CN107968817A - 一种普通设备与人工智能设备交互方法和系统 - Google Patents
一种普通设备与人工智能设备交互方法和系统 Download PDFInfo
- Publication number
- CN107968817A CN107968817A CN201711117684.3A CN201711117684A CN107968817A CN 107968817 A CN107968817 A CN 107968817A CN 201711117684 A CN201711117684 A CN 201711117684A CN 107968817 A CN107968817 A CN 107968817A
- Authority
- CN
- China
- Prior art keywords
- unit
- electronic equipment
- equipment
- testing data
- accumulator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 80
- 238000012360 testing method Methods 0.000 claims abstract description 75
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000004913 activation Effects 0.000 claims description 18
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000007935 neutral effect Effects 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种普通设备与人工智能设备交互方法和系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元。第一电子设备为本不具备人工智能功能的电子设备，当其接收到待测数据后，可以通过网络与具备人工智能功能的电子设备(即第二电子设备)建立连接，并将待测数据发送至第二电子设备进行处理，以及接收第二电子设备发送的计算结果数据，从而使得用户在第一电子设备上也可以实现人工智能功能，有效提高了用户体验。
Description
技术领域
本发明涉及电子设备领域，尤其涉及一种普通设备与人工智能设备交互方法和系统。
背景技术
随着人工智能深度学习神经网络的快速发展,人们对人工智能应用的需求越来越强烈，如进行智能语音识别对话、智能人脸识别等。然而，现有的人工智能产品普通存在着价格昂贵、系统更新周期长等问题。对于家庭中传统的一些家电产品(如冰箱、彩电等)，基于成本和情怀因素的考量，用户一般不忍将其直接丢弃，继续使用这类家电产品，则无法满足用户对智能家电的需求；而如果将这类家电产品束之高阁或直接丢弃，则又造成了资源的浪费。因此，如果能使得本不具备人工智能功能(如语音识别、指纹识别等)的传统的家电产品通过与其他人工智能产品的交互，也能够实现人工智能功能，这在当前市场环境下是非常有意义的。
发明内容
为此，需要提供一种普通设备与人工智能设备交互的技术方案，用以解决传统的家电产品无法实现人工智能功能的问题。
为实现上述目的，发明人提供了一种普通设备与人工智能设备交互系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元；
所述第一处理单元用于接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息；
所述第一通信单元用于根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；
所述可重构网络矩阵单元用于接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；
所述第一通信单元用于接收计算结果数据，并将计算结果数据传输至第一处理单元。
进一步地，所述第二电子设备还包括任务分发单元和状态监控单元；
所述状态监控单元用于检测可重构网络矩阵单元是否正在执行待测数据的识别计算，若是则任务分发单元用于缓存第二通信单元接收到的待测数据；否则状态监控单元从任务分发单元中获取待测数据，并传输至可重构网络矩阵单元进行识别计算。
进一步地，所述第一电子设备还包括分配记录单元；
所述分配记录单元用于存储分配记录信息，所述分配记录信息包括任务请求类型以及处理该任务类型的待测数据的第二电子设备的标识信息；
所述第一处理单元用于从分配记录单元中读取分配记录信息，并根据分配记录信息依次从第一通信单元获取任务请求类型对应的计算结果数据并输出。
进一步地，所述可重构网络矩阵单元包括互联矩阵单元、累加器单元、缓存单元、升级单元、激活函数单元、累加器配置单元；所述累加器单元、缓存单元、升级单元、激活函数单元分别与互联矩阵单元连接，所述累加器单元与累加器配置单元连接；所述累加器单元包括多个不同精度的累加器；所述缓存单元用于存储参数连接信息；
所述累加器配置单元用于配置识别计算的累加器精度；
所述互联矩阵单元用于根据参数连接信息对累加器单元、升级单元、激活函数单元进行互联，从而形成对应的神经网络结构。
