机器模拟待模拟目标学习和工作的人工智能方法及系统技术方案

本发明专利技术属于人工智能技术领域，公开了一种机器模拟待模拟目标学习和工作的人工智能方法及系统，机器模拟待模拟目标学习和工作的人工智能系统包括：数据采集模块、数据识别模块、数据分析模块、中央控制模块、训练模块、知识学习模块、执行模块、路径规划模块、数据存储模块、终端模块、显示模块。本发明专利技术通过训练模块将待模拟目标的思维方式永久的保存下来；对于待模拟目标的研究及行为分析以及重要待模拟目标的思维方式记录有重要的应用价值；同时，通过知识学习模块以人工的方法将待模拟目标以智能计算和判断来认识客观事物的认知模型和基于认知模型进行逻辑推理的智能机制模拟到计算机系统，实现机器模拟待模拟目标的智力功能学习知识，形成了类脑人工智能服务平台。

Artificial intelligence method and system for learning and working of machine simulation target to be simulated

【技术实现步骤摘要】
机器模拟待模拟目标学习和工作的人工智能方法及系统
本专利技术属于人工智能
，尤其涉及一种机器模拟待模拟目标学习和工作的人工智能方法及系统。
技术介绍
人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能；然而，现有机器模拟待模拟目标学习和工作的人工智能方法涉及情感、语言习惯等个性问题，还不能应用深度学习去模拟；同时，对知识学习能力差。综上所述，现有技术存在的问题是：现有机器模拟待模拟目标学习和工作的人工智能方法涉及情感、语言习惯等个性问题，还不能应用深度学习去模拟；同时，对知识学习能力差。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种机器模拟待模拟目标学习和工作的人工智能方法及系统。本专利技术是这样实现的，一种机器模拟待模拟目标学习和工作的人工智能方法，包括以下步骤：步骤一，通过训练程序初始化原始的深度神经网络；分别获取不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的视频图像数据和音频数据；步骤二，对步骤一所述视频图像数据进行目标识别，将识别出的目标实体转换为文字；步骤三，对步骤一所述音频数据进行语音识别，区分主体声音和客体声音并转换为文字，所述主体声音为佩戴者声音，所述客体声音为所述佩带着以外的声音；步骤四，按照时间顺序，将所述客体声音对应的文字以及所述视频图像数据对应的文字作为输入，将所述主体声音作为输出，放入所述深度神经网络中进行训练直至深度神经网络收敛，将收敛后的深度神经网络作为待模拟目标思维模拟系统使用；步骤五，将新的视频图像数据或音频数据转换为相应文本输入所述待模拟目标思维模拟系统，输出文本信息作为所模拟的待模拟目标思维产生的结果；步骤六，对步骤五输入所述待模拟目标思维模拟系统的文本信息通过构建程序建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库；步骤七，计算机将自然语言语句中表示语法成分的词语及词性读入或添加到词库，然后调用语义分析器将由自然语言单句生成的类基本元素和语义性质以类的方法创建并存储于类库，同时将与类基本元素和语义性质对应的场景进行配置并存储于资源库；步骤八，计算机基于类库中的智能知识元素，针对智能应用需求调用语义分析器，将由自然语言单句、复句或语句集来满足应用需求的自然语言程序生成智能应用程序，并存储于智能信息管理库；步骤九，调用步骤八智能信息管理库存储的信息，构建多层机器拟人行为路径规划框架，基于人类规划的行为模式，模拟待模拟目标、人眼和人腿的功能对应设置机器全局层路径规划、感知层路径规划和执行层路径规划；步骤十，建立完备性可调性轨迹规划算法，应用所述算法规划的轨迹能够同时满足机器人的运动学约束和环境约束条件；步骤十一，建立动态监控和恢复行为策略，对机器人前方安全距离范围进行实时动态监控，如果遇到紧急状况采取恢复行为策略。进一步，步骤一之前，需进行：步骤I，通过数据采集装置采集学习和工作的数据信息；步骤II，通过主控芯片控制识别程序对采集的数据进行识别；步骤III，通过数据分析程序对识别后的的数据进行分析。进一步，步骤一中，采用摄像头拍摄在不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的视频图像数据；采用麦克风收集不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的声音数据，所述声音数据与所述视频图像数据同步；步骤四中，按照时间顺序，将所述客体声音对应的文字以及所述视频图像数据对应的文字作为输入，将所述主体声音作为输出，放入所述深度神经网络中采用梯度下降法、牛顿算法、共轭梯度法、准牛顿法或Levenberg-Marquardt算法进行训练直至深度神经网络收敛，将收敛后的深度神经网络作为待模拟目标思维模拟系统使用。进一步，步骤八进一步包括：(I)通过构建程序建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库；其中，词库，用于存储以自然语言表示场景或事件的词语及与词语对应的词性；所述词库分为系统词库、私人词库和公共词库，系统词库用于存储逻辑联结词和生成语义性质的否定词，私人词库用于存储用户自定义的专用词语对应其专用领域或区块性的类库和资源库，公共词库用于存储词性规范的公共词语；所述类库包括本体异构函数，所述本体异构函数是将不同词语或术语指称同一场景或场景元素的表述同时对应或定义为同一词语或术语的方法类库，用于存储与自然语言语句的语法成分对应的类基本元素和由类基本元素组成的与主、谓两个逻辑单元对应的真的性质；其中，对应主语的对象元素的语义性质以肯定性质为真，用二进制代码1表示，对应谓语的函数元素的语义性质以肯定或否定为真，每一个自然语句谓语对应的函数的语义性质只能以肯定和否定中的一种性质为真，用二进制代码1或0表示，1表示肯定为真，0表示否定为真；资源库，用于存储上述场景或事件的信息资源，并与类库中的类基本元素及对象和函数元素为真的性质对应；智能信息管理库，用于存储类似待模拟目标管理思维的判断推理算法程序和管理行为的智能应用程序以及所述类库、资源库、词库三者之间的对应关系；(II)计算机将自然语言语句中表示语法成分的词语及词性读入或添加到词库，然后调用语义分析器将由自然语言单句生成的类基本元素和语义性质以类的方法创建并存储于类库，同时将与类基本元素和语义性质对应的场景进行配置并存储于资源库，其中对象、函数的语义性质与资源库对应场景的性质保持一致为真；对象对应场景的性质以肯定1为真，函数对应场景的性质以肯定1或否定0为真，其中语义性质为1的函数对应性质以肯定为真的场景、语义性质为0的函数对应性质以否定为真的场景，由此形成以主、谓概念对应对象、函数单元的逻辑知识元素；(III)计算机基于类库中的智能知识元素，针对智能应用需求调用语义分析器，将由自然语言单句、复句或语句集来满足应用需求的自然语言程序生成智能应用程序，并将其存储于智能信息管理库。进一步，步骤九中，构建多层拟人行为路径规划框架的方法包括：规划的行为模式，分别对应待模拟目标、人眼和人腿设置全局层路径规划、感知层路径规划和执行层路径规划；所述全局层路径规划对应待模拟目标负责为机器人提供全局的运动指引；感知层路径规划对应人眼负责在感知范围内求解可行的避障路径；本文档来自技高网...

