CN114185739A - 一种基于人工智能深度学习的监管数据处理实现方法 - Google Patents

一种基于人工智能深度学习的监管数据处理实现方法 Download PDF

Info

Publication number
CN114185739A
CN114185739A CN202111501264.1A CN202111501264A CN114185739A CN 114185739 A CN114185739 A CN 114185739A CN 202111501264 A CN202111501264 A CN 202111501264A CN 114185739 A CN114185739 A CN 114185739A
Authority
CN
China
Prior art keywords
data
artificial intelligence
database
deep learning
network
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
Application number
CN202111501264.1A
Other languages
English (en)
Inventor
盛玉明
杜春国
张国来
彭锟
白存忠
骞巍
刘莎莎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PowerChina Resources Ltd
Original Assignee
PowerChina Resources Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PowerChina Resources Ltd filed Critical PowerChina Resources Ltd
Priority to CN202111501264.1A priority Critical patent/CN114185739A/zh
Publication of CN114185739A publication Critical patent/CN114185739A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3068—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data format conversion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于人工智能深度学习的监管数据处理实现方法，包括云计算网络、人工智能处理模块、云端数据库和数据库，所述人工智能处理模块对数据库内信息进行采集和监控，所述人工智能模块通过云计算网络对从数据库中采集的数据进行对比捕捉和整理，处理后数据通过无线通讯发送至云端数据库进行备份处理，并且在云端数据库中生成相应的数据报表，所述云端数据库将生成的数据报表反馈至数据库中进行存储，本发明涉及一种基于人工智能深度学习的监管数据处理实现方法，结合人工智能算法对数据库内数据进行实时智能监管和处理。