发明人还提供了一种普通设备与人工智能设备交互方法，所述方法应用于普通设备与人工智能设备交互系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元；所述方法包括：
第一处理单元接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息；
第一通信单元根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；
可重构网络矩阵单元接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；
第一通信单元接收计算结果数据，并将计算结果数据传输至第一处理单元。
进一步地，所述第二电子设备还包括任务分发单元和状态监控单元；所述方法包括：
状态监控单元检测可重构网络矩阵单元是否正在执行待测数据的识别计算，若是则任务分发单元缓存第二通信单元接收到的待测数据；否则状态监控单元从任务分发单元中获取待测数据，并传输至可重构网络矩阵单元进行识别计算。
进一步地，所述第一电子设备还包括分配记录单元；所述方法包括：
分配记录单元存储分配记录信息，所述分配记录信息包括任务请求类型以及处理该任务类型的待测数据的第二电子设备的标识信息；
第一处理单元从分配记录单元中读取分配记录信息，并根据分配记录信息依次从第一通信单元获取任务请求类型对应的计算结果数据并输出。
进一步地，所述可重构网络矩阵单元包括互联矩阵单元、累加器单元、缓存单元、升级单元、激活函数单元、累加器配置单元；所述累加器单元、缓存单元、升级单元、激活函数单元分别与互联矩阵单元连接，所述累加器单元与累加器配置单元连接；所述累加器单元包括多个不同精度的累加器；所述缓存单元用于存储参数连接信息；所述方法包括：
累加器配置单元配置识别计算的累加器精度；
互联矩阵单元根据参数连接信息对累加器单元、升级单元、激活函数单元进行互联，从而形成对应的神经网络结构。
区别于现有技术，上述技术方案所述的普通设备与人工智能设备交互方法和系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元。所述方法包括以下步骤：第一处理单元接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息；第一通信单元根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；可重构网络矩阵单元接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；第一通信单元接收计算结果数据，并将计算结果数据传输至第一处理单元。第一电子设备为本不具备人工智能功能的电子设备，当其接收到待测数据后，通过网络与具备人工智能功能的电子设备(即第二电子设备)建立连接，并将待测数据发送至第二电子设备以及接收第二电子设备发送的识别结果，从而使得用户在第一电子设备上也可以实现人工智能功能，有效提高了用户体验。
附图说明
图1为本发明一实施例涉及的普通设备与人工智能设备交互系统的示意图；
图2为本发明一实施例涉及的误差计算单元的电路结构图；
图3为本发明一实施例涉及的升级单元的电路结构图；
图4为本发明一实施例涉及的累加器单元的电路结构图；
图5为本发明一实施例涉及的可重构网络矩阵单元的电路结构图；
图6为本发明一实施例涉及的配置累加器单元的精度的电路结构图；
图7为本发明一实施例涉及的普通设备与人工智能设备交互方法的流程图。
附图标记说明：
101、第一电子设备；
111、第一处理单元；112、第一存储单元；113、第一通信单元；114、分配记录单元；
102、第二电子设备；
121、第二通信单元；122、可重构网络矩阵单元；123、任务分发单元；124、状态监控单元；
131、互联矩阵单元；132、累加器单元；133、缓存单元；134、升级单元；135、激活函数单元；136、累加器配置单元；137、误差计算单元。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
请参阅图1，为本发明一实施例涉及的普通设备与人工智能设备交互系统的示意图。所述系统包括第一电子设备101和第二电子设备102，所述第一电子设备101包括第一处理单元111、第一存储单元112和第一通信单元113；所述第二电子设备102包括第二通信单元121和可重构网络矩阵单元1222；
所述第一处理单元111用于接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息。所述第一处理单元为具有数据处理功能的电子元件，如中央处理器(CPU)、数字信号处理器(DSP)等。每一个第二电子设备对应一个标识信息，所述标识信息可以为设备ID，设备ID包括数字、字符串、汉字、字母等，也可以为第二电子设备的MAC地址。第一电子设备为普通设备，即本不具备人工智能功能的电子设备，可以为传统的家电产品，如冰箱、彩电等。第二电子设备为具有人工智能功能的电子设备，从而使得第一电子设备可以通过与第二电子设备的交互，实现人工智能功能。
