一种双向复蓄和即时多态反馈的方法和装置制造方法及图纸

本发明专利技术实施例提供一种双向复蓄和即时多态反馈的方法和装置，该方法包括：获取用户行为的临界数据，所述临界数据为用户触发事件的数据；对所述临界数据进行数据处理得到判定数据；将所述判定数据带入非逻辑神经网络模型得到调度数据；根据所述调度数据建立特征调度模型；实时将触发事件带入所述特征调度模型得到多态即时反馈信息。该方法可以根据用户行为获取多态即时反馈信息，提升了用户体验。提升了用户体验。提升了用户体验。

【技术实现步骤摘要】
一种双向复蓄和即时多态反馈的方法和装置


[0001]本专利技术涉及叙事即时互动
，具体地涉及一种双向复蓄和即时多态反馈的方法和装置。

技术介绍

[0002]现有的卡牌游戏中的卡牌都是用角色或者数字代表游戏关卡，游戏中需要玩家一张张翻看卡牌，该方法需要花费一定时间，并且过程繁琐，严重影响游戏效果和玩家游戏感受。

技术实现思路

[0003]本专利技术实施例的目的是提供一种双向复蓄和即时多态反馈的方法和装置，该方法可以根据用户行为获取多态即时反馈信息，提升了用户体验。
[0004]为了实现上述目的，本专利技术实施例提供一种双向复蓄和即时多态反馈的方法，其该方法包括：获取用户行为的临界数据，所述临界数据为用户触发事件的数据；对所述临界数据进行数据处理得到判定数据；将所述判定数据带入非逻辑神经网络模型得到调度数据；根据所述调度数据建立特征调度模型；实时将触发事件带入所述特征调度模型得到多态即时反馈信息。
[0005]可选的，所述临界数据为触发空间声场事件、立体光阵事件、三维显示事件、追踪事件、自适应动态事件中的至少一种的数据。
[0006]可选的，所述数据处理为决策算法、分析算法、神经网络算法及非逻辑神经网络算法中的至少一种。
[0007]可选的，所述非逻辑神经网络模型为双向传输数据模型，通过神经网络和/或非门运算建立。
[0008]可选的，所述根据所述调度数据建立特征调度模型，包括：采用调度算法处理所述调度数据后传输至事件池；根据所述事件池的数据信息建立特征调度模型；所述调度算法为有限调度算法和/或高优先权调度算法。
[0009]另一方面，本专利技术提供一种双向复蓄和即时多态反馈的装置，该装置包括：获取模块，用于获取用户行为的临界数据，所述临界数据为用户触发事件的数据；第一处理模块，用于对所述临界数据进行数据处理得到判定数据；第二处理模块，用于将所述判定数据带入非逻辑神经网络模型得到调度数据；第三处理模块，用于根据所述调度数据建立特征调度模型，实时将触发事件带入所述特征调度模型得到多态即时反馈信息。
[0010]可选的，所述临界数据为触发空间声场事件、立体光阵事件、三维显示事件、追踪
事件、自适应动态事件中的至少一种的数据。
[0011]可选的，所述数据处理为对数据进行决策算法、分析算法、神经网络算法及非逻辑神经网络算法中的至少一种。
[0012]可选的，所述非逻辑神经网络模型为双向传输数据模型，通过神经网络和/或非门运算建立。
[0013]可选的，所述根据所述调度数据建立调度模型，包括：采用调度算法处理所述调度数据后传输至事件池；根据所述事件池的数据信息建立特征调度模型；所述调度算法为有限调度算法和/或高优先权调度算法。
[0014]本专利技术的一种双向复蓄和即时多态反馈的方法包括：获取用户行为的临界数据，所述临界数据为用户触发事件的数据；对所述临界数据进行数据处理得到判定数据；将所述判定数据带入非逻辑神经网络模型得到调度数据；根据所述调度数据建立特征调度模型；实时将触发事件带入所述特征调度模型得到多态即时反馈信息。本专利技术根据用户行为触发联动空间中的多种信息，实时得到多态即时反馈信息，提升了用户体验。
[0015]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0016]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是本专利技术的一种双向复蓄和即时多态反馈的方法流程示意图；图2是本专利技术的一种双向复蓄和即时多态反馈的方法的具体实施例示意图；图3是触发临界模块的示意图；图4是决策分析示意图；图5是空间调度联动系统示意图。