【技术保护点】
1.一种机器模拟待模拟目标学习和工作的人工智能方法，其特征在于，所述机器模拟待模拟目标学习和工作的人工智能方法包括以下步骤：/n步骤一，通过训练程序初始化原始的深度神经网络；分别获取不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的视频图像数据和音频数据；/n步骤二，对步骤一所述视频图像数据进行目标识别，将识别出的目标实体转换为文字；/n步骤三，对步骤一所述音频数据进行语音识别，区分主体声音和客体声音并转换为文字，所述主体声音为佩戴者声音，所述客体声音为所述佩带着以外的声音；/n步骤四，按照时间顺序，将所述客体声音对应的文字以及所述视频图像数据对应的文字作为输入，将所述主体声音作为输出，放入所述深度神经网络中进行训练直至深度神经网络收敛，将收敛后的深度神经网络作为待模拟目标思维模拟系统使用；/n步骤五，将新的视频图像数据或音频数据转换为相应文本输入所述待模拟目标思维模拟系统，输出文本信息作为所模拟的待模拟目标思维产生的结果；/n步骤六，对步骤五输入的待模拟目标思维模拟系统文本信息通过构建程序建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库；/n步骤七，计算机将自然语言语句中表示语法成分的词语及词性读入或添加到词库，然后调用语义分析器将由自然语言单句生成的类基本元素和语义性质以类的方法创建并存储于类库，同时将与类基本元素和语义性质对应的场景进行配置并存储于资源库；/n步骤八，计算机基于类库中的智能知识元素，针对智能应用需求调用语义分析器，将由自然语言单句、复句或语句集来满足应用需求的自然语言程序生成智能应用程序，并存储于智能信息管理库；/n步骤九，调用步骤八智能信息管理库存储的信息，构建多层机器拟人行为路径规划框架，基于人类规划的行为模式，模拟待模拟目标、人眼和人腿的功能对应设置机器全局层路径规划、感知层路径规划和执行层路径规划；/n步骤十，建立完备性可调性轨迹规划算法，应用所述算法规划的轨迹能够同时满足机器人的运动学约束和环境约束条件；/n步骤十一，建立动态监控和恢复行为策略，对机器人前方安全距离范围进行实时动态监控，如果遇到紧急状况采取恢复行为策略。/n...

