一种基于人工智能的数据处理方法及其系统技术方案

本申请公开了一种基于人工智能的数据处理方法及其系统，该方法通过寄存器接收该基于人工智能的数据处理系统外部的原始数据；处理设备将该原始数据划分为待识别的数据和已识别完成的数据，并每次只对待识别的数据进行识别；然后根据原始数据的时序关系和/或空间关系将本次识别的数据与本次已识别完成的数据进行整合，并与原始数据的数据相关性进行比对。该方法能够实现数据处理的工作模式与训练模式同步进行。

【技术实现步骤摘要】
一种基于人工智能的数据处理方法及其系统
本说明书涉及人工智能
，尤其涉及一种基于人工智能的数据处理方法及其系统。
技术介绍
目前的人工智能系统采用是“模仿人脑机能”来实现。而人工神经网络就是通过构建人工神经元单元来模拟人脑中神经元细胞的机能，通过构建由人工神经元单元组成的人工神经网络来模拟人脑中的生物神经网络的机能。然而，现有的人工神经网络需要先在训练模式下进行模型训练，也就是进行机械学习；模型训练后，人工神经网络在工作模式下进行工作，工作时不进行模型训练；人工神经网络更新时，需要重新进行模型训练。可见目前的人工神经网络的训练模式和工作模式不能同时进行，导致人工神经网络不能够在训练时实现实时的迭代更新，进而导致现有的人工智能系统没有实现完全的智能化。
技术实现思路
针对上述技术问题，本申请提供一种基于人工智能的数据处理方法以及系统，该系统实现了数据的实时更新。本申请第一方面提供一种基于人工智能的数据处理方法，应用于基于人工智能的数据处理系统中，所述基于人工智能的数据处理系统包括采集设备、寄存器、处理设备以及控制设备；其中，所述采集设备获取所述基于人工智能的数据处理系统外部信息，得到原始数据；所述寄存器接收所述原始数据，将所述原始数据存储在所述寄存器的第一存储区；其中，所述第一存储区用于存储待处理的数据；所述控制设备复制所述第一存储区中的原始数据，并将所述原始数据发送给所述处理设备；所述处理设备将所述原始数据分成第一数据和第二数据，并对所述第一数据进行识别，从而得到第一特征数据；其中，所述第一数据为待识别数据，所述第二数据为已识别数据，且所述第一数据、所述第一特征数据以及所述第二数据均包括所述原始数据的时序关系和空间位置关系的一种或两种；所述控制设备根据所述原始数据的时序关系和/或空间位置关系，将所述第一特征数据和所述第二数据整合成第三数据，并确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值，当所述数据相关性小于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器丢弃所述第三数据。在一种可能的实现方式中，所述第一数据包括图像数据，所述第一特征数据包括图像特征数据；其中，所述处理设备对所述第一数据进行识别得到所述第一特征数据，具体为：所述处理设备对图像数据进行预处理，得到颜色特征向量、纹理特征向量以及形状特征向量；所述处理设备将所述颜色特征向量、所述纹理特征向量以及所述形状特征向量进行计算，得到图像特征向量；所述处理设备对所述图像特征向量进行哈希运算，得到图像哈希值；所述处理设备将所述图像哈希值与所述寄存器存储的至少一个哈希值分别进行相似度度量计算；其中，所述至少一个哈希值存储在所述寄存器的第二存储区的数据特征库中，所述数据特征库中的一个哈希值对应一个特征数据，所述第二存储区存储已处理的数据；所述处理设备获取计算得到的相似度度量值最小的哈希值所对应的特征数据，所述相似度度量值最小的哈希值对应的特征数据为所述图像数据对应的图像特征数据。在一种可能的实现方式中，在所述确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值之后，所述方法包括：所述控制设备在确定所述第三数据与所述原始数据的数据相关性大于或等于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器将所述第三数据存储在所述寄存器的第二存储区，所述第二存储区存储已处理数据。