一种人工智能地深度学习实现系统及方法技术方案

本发明专利技术属于互联网技术领域，本发明专利技术公开了一种人工智能地深度学习实现系统及方法，包括：图片存储模块，用于存储待学习图片和与所述的待学习图片一一对应的匹配区域；词组存储模块，用于存储词组，所述的词组包括与所述的待学习图片对应的词组；正确匹配存储模块，包括所述的匹配区域与所述的词组的匹配关系；移动模块，用于将所述的词组移动至所述的匹配区域；发送单元；服务器，所述的服务器包括第一判断模块，用于判断移动至所述的匹配区域的词组是否正确，若正确，则给出正确提示，若不正确，所述的词组返回原位置。本发明专利技术的人工智能地深度学习实现系统可以实现学生的词组与图片的匹配的自动判断和提高学生的深度学习学习效率。

【技术实现步骤摘要】
一种人工智能地深度学习实现系统及方法
本专利技术涉及互联网
，具体涉及一种人工智能地深度学习实现系统及方法。
技术介绍
本专利技术对于
技术介绍
的描述属于与本专利技术相关的相关技术，仅仅是用于说明和便于理解本专利技术的内容，不应理解为申请人明确认为或推定申请人认为是本专利技术在首次提出申请的申请日的现有技术。教育在社会进步中起到至关重要的作用，如何做好学生的教育工作是当今社会的重要课题。就幼儿的识图及外文的学习而言，如何实现学生的词组与图片的匹配的自动判断和提高学生的学习效率成为目前亟待解决的问题。
技术实现思路
本专利技术实施例的目的是提供一种人工智能地深度学习实现系统和方法，本专利技术实施例提供的一种人工智能地深度学习实现系统可以实现学生的词组与图片的匹配的自动判断和提高学生的学习效率。本专利技术实施例的目的是通过如下技术方案实现的：第一方面，本专利技术实施例提供了一种人工智能地深度学习实现系统，包括：图片存储模块，用于存储待学习图片和与所述的待学习图片一一对应的匹配区域；词组存储模块，用于存储词组，所述的词组包括与所述的待学习图片对应的词组；正确匹配存储模块，包括所述的匹配区域与所述的词组的匹配关系；移动模块，用于将所述的词组移动至所述的匹配区域；发送单元，用于将所述的移动模块的移动数据发送至服务器；服务器，所述的服务器包括第一判断模块，用于判断移动至所述的匹配区域的词组是否正确，若正确，则给出正确提示，若不正确，所述的词组返回原位置。进一步的，所述的一种人工智能地深度学习实现系统还包括：评分模块，用于在所述的匹配区域均匹配有正确的词组后，进行评分。进一步的，所述的评分模块采用的评分方式为：若词组返回原位置的次数为0，则分数为满分，记为M；若词组返回原位置次数大于0，则采用公式(1)进行评分：其中，M0—得分；N—匹配次数；N0—匹配区域个数；M—满分。P—以前错误过且此次又错误过的词组的个数；R—较难词汇的错误个数。进一步的，所述的一种人工智能地深度学习实现系统还包括：第二判断模块，用于判断移动次数是否大于第一阈值，若移动次数大于所述的第一阈值，则结束。进一步的，所述的第一阈值为匹配区域个数的2倍。进一步的，所述的发送单元发送的移动数据为结果数据。第二方面，本专利技术实施例提供了一种人工智能地深度学习实现系统的实现方法，所述的一种人工智能地深度学习实现系统为上述的任一种人工智能地深度学习实现系统，所述的实现方法包括如下步骤：将词组移动至匹配区域；判断所述的词组与匹配区域对应的图片匹配是否正确；若正确，则给出正确提示，若不正确，则词组返回原位置。借由上述方案，本专利技术一种人工智能地深度学习实现系统及至少具备如下有益效果：本申请的一种人工智能地深度学习实现系统通过第一判断模块对匹配结果进行人工智能地判断后，根据判断结果提示正确或将图片直接返回原位置，这样，学生学习中可以根据系统的提示进行深度学习。本申请的一种人工智能地深度学习实现系统评分根据匹配次数与图片(匹配区域)的数量来进行打分，充分考虑了图片数量的因素，给出合理的打分。本申请还设置了匹配次数的阈值，这样可以防止学生对图片和词组进行随机匹配，而不认真学习，防止教学资源的浪费。本申请中发送单元仅仅发送结果数据，而不发送过程数据，有效减轻了服务器的压力。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍：图1为本专利技术一种人工智能地深度学习实现系统及方法一实施例中一种人工智能地深度学习实现系统的结构示意图；图2为本专利技术一种人工智能地深度学习实现系统及方法另一实施例中一种人工智能地深度学习实现系统的结构示意图；图3为本专利技术一种人工智能地深度学习实现系统及方法又一实施例中一种人工智能地深度学习实现系统的结构示意图；图4为本专利技术一种人工智能地深度学习实现系统及方法一实施例中一种人工智能地深度学习实现系统实现方法流程图；图5为本专利技术一种人工智能地深度学习实现系统及方法另一实施例中一种人工智能地深度学习实现系统实现方法流程图。图6为本专利技术一种人工智能地深度学习实现系统的移动模块的第一状态的俯视图；图7为本专利技术一种人工智能地深度学习实现系统的移动模块的第二状态的俯视图；图8为图7的局部放大图；图9为图8的上部的局部放大图；图10为图8的下部的局部放大图；图11为图6的主视图；图12为图7的主视图。具体实施方式下面结合附图和实施例对本专利技术进行进一步的详细介绍，应当理解，附图和实施例是为了本领域技术人员更容易理解本专利技术的技术方案，而不能作为本专利技术保护范围的限定。在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本专利技术的多个实施例，不同实施例之间可以替换或者合并组合，因此本专利技术也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本专利技术也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。图1为本专利技术一实施例中一种人工智能地深度学习实现系统结构示意图，如图1所示，本专利技术实施例一种人工智能地深度学习实现系统包括：图片存储模块101，用于存储待学习图片和与所述的待学习图片一一对应的匹配区域；词组存储模块102，用于存储词组，所述的词组包括与所述的待学习图片对应的词组；正确匹配存储模块103，包括所述的匹配区域与所述的待学习图片的匹配关系；移动模块104，用于将所述的待学习图片移动至所述的匹配区域；发送单元105，用于将所述的移动模块的移动数据发送至服务器；服务器106，所述的服务器包括第一判断模块，用于判断移动至所述的匹配区域的待学习图片是否正确，若正确，则给出正确提示，若不正确，所述的词组返回原位置。本申请的一种人工智能地深度学习实现系统通过第一判断模块对匹配结果进行判断后，根据判断结果提示正确或将图片直接返回原位置，这样，学生学习中可以根据系统的提示进行自动学习。图2为本专利技术另一实施例中一种人工智能地深度学习实现系统结构示意图，如图2所示，所述的一种人工智能地深度学习实现系统包括：图片存储模块101，用于存储待学习图片和与所述的待学习图片一一对应的匹配区域；这里要说明的是：本专利技术实施例对待学习图片的种类不做具体限定，只要可以满足学习的需要即可，优选适合该年龄段学习的图片，如幼儿园宝宝学习一些简单的图片，如场景，水果，文具，交通工具等。词组存储模块102，用于存储词组，所述的词组包括与所述的待学习图片对应的词组；这里要说明的是：本专利技术实施例对词组的种类不作具体限定，只要可以满足学习需要即可，在本专利技术的一些实施例中，词组可以选用中文、英文、日文或德文等，根据不同学习需求设计不同的语言。正确匹配存储模块103，包括所述的匹配区域与所述的词组的匹配关系；这里要说明的是：每个匹配区域与一个图片对应，与图片对应的词组是唯一的，只要将正确的待学习图片移动到匹配区域，服务器就会对该次匹配作出判断。移动模块104，用于将所述的待学习图片移动至所述的匹配区域；发送单元105，用于将所述的移动模块的移动数据发送至服务器；服务器106，所述的服务器包括第一判断模块，用于判断移动至所述的匹本文档来自技高网...

