CN110472723A - 一种机器模拟人脑学习和工作的人工智能方法 - Google Patents
一种机器模拟人脑学习和工作的人工智能方法 Download PDFInfo
- Publication number
- CN110472723A CN110472723A CN201810438300.6A CN201810438300A CN110472723A CN 110472723 A CN110472723 A CN 110472723A CN 201810438300 A CN201810438300 A CN 201810438300A CN 110472723 A CN110472723 A CN 110472723A
- Authority
- CN
- China
- Prior art keywords
- class
- information
- subject
- library
- language
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 33
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000004088 simulation Methods 0.000 title claims abstract description 14
- 229910002056 binary alloy Inorganic materials 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000000739 chaotic effect Effects 0.000 claims description 4
- 239000004615 ingredient Substances 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 6
- 230000001149 cognitive effect Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Robotics (AREA)
- Machine Translation (AREA)
Abstract
本发明公布提供了一种机器模拟人脑学习和工作的人工智能方法，属于人工智能领域。包括建立计算机本体类脑知识库、语义信息获取、判断推理计算、智能程序生成、智能程序执行；建立计算机本体类脑知识库：该本体类脑知识库包括词库、资源库、类库、信息管理库和分类库，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；资源库，用于存储上述场景或事件的信息资源；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两个逻辑单元。本发明公布以人工的方法将人脑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。
Description
技术领域
本发明公布涉及一种人工智能方法，具体是一种机器模拟人脑学习和工作的人工智能方法。
背景技术
目前，工智能(ArtificialIntelligence，AI)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，但是现有的人工智能机器人不具备人大脑的学习功能，只能利用提前输入的信息，或者链接网络进行查找，利用网络数据时，由于网络数据较大，即时搜索比较耗费时间，同时结果不够准确，所以不够精密，对很多问题不具备学习再处理的能力，不能满足现在人的需求，若能使机器能够不断学习，会对处理问题提供很大的帮助，提高识别速度。
发明内容
针对上述现有技术的不足，本发明公布要解决的技术问题是提供一种人工智能领域的一种机器模拟人脑学习和工作的人工智能方法。
为解决上述技术问题，本发明公布提供了如下技术方案：
一种机器模拟人脑学习和工作的人工智能方法，包括建立计算机本体类脑知识库、语义信息获取、判断推理计算、智能程序生成、智能程序执行；
(1)建立计算机本体类脑知识库：该本体类脑知识库包括词库、资源库、类库、信息管理库和分类库，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；资源库，用于存储上述场景或事件的信息资源；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两个逻辑单元；信息管理库便于存储所述类库、资源库和词库三者之间对应关系；而分类库便于将收集的信息分类至词库、资源库和类库中防止信息资源混乱；
(2)语义信息获取：利用红外发生器、红外接收器或者模数转换器对外侧书籍或者显示屏每一页进行扫描记录，并且将图片保存，将图片上端的信息进行语言转化，并且将语言转化后的信息重新进行保存，其中获取包括主、谓语程序单元的程序语言和计算机类库中对应的两个逻辑单元，其中一个逻辑单元对应主语程序单元，另一个逻辑单元对应谓语程序单元，对应完成后将信息存储至分类库中；
(3)判断推理计算：第一步，将所述主、谓语程序单元与类库中对应的两个逻辑单元分别比较，产生比较值；第二步，将该比较值与所述主、谓语程序单元的语义性质值进行同或计算，得到为真或为假的可真判定值；第三步，将主、谓语程序单元的上述语义性质值再与所述可真判定值进行同或计算，得到必真判定值；第四步，计算得到必真判定值后，以该必真判定值为前提条件推理计算出后件，得到推理结论；