在一种可能的实现方式中，所述处理设备包括至少一个数据处理单元，且任意两个所述数据处理单元之间并联；其中，一个数据处理单元对应一种数据的处理方式。本申请第二方面提供一种基于人工智能的数据处理系统，所述系统包括采集设备、寄存器、处理设备以及控制设备；其中，所述采集设备，用于获取所述基于人工智能的数据处理系统外部信息，得到原始数据；所述寄存器，用于接收所述原始数据，将所述原始数据存储在所述寄存器的第一存储区；其中，所述第一存储区用于存储待处理的数据；所述控制设备，用于复制所述第一存储区中的原始数据，并将所述原始数据发送给所述处理设备；所述处理设备，用于将所述原始数据分成第一数据和第二数据，并对所述第一数据进行识别，从而得到第一特征数据；其中，所述第一数据为待识别数据，所述第二数据为已识别数据，且所述第一数据、所述第一特征数据以及所述第二数据均包括所述原始数据的时序关系和空间位置关系的一种或两种；所述控制设备，还用于根据所述原始数据的时序关系和/或空间位置关系，将所述第一特征数据和所述第二数据整合成第三数据，并确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值，当所述数据相关性小于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器，还用于丢弃所述第三数据。在一种可能的实现方式中，所述第一数据包括图像数据，所述第一特征数据包括图像特征数据；其中，所述处理设备对所述第一数据进行识别得到所述第一特征数据，具体为：所述处理设备，用于对图像数据进行预处理，得到颜色特征向量、纹理特征向量以及形状特征向量；所述处理设备，将所述颜色特征向量、所述纹理特征向量以及所述形状特征向量进行计算，得到图像特征向量；所述处理设备，对所述图像特征向量进行哈希运算，得到图像哈希值；所述处理设备，将所述图像哈希值与所述寄存器存储的至少一个哈希值分别进行相似度度量计算；其中，所述至少一个哈希值存储在所述寄存器的第二存储区的数据特征库中，所述数据特征库中的一个哈希值对应一个特征数据，所述第二存储区存储已处理数据；所述处理设备，获取计算得到的相似度度量值最小的哈希值所对应的特征数据，所述相似度度量值最小的哈希值对应的特征数据为所述图像数据对应的图像特征数据。在一种可能的实现方式中，所述控制设备，还用于确定所述第三数据与所述原始数据的数据相关性大于或等于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器，将所述第三数据存储在所述寄存器的第二存储区，所述第二存储区存储已处理的数据。在一种可能的实现方式中，所述处理设备包括至少一个数据处理单元，且任意两个所述数据处理单元之间并联；其中，一个数据处理单元对应一种数据的处理方式。在一种可能的实现方式中，所述系统中，所述控制设备与所述寄存器物理相连；和/或所述控制设备设置于所述寄存器输出端与所述处理设备输入端之间；和/或所述控制设备设置于所述处理设备输出端与所述寄存器输入端之间。在一种可能的实现方式中，所述系统还包括输入设备，其中，所述输入设备，用于接收所述基于人工智能的数据处理系统外部的第一数据，并将所述第一数据发送给所述寄存器。本申请中对原始数据进行处理，并对处理后的数据与原始数据进行数据相关性的判断，直到处理后得到的数据与原始数据的数据相关性满足预定要求；同时，处理设备能够每次只需识别原始数据中待识别的一部分，提高了识别的效率；换句话说，本申请中的系统能够实现工作模式和训练模式同时进行，能够识别的数据越来越多，效率会越高。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请本说明书实施例。此外，本申请本说明书实施例中的任一实施例并不需要达到上述的全部效果。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本本文档来自技高网...