Description

一种基于人工智能深度学习的监管数据处理实现方法
技术领域
本发明涉及数据监控领域，具体为一种基于人工智能深度学习的监管数据处理实现方法。
背景技术
工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
随着网络科技的不断发展进步，大数据时代也逐渐到来，大数据是指一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。传统的数据处理模式已经难以适应现有的大数据时代下的数据监管和处理。由此设计一种结合有人工智能，进行数据自动监管和处理的方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于人工智能深度学习的监管数据处理实现方法，以解决上述背景技术中提出的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于人工智能深度学习的监管数据处理实现方法，包括云计算网络、人工智能处理模块、云端数据库和数据库，所述人工智能处理模块对数据库内信息进行采集和监控，所述人工智能模块通过云计算网络对从数据库中采集的数据进行对比捕捉和整理，处理后数据通过无线通讯发送至云端数据库进行备份处理，并且在云端数据库中生成相应的数据报表，所述云端数据库将生成的数据报表反馈至数据库中进行存储。
优选的，所述人工智能处理模板包括数据监控、数据采集和数据处理。
优选的，所述云计算网络包括深度学习单元、数据对比网络和远程数据捕捉。
优选的，所述远程捕捉网络实时由云端数据库中捕获与所需处理信息的同类或相似数据信息，并通过数据对比网络将数据进行对比，判断是否有异常值。
优选的，所述深度学习网络具体为卷积神经网络，通过对卷积神经网络进行建模后不断模拟训练，实现数据的捕捉和处理，所述数据处理指对数据的正常以及异常值借助数据对比网络进行区分判断，并做相应的处理。
优选的，所述数据库内设有本地存储空间和网络存储空间，所述本地存储空间存储原始数据信息供人工智能处理模块读取，网络存储空间存储备份远程数据库处理后的数据报表。
优选的，所述数据库本地存储空间内原始数据设有数据保护，所述本地存储空间内数据仅供人工智能处理模块读取，且所述本地存储空间内原始数据写入后无法更改。
优选的，所述云端数据库包含有数据报表处理和远程数据库，所述数据报表处理对人工智能处理模块处理后数据进行分类后生成相应的数据报表格式。
优选的，所述远程网络数据库中包含有至少一组人工智能处理模块数据采集采集到的原始记录。
优选的，一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：包括如下步骤：
第一步：人工智能处理模块采集数据库内信息并对数据进行监控对比；
第二步：监控后数据发送至云计算网络，进行类比分析以及深度学习处理；
第三步：分析处理后数据发送至人工智能处理模块进行数据处理；
第四步：数据处理后发送到云端数据库，云端数据库对数据进行汇总生成报表，并或者远程网络数据库；
第五步：数据报表发送至数据备份中心进行备份。
(三)有益效果
本发明提供了一种基于人工智能深度学习的监管数据处理实现方法，具备以下有益效果：
利用人工智能的卷积神经元算法构建虚拟模型对数据进行采集和处理，同时借助云计算和云端数据库进行数据类比，通过人工智能处理模块实现对数据库数据的自动监控和处理，同时监控数据在进过处理后会生成一份数据报表存储在数据库中，且数据报表和采用数据实时存储与云端数据库中便于查阅。
附图说明
图1为本发明的系统框图；
图2为本发明的人工智能处理模块结构框图；
图3为本发明的云计算网络和云端数据库结构框图；
图4为本发明数据库监控处理的流程框图。
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
本发明实施例提供一种基于人工智能深度学习的监管数据处理实现方法，包括云计算网络、人工智能处理模块、云端数据库和数据库，人工智能处理模块对数据库内信息进行采集和监控，人工智能模块通过云计算网络对从数据库中采集的数据进行对比捕捉和整理，处理后数据通过无线通讯发送至云端数据库进行备份处理，并且在云端数据库中生成相应的数据报表，云端数据库将生成的数据报表反馈至数据库中进行存储。
人工智能处理模板包括数据监控、数据采集和数据处理，云计算网络包括深度学习单元、数据对比网络和远程数据捕捉，远程捕捉网络实时由云端数据库中捕获与所需处理信息的同类或相似数据信息，并通过数据对比网络将数据进行对比，判断是否有异常值，深度学习网络具体为卷积神经网络，通过对卷积神经网络进行建模后不断模拟训练，实现数据的捕捉和处理，数据处理指对数据的正常以及异常值借助数据对比网络进行区分判断，并做相应的处理，数据库内设有本地存储空间和网络存储空间，本地存储空间存储原始数据信息供人工智能处理模块读取，网络存储空间存储备份远程数据库处理后的数据报表，数据库本地存储空间内原始数据设有数据保护，本地存储空间内数据仅供人工智能处理模块读取，且本地存储空间内原始数据写入后无法更改，云端数据库包含有数据报表处理和远程数据库，数据报表处理对人工智能处理模块处理后数据进行分类后生成相应的数据报表格式，远程网络数据库中包含有至少一组人工智能处理模块数据采集采集到的原始记录。
一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：包括如下步骤
第一步：人工智能处理模块采集数据库内信息并对数据进行监控对比；
第二步：监控后数据发送至云计算网络，进行类比分析以及深度学习处理；
第三步：分析处理后数据发送至人工智能处理模块进行数据处理；
第四步：数据处理后发送到云端数据库，云端数据库对数据进行汇总生成报表，并或者远程网络数据库；
第五步：数据报表发送至数据备份中心进行备份。
综上，本发明利用人工智能的卷积神经元算法构建虚拟模型对数据进行采集和处理，同时借助云计算和云端数据库进行数据类比，通过人工智能处理模块实现对数据库数据的自动监控和处理，同时监控数据在进过处理后会生成一份数据报表存储在数据库中，且数据报表和采用数据实时存储与云端数据库中便于查阅。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于人工智能深度学习的监管数据处理实现方法，包括云计算网络、人工智能处理模块、云端数据库和数据库，其特征在于：所述人工智能处理模块对数据库内信息进行采集和监控，所述人工智能模块通过云计算网络对从数据库中采集的数据进行对比捕捉和整理，处理后数据通过无线通讯发送至云端数据库进行备份处理，并且在云端数据库中生成相应的数据报表，所述云端数据库将生成的数据报表反馈至数据库中进行存储。
2.根据权利要求1所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述人工智能处理模板包括数据监控、数据采集和数据处理。
3.根据权利要求2所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述云计算网络包括深度学习单元、数据对比网络和远程数据捕捉。
4.根据权利要求3所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述远程捕捉网络实时由云端数据库中捕获与所需处理信息的同类或相似数据信息，并通过数据对比网络将数据进行对比，判断是否有异常值。
5.根据权利要求3所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述深度学习网络具体为卷积神经网络，通过对卷积神经网络进行建模后不断模拟训练，实现数据的捕捉和处理，所述数据处理指对数据的正常以及异常值借助数据对比网络进行区分判断，并做相应的处理。
6.根据权利要求1所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述数据库内设有本地存储空间和网络存储空间，所述本地存储空间存储原始数据信息供人工智能处理模块读取，网络存储空间存储备份远程数据库处理后的数据报表。
7.根据权利要求6所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述数据库本地存储空间内原始数据设有数据保护，所述本地存储空间内数据仅供人工智能处理模块读取，且所述本地存储空间内原始数据写入后无法更改。
8.根据权利要求1所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述云端数据库包含有数据报表处理和远程数据库，所述数据报表处理对人工智能处理模块处理后数据进行分类后生成相应的数据报表格式。
9.根据权利要求8所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：所述远程网络数据库中包含有至少一组人工智能处理模块数据采集采集到的原始记录。
10.根据权利要求1所述的一种基于人工智能深度学习的监管数据处理实现方法，其特征在于：包括如下步骤
第一步：人工智能处理模块采集数据库内信息并对数据进行监控对比；
第二步：监控后数据发送至云计算网络，进行类比分析以及深度学习处理；
第三步：分析处理后数据发送至人工智能处理模块进行数据处理；
第四步：数据处理后发送到云端数据库，云端数据库对数据进行汇总生成报表，并或者远程网络数据库；
第五步：数据报表发送至数据备份中心进行备份。
CN202111501264.1A 2021-12-09 2021-12-09 一种基于人工智能深度学习的监管数据处理实现方法 Pending CN114185739A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111501264.1A CN114185739A (zh) 2021-12-09 2021-12-09 一种基于人工智能深度学习的监管数据处理实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111501264.1A CN114185739A (zh) 2021-12-09 2021-12-09 一种基于人工智能深度学习的监管数据处理实现方法