(4)智能程序生成：将所述主、谓语程序单元的字符串代码分别与类库中对应的两个逻辑单元的字符串代码进行比较，比较结果完全相同，产生与所述主、谓语程序单元的语义性质值相同的二进制比较值；比较不完全相同，产生与所述主、谓语程序单元的语义性质值相反的二进制比较值，完成后生成智能程序；
(5)智能程序执行：智能程序生成后，机械依据智能程序对外界进行执行命令。
作为本发明公布进一步的改进方案：步骤一中信息管理库便于存储所述类库、资源库和词库三者之间对应关系。
作为本发明公布再进一步的改进方案：步骤二中利用红外发生器、红外接收器或者模数转换器对外侧书籍或者显示屏每一页进行扫描记录。
作为本发明公布再进一步的改进方案：步骤三中第四步，计算得到必真判定值后，以该必真判定值为前提条件推理计算出后件，得到推理结论。
作为本发明公布再进一步的改进方案：步骤五中智能程序生成后，机械依据智能程序对外界进行执行命令。
与现有技术相比，本发明公布的有益效果是：
本发明公布以人工的方法将人脑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，实现机器模拟人脑的智力功能进行学习和工作，形成了类脑人工智能系统。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
实施例1：
本实施例提供了一种机器模拟人脑学习和工作的人工智能方法，包括建立计算机本体类脑知识库、语义信息获取、判断推理计算、智能程序生成、智能程序执行；
(1)建立计算机本体类脑知识库：该本体类脑知识库包括词库、资源库、类库、信息管理库和分类库，其中：词库，用于存储以自然语言表示场景的词语及与词语对应的词性；资源库，用于存储上述场景或事件的信息资源；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两个逻辑单元；信息管理库便于存储所述类库、资源库和词库三者之间对应关系；而分类库便于将收集的信息分类至词库、资源库和类库中防止信息资源混乱；
(2)语义信息获取：利用红外发生器对外侧书籍或者显示屏每一页进行扫描记录，并且将图片保存，将图片上端的信息进行语言转化，并且将语言转化后的信息重新进行保存，其中获取包括主、谓语程序单元的程序语言和计算机类库中对应的两个逻辑单元，其中一个逻辑单元对应主语程序单元，另一个逻辑单元对应谓语程序单元，对应完成后将信息存储至分类库中；
(3)判断推理计算：第一步，将所述主、谓语程序单元与类库中对应的两个逻辑单元分别比较，产生比较值；第二步，将该比较值与所述主、谓语程序单元的语义性质值进行同或计算，得到为真或为假的可真判定值；第三步，将主、谓语程序单元的上述语义性质值再与所述可真判定值进行同或计算，得到必真判定值；第四步，计算得到必真判定值后，以该必真判定值为前提条件推理计算出后件，得到推理结论；
(4)智能程序生成：将所述主、谓语程序单元的字符串代码分别与类库中对应的两个逻辑单元的字符串代码进行比较，比较结果完全相同，产生与所述主、谓语程序单元的语义性质值相同的二进制比较值；比较不完全相同，产生与所述主、谓语程序单元的语义性质值相反的二进制比较值，完成后生成智能程序；
(5)智能程序执行：智能程序生成后，机械依据智能程序对外界进行执行命令。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下做出各种变化。
实施例2
本实施例提供了一种机器模拟人脑学习和工作的人工智能方法，包括建立计算机本体类脑知识库、语义信息获取、判断推理计算、智能程序生成、智能程序执行；
(1)建立计算机本体类脑知识库：该本体类脑知识库包括词库、资源库、类库、信息管理库和分类库，其中：词库，用于存储以自然语言表示事件的词语及与词语对应的词性；资源库，用于存储上述场景或事件的信息资源；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两个逻辑单元；信息管理库便于存储所述类库、资源库和词库三者之间对应关系；而分类库便于将收集的信息分类至词库、资源库和类库中防止信息资源混乱；
(2)语义信息获取：利用红外接收器对外侧书籍或者显示屏每一页进行扫描记录，并且将图片保存，将图片上端的信息进行语言转化，并且将语言转化后的信息重新进行保存，其中获取包括主、谓语程序单元的程序语言和计算机类库中对应的两个逻辑单元，其中一个逻辑单元对应主语程序单元，另一个逻辑单元对应谓语程序单元，对应完成后将信息存储至分类库中；
(3)判断推理计算：第一步，将所述主、谓语程序单元与类库中对应的两个逻辑单元分别比较，产生比较值；第二步，将该比较值与所述主、谓语程序单元的语义性质值进行同或计算，得到为真或为假的可真判定值；第三步，将主、谓语程序单元的上述语义性质值再与所述可真判定值进行同或计算，得到必真判定值；第四步，计算得到必真判定值后，以该必真判定值为前提条件推理计算出后件，得到推理结论；
(4)智能程序生成：将所述主、谓语程序单元的字符串代码分别与类库中对应的两个逻辑单元的字符串代码进行比较，比较结果完全相同，产生与所述主、谓语程序单元的语义性质值相同的二进制比较值；比较不完全相同，产生与所述主、谓语程序单元的语义性质值相反的二进制比较值，完成后生成智能程序；