所述待测数据为待识别的数据，可以为语音信息、人脸信息、指纹信息等。相应地，任务请求类型可以根据功能进行划分，包括指纹识别请求、人脸识别请求、语音识别请求等。任务请求类型与第二电子设备的标识信息的对应关系可以以表格的形式事先被记录于第一存储单元中，第一处理单元通过查表的方式，可以获知可以处理某一项任务请求对应的第二电子设备标识信息。例如第一电子设备接收到语音信息，可以确定当前任务请求类型为语音识别请并求，通过查表获知标识信息为A的第二电子设备可以处理语音识别请求，并与之建立通信连接。
所述第一通信单元113用于根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元。在本实施方式，所述第一通信单元和第二通信单元均为WIFI模组，则第一通信单元可以通过WIFI信号与第二电子设备建立连接。
所述可重构网络矩阵单元122用于接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备。
所述第一通信单元113用于接收计算结果数据，并将计算结果数据传输至第一处理单元。第一处理单元接收计算结果数据后，可以根据计算结果数据在第一电子设备的显示单元显示计算结果。例如待测数据为人脸数据时，经过第二电子设备进行识别处理后，计算结果可以为“匹配”或者“不匹配”，或者显示相应的匹配度。
如图5所示，所述可重构网络矩阵包括互联矩阵单元131、累加器单元132、缓存单元133、升级单元134、激活函数单元135、累加器配置单元136、误差计算单元137。所述累加器单元132、缓存单元133、升级单元134、激活函数单元135分别与互联矩阵单元131连接，所述累加器单元132与累加器配置单元136连接；所述累加器单元132包括多个不同精度的累加器；所述缓存单元133用于存储参数连接信息。
所述累加器配置单元136用于配置识别计算的累加器精度。所述可重构网络矩阵在进行神经网络训练时，根据配置的累加器精度采用相对应精度的累加器进行计算。所述互联矩阵单元131用于根据参数连接信息对累加器单元132、升级单元134、激活函数单元135进行互联，从而形成对应的神经网络结构。升级单元的电路结构如图3所示、累加器单元的电路结构如图4所示。所述误差计算单元137用于计算本次可重构网络矩阵单元的计算结果与真实信息之间的误差。误差计算单元的电路结构如图2所示。
如图6所示，累加器单元包括不同精度的累加器，如8bit整数、16bit浮点数、32bit浮点数等。累加器配置单元可以通过发送不同的控制信号，使得神经网络结构选用不同精度的累加器进行搭建，以便提供多种选择。同理，激活函数单元也可以包括有多种激活函数(比如sigmoid、ReLU等),可以通过不同的控制信号进行选定，选定后则记录于缓存单元中，而后通过互联矩阵单元根据参数连接信息对选定的累加器单元、升级单元、激活函数单元进行互联。
在某些实施例中，第二电子设备的可重构网络矩阵单元还用于进行神经网络训练，具体步骤如下：可重构网络矩阵单元调整各个参数值，进行神经网络训练计算，比较本次训练结果与真实信息的匹配度是否达到预设比例，若是则判定为训练完成，并将可重构网络矩阵单元的参数更新为当前的各个参数值；否则根据本次训练结果的匹配度相较于上一次训练结果的匹配度的差异，继续调整各个参数值，再次进行神经网络训练计算直至训练完成。所述真实信息是指输入至可重构网络矩阵单元的特征信息，可以是指纹特征信息、人脸特征信息，也可以是包含有指纹特征信息、人脸特征信息的图片等。例如可重构网络矩阵单元进行的是基于指纹识别功能的训练，则真实特征信息为指纹特征信息。神经网络训练计算过程，现有多种算法已有公开，此处不再赘述。在本实施方式中，参数值包括神经网络层数、各层神经网络的神经元数量、各层神经网络的卷积核值、卷积配置值、权值。
在某些实施例中，所述第二电子设备还包括任务分发单元123和状态监控单元。所述状态监控单元124用于检测可重构网络矩阵单元是否正在执行待测数据的识别计算，若是则任务分发单元123用于缓存第二通信单元接收到的待测数据；否则状态监控单元124从任务分发单元中获取待测数据，并传输至可重构网络矩阵单元进行识别计算。这样，当可重构网络矩阵单元正在对某一待测数据进行识别计算时，可以保证其不会再接收到新的待测数据，使得待测数据的识别有序进行，彼此不会发生重叠冲突。
在某些实施例中，所述第一电子设备还包括分配记录单元114。所述分配记录单元114用于存储分配记录信息，所述分配记录信息包括任务请求类型以及处理该任务类型的待测数据的第二电子设备的标识信息；所述第一处理单元111用于从分配记录单元114中读取分配记录信息，并根据分配记录信息依次从第一通信单元获取任务请求类型对应的计算结果数据并输出。
以图1为例，图中包含两个第二电子设备(A和B)，假设第二电子设备A的可重构网络矩阵单元用于处理语音数据，第二电子设备B的可重构网络矩阵单元用于处理人脸数据。当第一电子设备接收到语音数据和待测数据(即多组待测数据)时，确定待测数据的任务请求类型，即“语音识别”和“人脸识别”，而后通过查表获知标识信息为A的第二电子设备可用于对语音数据进行识别、标识信息为B的第二电子设备可用于对人脸数据进行识别，因而第一处理单元会通过第一通信单元将语音数据发送给第二电子设备A、将人脸数据发送给第二电子设备B。当第二电子设备A和第二电子设备B分别将计算结果数据发送回第一电子设备后，第一处理单元再根据分配记录信息获取任务请求类型对应的计算结果数据并输出。通过对分配记录信息进行存储，使得第一电子设备可以接收不同功能类型的待测数据，并通过与其他电子设备的交互对待测数据进行识别处理。
