一种提高人工智能推论结果正确率的方法及系统技术方案

本申请公开了一种提高人工智能推论结果正确率的方法及系统，该方法包括：选择多个不同的AI模型；根据每个AI处理器的运行结果，获取应用场景下的初步人工智能推论结果；根据应用场景选择系统侦错模型；定义系统侦错模型测试结果正确或错误的标准；对初步人工智能推论结果进行过滤，获取测试结果；判断测试结果是否处于用户设定的参考正确结果范围内；如果是，将测试结果作为最终人工智能推论结果；否则重新选择系统侦错模型。该系统包括：AI模型选择模块、第一推论结果获取模块、系统侦错模型选择模块、标准定义模块、过滤模块、判断模块和第二推论结果获取模块。通过本申请，能够在提高测试效率的基础上有效提高人工智能推论结果的正确性。

【技术实现步骤摘要】
一种提高人工智能推论结果正确率的方法及系统
本申请涉及人工智能
，特别是涉及一种提高人工智能推论结果正确率的方法及系统。
技术介绍
AI(ArtificialIntelligence，人工智能)即人工智能,又称智械/机器智慧,指的是由人工编写电脑程序去模拟人类的智能行为,包括:模拟人类的听音辨读、视觉辨识、推理决策、理解学习、移动行为、控制行为等。在模拟认为的各种感觉和行为的过程中，如何提高人工智能推论结果的正确率，是用户最关心的问题。目前，提高人工智能推论结果正确率的方法，主要是：增加训练的样本数，或者增加训练的特微模型，例如：卷积神经网络中加入更多的卷积层或者池化层。具体地，需要收集并训练更多的样本，增大样本集，或者组合不同的卷积层，从而使得推论结果更加准确。然而，目前提高人工智能推论结果正确率的方法中，由于增加训练样本数或者增加训练的特微模型，需要修改训练样本，并进行重新训练，或者组合更多的卷积层，操作过程比较繁琐，所占用的测试时间比较长，因此，目前提高人工智能推论结果正确率的方法，其效率较低。
技术实现思路
本申请提供了一种提高人工智能推论结果正确率的方法及系统，以解决现有技术中的方法过程繁琐，效率较低的问题。为了解决上述技术问题，本申请实施例公开了如下技术方案：一种提高人工智能推论结果正确率的方法，所述方法包括：根据当前待推论结果的应用场景，选择多个不同的AI模型，每个AI模型运行在一个AI处理器中；根据每个AI处理器的运行结果，获取所述应用场景下的初步人工智能推论结果；根据所述应用场景，选择系统侦错模型；定义所述系统侦错模型测试结果正确或错误的标准；利用所述系统侦错模型，根据所述标准对所述初步人工智能推论结果进行过滤，获取测试结果；判断所述测试结果是否处于用户设定的参考正确结果范围内；如果是，将所述测试结果作为最终人工智能推论结果；如果否，重新根据所述应用场景，选择系统侦错模型，直到所述测试结果处于用于设定的参考正确结果范围内。可选地，根据所述应用场景，选择系统侦错模型的方法，包括：根据所述应用场景，确定系统侦错模型的类型；确定当前类型下系统侦错模型的参数。可选地，所述重新根据所述应用场景，选择系统侦错模型，包括：根据所述应用场景，修改系统侦错模型的类型；确定修改类型后系统侦错模型的参数。可选地，所述重新根据所述应用场景，选择系统侦错模型，包括：根据所述应用场景，保持系统侦错模型的类型不变；修改当前类型下系统侦错模型的参数。可选地，所述系统侦错模型包括：PMC(一种系统级故障诊断模型)模型和比较模型。可选地，多个所述AI处理器的部署方法包括：多个所述AI处理器部署在同一个装置中，或者，每个所述AI处理器部署在一个装置中。一种提高人工智能推论结果正确率的系统，所述系统包括：AI模型选择模块，用于根据当前待推论结果的应用场景，选择多个不同的AI模型，每个AI模型运行在一个AI处理器中；第一推论结果获取模块，用于根据每个AI处理器的运行结果，获取所述应用场景下的初步人工智能推论结果；系统侦错模型选择模块，用于根据所述应用场景，选择系统侦错模型；标准定义模块，用于定义所述系统侦错模型测试结果正确或错误的标准；过滤模块，用于利用所述系统侦错模型，根据所述标准对所述初步人工智能推论结果进行过滤，获取测试结果；判断模块，用于判断所述测试结果是否处于用户设定的参考正确结果范围内，如果是，启动第二推论结果获取模块，如果否，重新启动系统侦错模型选择模块、标准定义模块、过滤模块，直到所述测试结果处于用于设定的参考正确结果范围内；所述第二推论结果获取模块，用于当所述测试结果处于用户设定的参考正确结果范围内时，将所述测试结果作为最终人工智能推论结果。可选地，所述系统侦错模型选择模块，包括：类型确定单元，用于根据所述应用场景，确定系统侦错模型的类型；参数确定单元，用于确定当前类型下系统侦错模型的参数。可选地，所述AI处理器包括：通用电脑系统、GPU(GraphicsProcessingUnit，图形处理器)和客制ASIC(ApplicationSpecificIntegratedCircuit，特定应用的集成电路)中的任意一种。本申请的实施例提供的技术方案可以包括以下有益效果：本申请提供一种提高人工智能推论结果正确率的方法，该方法首先根据当前待推论结果的应用场景选择多个不同的AI模型，根据AI模型的运行结果获取初步人工智能推论结果，然后根据应用场景选择系统侦错模型，并定义系统侦错模型测试结果正确或错误的标准，再利用系统侦错模型根据所定义的标准对初步人工智能理论结果进行过滤，获取到测试结果，最后判断测试结果是否处于用户设定的参考正确结果范围内，如果是，将该测试结果作为最终人工智能推论结果，否则重新根据应用场景选择系统侦错模型。本实施例利用系统侦错模型对人工智能推论结果进行过滤，从而能够在不增加训练样本数或特微的情况下，有效提高推论结果正确率。这种提高推论结果正确率的方法，直接针对初步人工智能理论结果进行进一步的处理，过程简单，不必进行样本的重新训练，因此所占用的时间也较少，能够大大提高推论结果的计算效率。本申请还提供一种提高人工智能推论结果正确率的系统，该系统主要包括：AI模型选择模块、第一推论结果获取模块、系统侦错模型选择模块、标准定义模块、过滤模块、判断模块和第二推论结果获取模块。通过AI模型选择模块和第一推论结果获取模块，能够获取到初步人工智能推论结果。通过系统侦错模型选择模块、标准定义模块、过滤模块、判断模块和第二推论结果获取模块，能够获取到最终人工智能推论结果，从而实现对初步人工智能推论结果正确性的提高。而且，本实施例中侦错模型选择模块、标准定义模块、过滤模块、判断模块和第二推论结果获取模块是在不增加训练样本，不进行样本的重新训练的情况下，对初步人工智能理论结果进行进一步的过滤处理，工作过程简单，能够在较短的时间内有效提高人工智能推论结果的正确率。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。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例所提供的一种提高人工智能推论结果正确率的方法的流程示意图；图2为本申请实施例所提供的一种提高人工智能推论结果正确率的系统的结构示意图。具体实施方式为了使本
的人员更好地理本文档来自技高网...