(5)智能程序执行：智能程序生成后，机械依据智能程序对外界进行执行命令。
Claims (5)
1.一种机器模拟人脑学习和工作的人工智能方法，包括建立计算机本体类脑知识库、语义信息获取、判断推理计算、智能程序生成、智能程序执行；其特征是，具体包括以下步骤：
(1)建立计算机本体类脑知识库：该本体类脑知识库包括词库、资源库、类库、信息管理库和分类库，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；资源库，用于存储上述场景或事件的信息资源；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两个逻辑单元；信息管理库便于存储所述类库、资源库和词库三者之间对应关系；而分类库便于将收集的信息分类至词库、资源库和类库中防止信息资源混乱；
(2)语义信息获取：利用红外发生器、红外接收器或者模数转换器对外侧书籍或者显示屏每一页进行扫描记录，并且将图片保存，将图片上端的信息进行语言转化，并且将语言转化后的信息重新进行保存，其中获取包括主、谓语程序单元的程序语言和计算机类库中对应的两个逻辑单元，其中一个逻辑单元对应主语程序单元，另一个逻辑单元对应谓语程序单元，对应完成后将信息存储至分类库中；
(3)判断推理计算：第一步，将所述主、谓语程序单元与类库中对应的两个逻辑单元分别比较，产生比较值；第二步，将该比较值与所述主、谓语程序单元的语义性质值进行同或计算，得到为真或为假的可真判定值；第三步，将主、谓语程序单元的上述语义性质值再与所述可真判定值进行同或计算，得到必真判定值；第四步，计算得到必真判定值后，以该必真判定值为前提条件推理计算出后件，得到推理结论；
(4)智能程序生成：将所述主、谓语程序单元的字符串代码分别与类库中对应的两个逻辑单元的字符串代码进行比较，比较结果完全相同，产生与所述主、谓语程序单元的语义性质值相同的二进制比较值；比较不完全相同，产生与所述主、谓语程序单元的语义性质值相反的二进制比较值，完成后生成智能程序；
(5)智能程序执行：智能程序生成后，机械依据智能程序对外界进行执行命令。
2.根据权利要求1所述的一种机器模拟人脑学习和工作的人工智能方法，其特征是，步骤一中信息管理库便于存储所述类库、资源库和词库三者之间对应关系。
3.根据权利要求1所述的一种机器模拟人脑学习和工作的人工智能方法，其特征是，步骤二中利用红外发生器、红外接收器或者模数转换器对外侧书籍或者显示屏每一页进行扫描记录。
4.根据权利要求1所述的一种机器模拟人脑学习和工作的人工智能方法，其特征是，步骤三中第四步，计算得到必真判定值后，以该必真判定值为前提条件推理计算出后件，得到推理结论。
5.根据权利要求1所述的一种机器模拟人脑学习和工作的人工智能方法，其特征是，步骤五中智能程序生成后，机械依据智能程序对外界进行执行命令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810438300.6A CN110472723A (zh) | 2018-05-09 | 2018-05-09 | 一种机器模拟人脑学习和工作的人工智能方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810438300.6A CN110472723A (zh) | 2018-05-09 | 2018-05-09 | 一种机器模拟人脑学习和工作的人工智能方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110472723A true CN110472723A (zh) | 2019-11-19 |
Family
ID=68503514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810438300.6A Pending CN110472723A (zh) | 2018-05-09 | 2018-05-09 | 一种机器模拟人脑学习和工作的人工智能方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110472723A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111260075A (zh) * | 2020-01-10 | 2020-06-09 | 厦门驿全智能科技有限公司 | 机器模拟待模拟目标学习和工作的人工智能方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160154631A1 (en) * | 2013-07-12 | 2016-06-02 | Bryant G. CRUSE | Method and system for machine comprehension |
| CN107169569A (zh) * | 2017-04-17 | 2017-09-15 | 湖南本体信息科技研究有限公司 | 一种逻辑推理机、机器模拟人脑学习和工作的方法及人工智能系统 |
-
2018