如图7所示，为本发明一实施例涉及的普通设备与人工智能设备交互方法的流程图。所述方法应用于普通设备与人工智能设备交互系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元；所述方法包括：
首先进入步骤S101第一处理单元接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息。
而后进入步骤S102第一通信单元根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；
而后进入步骤S103可重构网络矩阵单元接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；
而后进入步骤S104第一通信单元接收计算结果数据，并将计算结果数据传输至第一处理单元。第二电子设备为具有人工智能功能的电子设备，采用上述方法，第一电子设备可以通过与第二电子设备进行交互，从而实现人工智能功能。
在某些实施例中，所述第二电子设备还包括任务分发单元和状态监控单元；所述方法包括：状态监控单元检测可重构网络矩阵单元是否正在执行待测数据的识别计算，若是则任务分发单元缓存第二通信单元接收到的待测数据；否则状态监控单元从任务分发单元中获取待测数据，并传输至可重构网络矩阵单元进行识别计算。这样，当可重构网络矩阵单元正在对某一待测数据进行识别计算时，可以保证其不会再接收到新的待测数据，使得待测数据的识别有序进行，彼此不会发生重叠冲突。
在某些实施例中，所述第一电子设备还包括分配记录单元；所述方法包括：分配记录单元存储分配记录信息，所述分配记录信息包括任务请求类型以及处理该任务类型的待测数据的第二电子设备的标识信息；第一处理单元从分配记录单元中读取分配记录信息，并根据分配记录信息依次从第一通信单元获取任务请求类型对应的计算结果数据并输出。
上述技术方案所述的普通设备与人工智能设备交互方法和系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元。所述方法包括以下步骤：第一处理单元接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息；第一通信单元根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；可重构网络矩阵单元接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；第一通信单元接收计算结果数据，并将计算结果数据传输至第一处理单元。第一电子设备为本不具备人工智能功能的电子设备，当其接收到待测数据后，通过网络与具备人工智能功能的电子设备(即第二电子设备)建立连接，并将待测数据发送至第二电子设备以及接收第二电子设备发送的识别结果，从而使得用户在第一电子设备上也可以实现人工智能功能，有效提高了用户体验。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。
Claims (8)
1.一种普通设备与人工智能设备交互系统，其特征在于，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元；
所述第一处理单元用于接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息；
所述第一通信单元用于根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；
所述可重构网络矩阵单元用于接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；
所述第一通信单元用于接收计算结果数据，并将计算结果数据传输至第一处理单元。
2.如权利要求1所述的普通设备与人工智能设备交互系统，其特征在于，所述第二电子设备还包括任务分发单元和状态监控单元；
所述状态监控单元用于检测可重构网络矩阵单元是否正在执行待测数据的识别计算，若是则任务分发单元用于缓存第二通信单元接收到的待测数据；否则状态监控单元从任务分发单元中获取待测数据，并传输至可重构网络矩阵单元进行识别计算。
3.如权利要求1所述的普通设备与人工智能设备交互系统，其特征在于，所述第一电子设备还包括分配记录单元；
所述分配记录单元用于存储分配记录信息，所述分配记录信息包括任务请求类型以及处理该任务类型的待测数据的第二电子设备的标识信息；
所述第一处理单元用于从分配记录单元中读取分配记录信息，并根据分配记录信息依次从第一通信单元获取任务请求类型对应的计算结果数据并输出。
4.如权利要求1所述的普通设备与人工智能设备交互系统，其特征在于，所述可重构网络矩阵单元包括互联矩阵单元、累加器单元、缓存单元、升级单元、激活函数单元、累加器配置单元；所述累加器单元、缓存单元、升级单元、激活函数单元分别与互联矩阵单元连接，所述累加器单元与累加器配置单元连接；所述累加器单元包括多个不同精度的累加器；所述缓存单元用于存储参数连接信息；
所述累加器配置单元用于配置识别计算的累加器精度；