【技术保护点】
1.一种提高人工智能推论结果正确率的方法，其特征在于，所述方法包括：/n根据当前待推论结果的应用场景，选择多个不同的AI模型，每个AI模型运行在一个AI处理器中；/n根据每个AI处理器的运行结果，获取所述应用场景下的初步人工智能推论结果；/n根据所述应用场景，选择系统侦错模型；/n定义所述系统侦错模型测试结果正确或错误的标准；/n利用所述系统侦错模型，根据所述标准对所述初步人工智能推论结果进行过滤，获取测试结果；/n判断所述测试结果是否处于用户设定的参考正确结果范围内；/n如果是，将所述测试结果作为最终人工智能推论结果；/n如果否，重新根据所述应用场景，选择系统侦错模型，直到所述测试结果处于用于设定的参考正确结果范围内。/n

【技术特征摘要】
1.一种提高人工智能推论结果正确率的方法，其特征在于，所述方法包括：
根据当前待推论结果的应用场景，选择多个不同的AI模型，每个AI模型运行在一个AI处理器中；
根据每个AI处理器的运行结果，获取所述应用场景下的初步人工智能推论结果；
根据所述应用场景，选择系统侦错模型；
定义所述系统侦错模型测试结果正确或错误的标准；
利用所述系统侦错模型，根据所述标准对所述初步人工智能推论结果进行过滤，获取测试结果；
判断所述测试结果是否处于用户设定的参考正确结果范围内；
如果是，将所述测试结果作为最终人工智能推论结果；
如果否，重新根据所述应用场景，选择系统侦错模型，直到所述测试结果处于用于设定的参考正确结果范围内。


2.根据权利要求1所述的一种提高人工智能推论结果正确率的方法，其特征在于，根据所述应用场景，选择系统侦错模型的方法，包括：
根据所述应用场景，确定系统侦错模型的类型；
确定当前类型下系统侦错模型的参数。


3.根据权利要求2所述的一种提高人工智能推论结果正确率的方法，其特征在于，所述重新根据所述应用场景，选择系统侦错模型，包括：
根据所述应用场景，修改系统侦错模型的类型；
确定修改类型后系统侦错模型的参数。


4.根据权利要求2所述的一种提高人工智能推论结果正确率的方法，其特征在于，所述重新根据所述应用场景，选择系统侦错模型，包括：
根据所述应用场景，保持系统侦错模型的类型不变；
修改当前类型下系统侦错模型的参数。


5.根据权利要求1所述的一种提高人工智能推论结果正确率的方法，其特征在于，所述系统侦错模型包括：PMC模型和比较模型。

<...

【专利技术属性】
技术研发人员：蔡志恺，
申请(专利权)人：山东英信计算机技术有限公司，
类型：发明
国别省市：山东;37