【技术特征摘要】
1.一种机器模拟待模拟目标学习和工作的人工智能方法，其特征在于，所述机器模拟待模拟目标学习和工作的人工智能方法包括以下步骤：
步骤一，通过训练程序初始化原始的深度神经网络；分别获取不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的视频图像数据和音频数据；
步骤二，对步骤一所述视频图像数据进行目标识别，将识别出的目标实体转换为文字；
步骤三，对步骤一所述音频数据进行语音识别，区分主体声音和客体声音并转换为文字，所述主体声音为佩戴者声音，所述客体声音为所述佩带着以外的声音；
步骤四，按照时间顺序，将所述客体声音对应的文字以及所述视频图像数据对应的文字作为输入，将所述主体声音作为输出，放入所述深度神经网络中进行训练直至深度神经网络收敛，将收敛后的深度神经网络作为待模拟目标思维模拟系统使用；
步骤五，将新的视频图像数据或音频数据转换为相应文本输入所述待模拟目标思维模拟系统，输出文本信息作为所模拟的待模拟目标思维产生的结果；
步骤六，对步骤五输入的待模拟目标思维模拟系统文本信息通过构建程序建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库；
步骤七，计算机将自然语言语句中表示语法成分的词语及词性读入或添加到词库，然后调用语义分析器将由自然语言单句生成的类基本元素和语义性质以类的方法创建并存储于类库，同时将与类基本元素和语义性质对应的场景进行配置并存储于资源库；
步骤八，计算机基于类库中的智能知识元素，针对智能应用需求调用语义分析器，将由自然语言单句、复句或语句集来满足应用需求的自然语言程序生成智能应用程序，并存储于智能信息管理库；
步骤九，调用步骤八智能信息管理库存储的信息，构建多层机器拟人行为路径规划框架，基于人类规划的行为模式，模拟待模拟目标、人眼和人腿的功能对应设置机器全局层路径规划、感知层路径规划和执行层路径规划；
步骤十，建立完备性可调性轨迹规划算法，应用所述算法规划的轨迹能够同时满足机器人的运动学约束和环境约束条件；
步骤十一，建立动态监控和恢复行为策略，对机器人前方安全距离范围进行实时动态监控，如果遇到紧急状况采取恢复行为策略。


2.如权利要求1所述机器模拟待模拟目标学习和工作的人工智能方法，其特征在于，步骤一之前，需进行：步骤I，通过数据采集装置采集学习和工作的数据信息；
步骤II，通过主控芯片控制识别程序对采集的数据进行识别；
步骤III，通过数据分析程序对识别后的的数据进行分析。


3.如权利要求1所述的机器模拟待模拟目标学习和工作的人工智能方法，其特征在于，步骤一中，采用摄像头拍摄在不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的视频图像数据；
采用麦克风收集不同时间、不同地点或相同地点、不同景物或相同景物、以及不同待模拟目标或相同待模拟目标状态下的声音数据，所述声音数据与所述视频图像数据同步；
步骤四中，按照时间顺序，将所述客体声音对应的文字以及所述视频图像数据对应的文字作为输入，将所述主体声音作为输出，放入所述深度神经网络中采用梯度下降法、牛顿算法、共轭梯度法、准牛顿法或Levenberg-Marquardt算法进行训练直至深度神经网络收敛，将收敛后的深度神经网络作为待模拟目标思维模拟系统使用。


4.如权利要求1所述的机器模拟待模拟目标学习和工作的人工智能方法，其特征在于，步骤八进一步包括：
(I)通过构建程序建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库；其中，
词库，用于存储以自然语言表示场景或事件的词语及与词语对应的词性；所述词库分为系统词库、私人词库和公共词库，系统词库用于存储逻辑联结词和生成语义性质的否定词，私人词库用于存储用户自定义的专用词语对应其专用领域或区块性的类库和资源库，公共词库用于存储词性规范的公共词语；
所述类库包括本体异构函数，所述本体异构函数是将不同词语或术语指称同一场景或场景元素的表述同时对应或定义为同一词语或术语的方法
类库，用于存储与自然语言语句的语法成分对应的类基本元素和由类基本元素组成的与主、谓两个逻辑单元对应的真的性质；其中，对应主语的对象元素的语义性质以肯定性质为真，用二进制代码1表示，对应谓语的函数元素的语义性质以肯定或否定为真，每一个自然语句谓语对应的函数的语义性质只能以肯定和否定中的一种性质为真，用二进制代码1或0表示，1表示肯定为真，0表示否定为真；
资源库，用于存储上述场景或事件的信息资源，并与类库中的类基本元素及对象和函数元素为真的性质对应；
智能信息管理库，用于存储类似待模拟目标管理思维的判断推理算法程序和管理行为的智能应用程序以及所述类库、资源库、词库三者之间的对应关系；
(II)计算机将自然语言语句中表示语法成分的词语及词性读入或添加到词库，然后调用语义分析器将由自然语言...

【专利技术属性】
技术研发人员：叶奕宏，
申请(专利权)人：厦门驿全智能科技有限公司，
类型：发明
国别省市：福建;35