Publications (1)

Publication Number Publication Date
CN114185739A true CN114185739A (zh) 2022-03-15

Family

ID=80604093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111501264.1A Pending CN114185739A (zh) 2021-12-09 2021-12-09 一种基于人工智能深度学习的监管数据处理实现方法

Country Status (1)

Country Link
CN (1) CN114185739A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862376A (zh) * 2022-07-07 2022-08-05 深圳市泽维电子科技有限公司 一种多维信息采集协同管理方法、管理系统及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862376A (zh) * 2022-07-07 2022-08-05 深圳市泽维电子科技有限公司 一种多维信息采集协同管理方法、管理系统及存储介质

Similar Documents

Publication Publication Date Title
CN108216252B (zh) 一种地铁司机车载驾驶行为分析方法、车载终端及系统
CN111337768B (zh) 变压器油中溶解气体的深度并行故障诊断方法及系统
US8868985B2 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
CN103630244B (zh) 电力系统设备故障诊断方法及系统
WO2019028592A1 (zh) 一种教学辅助方法及采用该方法的教学辅助系统
CN103617469A (zh) 电力系统设备故障预测方法及系统
CN113707264A (zh) 基于机器学习的药物推荐方法、装置、设备及介质
CN110379036A (zh) 变电站智能巡检识别方法、系统、装置及存储介质
CN114185739A (zh) 一种基于人工智能深度学习的监管数据处理实现方法
CN110634557B (zh) 一种基于深度神经网络的医护资源辅助调配方法及系统
CN114817681A (zh) 一种基于大数据分析的金融风控系统及其管理设备
CN111931748B (zh) 一种适用于蓄电池生产车间的工人疲劳度检测方法
CN117333038A (zh) 一种基于大数据的经济趋势分析系统
CN106649034A (zh) 一种可视化智能运维方法及平台
CN110837859A (zh) 一种融合多维度医疗数据的肿瘤精细分类系统及方法
CN116013508A (zh) 一种用于眼科的数据采集系统及方法
CN115658772A (zh) 一种无人机光伏巡检数据类资产管理方法及系统
CN113724853A (zh) 一种基于深度学习的智慧医疗系统
CN111738335A (zh) 一种基于神经网络的时间序列数据异常检测方法
CN112200030A (zh) 基于图卷积的电力系统现场作业动作风险识别方法
CN116313019B (zh) 一种基于人工智能的医疗护理数据处理方法及系统
CN117424791B (zh) 一种大型电力通信网络故障诊断系统
Meyers Stochastic and Dynamic Network Analytics
CN117892183B (zh) 一种基于可靠迁移学习的脑电信号识别方法及系统
Pita et al. On the application of unsupervised clustering to sound pressure data from an acoustic sensors network

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