- 2018-05-09 CN CN201810438300.6A patent/CN110472723A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160154631A1 (en) * | 2013-07-12 | 2016-06-02 | Bryant G. CRUSE | Method and system for machine comprehension |
| CN107169569A (zh) * | 2017-04-17 | 2017-09-15 | 湖南本体信息科技研究有限公司 | 一种逻辑推理机、机器模拟人脑学习和工作的方法及人工智能系统 |
Non-Patent Citations (2)
| Title |
|---|
| 朱宝荣: "计算机模拟的认知功能及其可能性", 《自然辩证法研究》 * |
| 苏远平等: "人脑模型知识体系结构探讨", 《电脑知识与技术》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111260075A (zh) * | 2020-01-10 | 2020-06-09 | 厦门驿全智能科技有限公司 | 机器模拟待模拟目标学习和工作的人工智能方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109947954A (zh) | 多任务协同识别方法及系统 | |
| Liu et al. | Sign language recognition with long short-term memory | |
| CN114064918B (zh) | 一种多模态事件知识图谱构建方法 | |
| CN112288075B (zh) | 一种数据处理方法及相关设备 | |
| CN111897941A (zh) | 对话生成方法、网络训练方法、装置、存储介质及设备 | |
| CN101187990A (zh) | 一种会话机器人系统 | |
| CN111339269A (zh) | 模板自动生成的知识图谱问答训练及应用服务系统 | |
| CN110414837A (zh) | 基于错因分析的人机交互系统 | |
| Chandiok et al. | CIT: Integrated cognitive computing and cognitive agent technologies based cognitive architecture for human-like functionality in artificial systems | |
| CN111597816A (zh) | 一种自注意力命名实体识别方法、装置、设备及存储介质 | |
| CN116662522B (zh) | 问题答案推荐方法、存储介质和电子设备 | |
| CN110472723A (zh) | 一种机器模拟人脑学习和工作的人工智能方法 | |
| Nair et al. | Enabling remote school education using knowledge graphs and deep learning techniques | |
| CN113378826B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN110197521A (zh) | 基于语义结构表示的视觉文本嵌入方法 | |
| CN115759262A (zh) | 基于知识感知注意力网络的视觉常识推理方法及系统 | |
| CN115098687A (zh) | 面向电力sdh光传输系统调度运行的告警排查方法及装置 | |
| CN115018215A (zh) | 基于多模态认知图谱的人口居住预测方法、系统和介质 | |
| CN112052320A (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
| Herman | Parables of narrative imagining | |
| Grif et al. | Recognition of signs and movement epentheses in Russian Sign Language | |
| Singh et al. | Recognition of Natural Language Processing to Manage Digital Electronic Applications. | |
| CN117711001B (zh) | 图像处理方法、装置、设备和介质 | |
| Lin | Research on the Teaching Method of College Students’ Education Based on Visual Question Answering Technology | |
| Zhang et al. | A Multi-Layer Attention Network for Visual Commonsense Reasoning |
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 |
Application publication date: 20191119 |
|
| RJ01 | Rejection of invention patent application after publication |