【技术保护点】
1.一种人工智能地深度学习实现系统，其特征在于，包括：图片存储模块，用于存储待学习图片和与所述的待学习图片一一对应的匹配区域；词组存储模块，用于存储词组，所述的词组包括与所述的待学习图片对应的词组；正确匹配存储模块，包括所述的匹配区域与所述的待学习图片的匹配关系；移动模块，用于将所述的待学习图片移动至所述的匹配区域；发送单元，用于将所述的移动模块的移动数据发送至服务器；服务器，所述的服务器包括第一判断模块，用于判断移动至所述的匹配区域的词组是否正确，若正确，则给出正确提示，若不正确，所述的词组返回原位置。

【技术特征摘要】
1.一种人工智能地深度学习实现系统，其特征在于，包括：图片存储模块，用于存储待学习图片和与所述的待学习图片一一对应的匹配区域；词组存储模块，用于存储词组，所述的词组包括与所述的待学习图片对应的词组；正确匹配存储模块，包括所述的匹配区域与所述的待学习图片的匹配关系；移动模块，用于将所述的待学习图片移动至所述的匹配区域；发送单元，用于将所述的移动模块的移动数据发送至服务器；服务器，所述的服务器包括第一判断模块，用于判断移动至所述的匹配区域的词组是否正确，若正确，则给出正确提示，若不正确，所述的词组返回原位置。2.根据权利要求1所述的人工智能地深度学习实现系统，其特征在于，所述的一种人工智能地深度学习实现系统还包括：评分模块，用于在所述的匹配区域均匹配有正确的词组后，进行评分。3.根据权利要求2所述的人工智能地深度学习实现系统，其特征在于，所述的评分模块采用的评分方式为：若词组返回原位置的次数为0，则分数为满分，记为M；若词组返回原位置次数大于0，则采用公式(1)进行评分：其中，M0—得分；N—匹配次数；N0—匹配区域个数；M—满分；P—以前错误过且此次又错误过的词组的个数；R—较难词汇的错误个数。4.根据权利要求1所述的人工智能地深度学习实现系统，其特征在于，所述的教一种人工智能地深度学习实现系统还包括：第二判断模块，用于判断移动次数是否大于第一阈值，若移动次数大于所述的第一阈值，则结束。5.根据权利要求4所述的人工智能地深度学习实现系统，其特征在于，所述的第一阈值为匹配区域个数的2倍。6.根据权利要求1所述的人工智能地深度学习实现系统，其特征在于，所述的发送单元发送的移动数据为结果数据。7.根据权利要求1所述的人工智能地深度学习实现系统，其特征在于，所述移动模块包括屏幕壳(101)、触摸屏(102)、笔架(110)、触控笔(120)、第一导轨(121)、区域环(130)、区域锁(200)，所述屏幕壳(101)固定有触摸屏(102)，所述...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京洛必达科技有限公司，
类型：发明
国别省市：北京,11