【技术保护点】
1.一种基于人工智能的数据处理方法，其特征在于，应用于基于人工智能的数据处理系统中，所述基于人工智能的数据处理系统包括采集设备、寄存器、处理设备以及控制设备；其中，所述采集设备获取所述基于人工智能的数据处理系统外部信息，得到原始数据；所述寄存器接收所述原始数据，将所述原始数据存储在所述寄存器的第一存储区；其中，所述第一存储区用于存储待处理的数据；所述控制设备复制所述第一存储区中的原始数据，并将所述原始数据发送给所述处理设备；所述处理设备将所述原始数据分成第一数据和第二数据，并对所述第一数据进行识别，从而得到第一特征数据；其中，所述第一数据为待识别数据，所述第二数据为已识别数据，且所述第一数据、所述第一特征数据以及所述第二数据均包括所述原始数据的时序关系和空间位置关系的一种或两种；所述控制设备根据所述原始数据的时序关系和/或空间位置关系，将所述第一特征数据和所述第二数据整合成第三数据，并确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值，当所述数据相关性小于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器丢弃所述第三数据。

【技术特征摘要】
1.一种基于人工智能的数据处理方法，其特征在于，应用于基于人工智能的数据处理系统中，所述基于人工智能的数据处理系统包括采集设备、寄存器、处理设备以及控制设备；其中，所述采集设备获取所述基于人工智能的数据处理系统外部信息，得到原始数据；所述寄存器接收所述原始数据，将所述原始数据存储在所述寄存器的第一存储区；其中，所述第一存储区用于存储待处理的数据；所述控制设备复制所述第一存储区中的原始数据，并将所述原始数据发送给所述处理设备；所述处理设备将所述原始数据分成第一数据和第二数据，并对所述第一数据进行识别，从而得到第一特征数据；其中，所述第一数据为待识别数据，所述第二数据为已识别数据，且所述第一数据、所述第一特征数据以及所述第二数据均包括所述原始数据的时序关系和空间位置关系的一种或两种；所述控制设备根据所述原始数据的时序关系和/或空间位置关系，将所述第一特征数据和所述第二数据整合成第三数据，并确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值，当所述数据相关性小于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器丢弃所述第三数据。2.根据权利要求1所述的方法，其特征在于，所述第一数据包括图像数据，所述第一特征数据包括图像特征数据；其中，所述处理设备对所述第一数据进行识别得到所述第一特征数据，具体为：所述处理设备对图像数据进行预处理，得到颜色特征向量、纹理特征向量以及形状特征向量；所述处理设备将所述颜色特征向量、所述纹理特征向量以及所述形状特征向量进行计算，得到图像特征向量；所述处理设备对所述图像特征向量进行哈希运算，得到图像哈希值；所述处理设备将所述图像哈希值与所述寄存器存储的至少一个哈希值分别进行相似度度量计算；其中，所述至少一个哈希值存储在所述寄存器的第二存储区的数据特征库中，所述数据特征库中的一个哈希值对应一个特征数据，所述第二存储区存储已处理的数据；所述处理设备获取计算得到的相似度度量值最小的哈希值所对应的特征数据，所述相似度度量值最小的哈希值对应的特征数据为所述图像数据对应的图像特征数据。3.根据权利要求1所述的方法，其特征在于，在所述确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值之后，所述方法包括：所述控制设备在确定所述第三数据与所述原始数据的数据相关性大于或等于预设阈值时，将所述第三数据发送给所述寄存器；所述寄存器将所述第三数据存储在所述寄存器的第二存储区，所述第二存储区存储已处理数据。4.根据权利要求1所述的方法，其特征在于，所述处理设备包括至少一个数据处理单元，且任意两个所述数据处理单元之间并联；其中，一个数据处理单元对应一种数据的处理方式。5.一种基于人工智能的数据处理系统，其特征在于，所述系统包括采集设备、寄存器、处理设备以及控制设备；其中，所述采集设备，用于获取所述基于人工智能的数据处理系统...

【专利技术属性】
技术研发人员：于江，
申请(专利权)人：于江，
类型：发明
国别省市：山东,37