，则确定该神经网络模型不存在模式坍塌，将该神经网络模型转发并复制于发出该神经网络模型对应的模型请求的网络节点中，以完成当前检测周期内该神经网络模型在智简网络的各网络节点之间的共享和传播；若否，则确定该神经网络模型存在模式坍塌，执行上述步骤s130限制存在模式坍塌的该神经网络模型在所述智简网络的各网络节点间的传播。执行上述步骤s130的过程中，需判断该神经网络模型中标记的连续未通过所述模式坍塌检测的次数是否小于模式坍塌认定条件的次数阈值，若是，则只认为该神经网络模型在当前检测周期内存在模式坍塌，对存储模式坍塌的所述神经网络模型进行限制标记，并上报至当前中间节点的上层服务器和存储该神经网络模型的网络节点中，以禁止设有限制标记的该神经网络模型在至少一个预设检测周期内在所述智简网络的各网络节点间进行的传播；若否，则说明该神经网络模型达到了预设的模式坍塌认定条件，对达到预设的模式坍塌认定条件的神经网络模型进行删除标记，将设有删除标记的所述神经网络模型上报至当前的中间节点的上层服务器和存储该神经网络模型的网络节点中，并删除对应的网络节点中的该神经网络模型。
57.本发明通过针对所需的神经网络模型首先进行模式坍塌检测，从而及时发现存在模式坍塌的神经网络模型，并限制该神经网络模型在智简网络的各网络节点之间的传播；进而有效减少神经网络模型出现模式坍塌造成通信错误，提高智简网络的通信性能。
58.本发明还提供一种执行智简网络的模式坍塌抑制方法的中间节点，该中间节点的实施例具体可以执行上述实施例中智简网络的模式坍塌抑制方法的实施例的处理流程，其功能在此不再赘述，可以参照上述由智简网络的模式坍塌抑制方法实施例的详细描述。
59.本发明还提供一种用于模式坍塌抑制的智简网络，包括网络节点、中间节点和上层服务器；各个所述网络节点中分别存储有多种神经网络模型，用于向中间节点发送当前的需求功能对应的模型申请；所述中间节点用于根据接收各个所述网络节点发出的模型申请，向上层服务器中申请该模型对应的神经网络模型的语义导频测试数据集合，并利用所述神经网络模型的语义导频测试数据集合对该神经网络模型的进行模式坍塌检测；所述上层服务器中存储有各神经网络模型对应的语义导频测试数据集合，并定期更新所述语义导频测试数据集合中的样本数据。所述智简网络的实施例具体可以执行上述智简网络的模式坍塌抑制方法的实施例的处理流程，其功能在此不再赘述，可以参照上述由智简网络的模式坍塌抑制方法实施例的详细描述。
60.与上述方法相应地，本发明还提供了一种电子设备，该电子设备包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该电子设备实现如前所述智简网络的模式坍塌抑制方法的步骤。
61.本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现前述智简网络的模式坍塌抑制方法的步骤。该计算机可读存
储介质可以是有形存储介质，诸如随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、软盘、硬盘、可移动存储盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。
62.本领域普通技术人员应该可以明白，结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法，能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
63.需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
64.本发明中，针对一个实施方式描述和/或例示的特征，可以在一个或更多个其它实施方式中以相同方式或以类似方式使用，和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
65.以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。