所述互联矩阵单元用于根据参数连接信息对累加器单元、升级单元、激活函数单元进行互联，从而形成对应的神经网络结构。
5.一种普通设备与人工智能设备交互方法，其特征在于，所述方法应用于普通设备与人工智能设备交互系统，所述系统包括第一电子设备和第二电子设备，所述第一电子设备包括第一处理单元、第一存储单元和第一通信单元；所述第二电子设备包括第二通信单元和可重构网络矩阵单元；所述方法包括：
第一处理单元接收待测数据，确定任务请求类型，并根据第一存储单元中存储的任务请求类型与第二电子设备的标识信息的对应关系，确定接收的待测数据对应的第二电子设备的标识信息；
第一通信单元根据第二电子设备的标识信息，与第二电子设备建立通信连接，并将待测数据发送至第二通信单元；
可重构网络矩阵单元接收第二通信单元发送的待测数据，并对待测数据进行识别计算，以及将计算结果数据通过第二通信单元发送至第一电子设备；
第一通信单元接收计算结果数据，并将计算结果数据传输至第一处理单元。
6.如权利要求5所述的普通设备与人工智能设备交互方法，其特征在于，所述第二电子设备还包括任务分发单元和状态监控单元；所述方法包括：
状态监控单元检测可重构网络矩阵单元是否正在执行待测数据的识别计算，若是则任务分发单元缓存第二通信单元接收到的待测数据；否则状态监控单元从任务分发单元中获取待测数据，并传输至可重构网络矩阵单元进行识别计算。
7.如权利要求5所述的普通设备与人工智能设备交互方法，其特征在于，所述第一电子设备还包括分配记录单元；所述方法包括：
分配记录单元存储分配记录信息，所述分配记录信息包括任务请求类型以及处理该任务类型的待测数据的第二电子设备的标识信息；
第一处理单元从分配记录单元中读取分配记录信息，并根据分配记录信息依次从第一通信单元获取任务请求类型对应的计算结果数据并输出。
8.如权利要求5所述的普通设备与人工智能设备交互方法，其特征在于，所述可重构网络矩阵单元包括互联矩阵单元、累加器单元、缓存单元、升级单元、激活函数单元、累加器配置单元；所述累加器单元、缓存单元、升级单元、激活函数单元分别与互联矩阵单元连接，所述累加器单元与累加器配置单元连接；所述累加器单元包括多个不同精度的累加器；所述缓存单元用于存储参数连接信息；所述方法包括：
累加器配置单元配置识别计算的累加器精度；
互联矩阵单元根据参数连接信息对累加器单元、升级单元、激活函数单元进行互联，从而形成对应的神经网络结构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711117684.3A CN107968817A (zh) | 2017-11-13 | 2017-11-13 | 一种普通设备与人工智能设备交互方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711117684.3A CN107968817A (zh) | 2017-11-13 | 2017-11-13 | 一种普通设备与人工智能设备交互方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107968817A true CN107968817A (zh) | 2018-04-27 |
Family
ID=62001079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711117684.3A Pending CN107968817A (zh) | 2017-11-13 | 2017-11-13 | 一种普通设备与人工智能设备交互方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107968817A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110718215A (zh) * | 2018-07-13 | 2020-01-21 | 深圳市优必选科技有限公司 | 终端的控制方法、控制装置及终端 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102244918A (zh) * | 2010-05-12 | 2011-11-16 | 华为技术有限公司 | 一种实现网络认知的方法及装置 |
| US8355912B1 (en) * | 2000-05-04 | 2013-01-15 | International Business Machines Corporation | Technique for providing continuous speech recognition as an alternate input device to limited processing power devices |
| CN103604273A (zh) * | 2013-11-13 | 2014-02-26 | 四川长虹电器股份有限公司 | 智能冰箱食品管理的方法 |
| CN104092775A (zh) * | 2014-07-24 | 2014-10-08 | 福州瑞芯微电子有限公司 | 智能家电自学习方法和系统 |
| CN106775599A (zh) * | 2017-01-09 | 2017-05-31 | 南京工业大学 | 递归神经网络的多计算单元粗粒度可重构系统及方法 |