[0017]附图标记说明1
‑
控制终端；2
‑
即时反馈系统；3
‑
临界模块终端；4
‑
插入事件；5
‑
轨道调度模块；6
‑
第一用户/创造者；100
‑
第一临界模块；200
‑
第一空间信息；300
‑
第一决策模块；400
‑
联动空间声场模块；500
‑
数据通讯；600
‑
第一自适应动态模块；700
‑
立体光阵模块；
800
‑
三维显示模块；900
‑
追踪模块。
具体实施方式
以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0018]图1是本专利技术的一种双向复蓄和即时多态反馈的方法流程示意图，如图1所示，本专利技术的一种双向复蓄和即时多态反馈的方法包括：步骤S101为获取用户行为的临界数据，所述临界数据为用户触发事件的数据。
[0019]按照一种具体的实施方式，用户/创造者携带着一种能输出临界数据的临界模块，空间声场模块具有感应临界数据的感应装置以及一种临界数据阵列产生的装置。该临界数据的阵列产生包括扫描临界数据发出的信号，并且模拟感应输出临界数据阵列的信号，其所述模拟感应输出的临界数据阵列信号承载阵列的感应数据。通过分临界数据的类型和类别，临界模块中由电感线圈和电容构成振荡电路。
[0020]步骤S102为对所述临界数据进行数据处理得到判定数据。具体的，所述临界数据为触发空间声场事件、立体光阵事件、三维显示事件、追踪事件、自适应动态事件中的至少一种的数据。所述数据处理为决策算法、分析算法、神经网络算法及非逻辑神经网络算法中的至少一种。
[0021]按照一种具体的实施方式，将临界数据通过有线或者无线传输至判定模块得到判定数据。在本专利技术中判定模块主要功能有数据传输、数据采集。确定非逻辑神经网络模型，当所述非逻辑神经网络模型的满足既定规则时，判定模块判定是否触发临界模块，其接收非逻辑神经网络和既定规则的检测数据。判断检测结果是否是单项传输。所述单项传输模块将检测数据传输至调度模块中得到调度模型。当用户触发临界模块，临界模块的数据传输至判定模块，判定模块根据判定数据传输至单项传输模块，以及双向传输非逻辑神经网络模型。所述判定模块接收临界数据，通过对临界数据做一些数据处理，数据处理算法是判定模块不可缺少的步骤，数据处理算法有决策算法、分析算法、神经网络算法、非逻辑神经网络算法等。非逻辑神经网络算法为非逻辑的神经网络，神经网络本身是非逻辑执行的，本身像是黑盒子，里面是亿万级别的参数，输入经过这些参数然后输出结果，得到非逻辑神经网络模型。先对临界数据进行分析。
[0022]步骤S103为将所述判定数据带入非逻辑神经网络模型得到调度数据。具体的，所述非逻辑神经网络模型为双向传输数据模型，通过神经网络和/或非门运算建立。
[0023]按照一种具体的实施方式，判定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种双向复蓄和即时多态反馈的方法，其特征在于，该方法包括：获取用户行为的临界数据，所述临界数据为用户触发事件的数据；对所述临界数据进行数据处理得到判定数据；将所述判定数据带入非逻辑神经网络模型得到调度数据；根据所述调度数据建立特征调度模型；实时将触发事件带入所述特征调度模型得到多态即时反馈信息。2.根据权利要求1所述的方法，其特征在于，所述临界数据为触发空间声场事件、立体光阵事件、三维显示事件、追踪事件、自适应动态事件中的至少一种的数据。3.根据权利要求1所述的方法，其特征在于，所述数据处理为决策算法、分析算法、神经网络算法及非逻辑神经网络算法中的至少一种。4.根据权利要求1所述的方法，其特征在于，所述非逻辑神经网络模型为双向传输数据模型，通过神经网络和/或非门运算建立。5.根据权利要求1所述的方法，其特征在于，所述根据所述调度数据建立特征调度模型，包括：采用调度算法处理所述调度数据后传输至事件池；根据所述事件池的数据信息建立特征调度模型；所述调度算法为有限调度算法和/或高优先权调度算法。6.一种双向复蓄和即时多态反馈的装置，其特征...

【专利技术属性】
技术研发人员：任志忠，
申请(专利权)人：北京天图万境科技有限公司，
类型：发明
国别省市：