| CN107181825A (zh) * | 2017-07-07 | 2017-09-19 | 广东中星电子有限公司 | 终端设备数据的在线处理方法 |
-
2017
- 2017-11-13 CN CN201711117684.3A patent/CN107968817A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8355912B1 (en) * | 2000-05-04 | 2013-01-15 | International Business Machines Corporation | Technique for providing continuous speech recognition as an alternate input device to limited processing power devices |
| CN102244918A (zh) * | 2010-05-12 | 2011-11-16 | 华为技术有限公司 | 一种实现网络认知的方法及装置 |
| CN103604273A (zh) * | 2013-11-13 | 2014-02-26 | 四川长虹电器股份有限公司 | 智能冰箱食品管理的方法 |
| CN104092775A (zh) * | 2014-07-24 | 2014-10-08 | 福州瑞芯微电子有限公司 | 智能家电自学习方法和系统 |
| CN106775599A (zh) * | 2017-01-09 | 2017-05-31 | 南京工业大学 | 递归神经网络的多计算单元粗粒度可重构系统及方法 |
| CN107181825A (zh) * | 2017-07-07 | 2017-09-19 | 广东中星电子有限公司 | 终端设备数据的在线处理方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110718215A (zh) * | 2018-07-13 | 2020-01-21 | 深圳市优必选科技有限公司 | 终端的控制方法、控制装置及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107783840A (zh) | 一种分布式多层深度学习资源分配方法和装置 | |
| CN107800572A (zh) | 一种基于神经网络升级设备的方法和装置 | |
| CN108549934A (zh) | 一种基于自动集群神经网络芯片组的运算方法和装置 | |
| US7143149B2 (en) | Dynamic operator functions based on operator position | |
| CN109508789A (zh) | 预测手牌的方法、存储介质、处理器以及设备 | |
| CN109918205A (zh) | 一种边缘设备调度方法、系统、装置及计算机存储介质 | |
| US6418423B1 (en) | Method and apparatus for executing neural network applications on a network of embedded devices | |
| CN103064743B (zh) | 一种用于多机器人的资源调度方法及其资源调度系统 | |
| CN1985729A (zh) | 电饭煲的烹饪菜单信息处理系统 | |
| CN111680904A (zh) | 采购方案的获取方法和装置及存储介质 | |
| CN111290352A (zh) | 烘焙控制方法及相关产品 | |
| CN104836713A (zh) | 用于车辆电子控制器的测量标定方法、装置及系统 | |
| CN108388512A (zh) | 数据处理方法和服务器 | |
| CN106899656B (zh) | 设备控制方法和装置 | |
| CN110033016A (zh) | 数字键盘识别模型的训练方法、数字键盘识别方法及系统 | |
| CN109905257A (zh) | 带宽传输能力的确定方法和装置 | |
| CN109699002A (zh) | 一种室内WiFi定位方法、装置及终端设备 | |
| CN111044162B (zh) | 一种温度自适应输出装置及设备 | |
| CN107968817A (zh) | 一种普通设备与人工智能设备交互方法和系统 | |
| CN107994570A (zh) | 一种基于神经网络的状态估计方法及系统 | |
| CN108694263A (zh) | 依压力侦测结果定制化产品的方法 | |
| CN108647139A (zh) | 系统的测试方法、装置、存储介质及电子装置 | |
| CN107688932A (zh) | 支付平台的调取方法、装置及移动终端 | |
| CN107818522A (zh) | 用户电力情况查询方法及终端设备 | |
| CN109388598A (zh) | 一种信息处理方法及通用串行总线usb集群服务器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180427 |