CN116800762A - 一种基于人工智能的数据识别系统及方法 - Google Patents
一种基于人工智能的数据识别系统及方法 Download PDFInfo
- Publication number
- CN116800762A CN116800762A CN202310755979.2A CN202310755979A CN116800762A CN 116800762 A CN116800762 A CN 116800762A CN 202310755979 A CN202310755979 A CN 202310755979A CN 116800762 A CN116800762 A CN 116800762A
- Authority
- CN
- China
- Prior art keywords
- artificial
- artificial intelligence
- artificial intelligent
- processing
- intelligent device
- 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 100
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 115
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 11
- 230000010365 information processing Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000003872 anastomosis Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 208000013407 communication difficulty Diseases 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1034—Reaction to server failures by a load balancer
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
-
- 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
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明公开了一种基于人工智能的数据识别系统及方法,适用于多智能体系统,属于计算机技术领域。本发明通过利用第一人工智能设备进行接收处理指令,与数据处理请求的输入指令进行匹配;当第一人工智能设备所有处理指令都不能和输入指令匹配时,发送匹配请求至第二人工智能设备;第二人工智能设备进行接收处理指令,与输入指令进行匹配,将第二人工智能设备进行匹配处理后的数据发送第一人工智能设备;第一人工智能设备输出结果,存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,其他智能设备自行处理,能够避免出现数据孤岛的情况。
Description
技术领域
本发明涉及计算机技术领域,具体为一种基于人工智能的数据识别系统及方法。
背景技术
人工智能本身是一门综合性的前沿学科,研究范畴十分广泛且异常复杂,其发展需要与各个学科深度融合。随着技术不断走向成熟,产业合作的时代正在到来,但在一些实际应用中,就会有一些问题暴露,其中,“数据孤岛”正是应用过程中最典型的问题。目前的人工智能高度依赖数据,但数据积累、共享和应用的生态仍然比较初级,海量的数据并没有进行连接,这直接阻碍着人工智能部分应用的实现。
发明内容
本发明的目的在于提供一种基于人工智能的数据识别系统及方法,以解决上述背景技术中提出数据孤岛的问题。
为了解决上述技术问题,本发明提供如下技术方案:
第一人工智能设备进行接收处理指令,与数据处理请求的输入指令进行匹配;第一人工智能设备的所有处理指令都不能和输入指令匹配时,发送匹配请求至第二人工智能设备;第二人工智能设备进行接收处理指令,与输入指令进行匹配,将第二人工智能设备进行匹配处理后的数据发送第一人工智能设备;第一人工智能设备输出结果,存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,方便其他智能设备能够自行处理。
第一人工智能设备的所有处理指令不能与输入指令匹配时,将数据发送至第二人工智能设备之前,将第一人工智能设备的所有处理指令与输入指令匹配,其中包括:
确定数据处理请求的输入指令的类别,根据其类别将输入指令转换为对应的数据格式,将第一人工智能设备的所有处理指令对应的可比对数据与转换的数据格式一一进行对比,得到其对应的吻合度;将得到的吻合度与预设值进行比较,当所有的吻合度均低于预设值时,说明第一人工智能设备所有处理指令都不能和输入指令相匹配。
将第二人工智能设备处理指令与输入指令转换得到对应的数据格式进行一一对比,得到其对应的吻合度,将得到的吻合度与预设值进行比较,当吻合度大于或等于预设值时,说明第二人工智能设备的处理指令能够与输入指令相匹配,能够进行处理得到结果。
该方法中有人工智能信息中心,所述人工智能信息中心能够进行处理数据处理请求;第一人工智能设备的所有处理指令不能与输入指令匹配时,将数据发送至第二人工智能设备之前,第一人工智能设备需要与第二人工智能设备需要建立通信连接。
当第一人工智能设备和各第二人工智能设备均能和人工智能信息中心通信时,利用第一人工智能设备从人工智能信息中心获取第二人工智能设备的IP地址,用来确定和第一人工智能设备通信连接距离最近的第二人工智能设备。
在第一人工智能设备无法和人工智能信息中心通信时,利用第一人工智能设备进行获取的IP地址,向第二人工智能设备发送Ping指令,检查Ping指令的最后一次接收时间,Ping成功的第二人工智能设备用于接收匹配请求,若超时则判定第二人工智能设备不能与人工智能信息中心通信,在所有的第二人工智能设备都不能Ping成功的情况下,进行警报提示使用者设备故障。
该系统适用于多智能体系统,多智能体系统是由多个人工智能设备组合形成的系统,其中包括第一人工智能设备和第二人工智能设备。
第一人工智能设备用来接收处理指令,并且在第一人工智能设备的所有处理指令都不能和输入指令匹配时,发送匹配请求至第二人工智能设备,同时,第一人工智能设备用于输出处理结果,并且存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,便于其他智能设备自行处理;
第二人工智能设备用于将处理指令和输入指令进行匹配,并将匹配后的结果发送给第一人工智能设备。
所述第一人工智能设备指多个人工智能设备中的任意一个人工智能设备,所述第二人工智能设备是除第一人工智能设备之外的任意一个人工智能设备。
与现有技术相比,本发明所达到的有益效果是:
本发明适用于多智能体系统,能够实现各个人工智能设备之间的联通。第一人工智能设备和第二人工智能设备之间能够进行通信,并且各个第二人工智能设备之间能够通信,不仅增强了人工智能设备之间的信息传递,而且可以避免当某个人工智能设备出现故障时影响整个多智能体系统的情况发生。当第一人工智能设备无法与人工智能信息中心进行连接时,可以利用第一人工智能设备进行获取的IP地址,向第二人工智能设备发送Ping指令,Ping成功的第二人工智能系统用于接收匹配请求。即使有人工智能设备出现故障不能进行传递信息,也可以从其他人工智能设备处获取信息,解决因人工智能设备无法与人工智能信息中心无法联通而无法进行数据处理的问题,实现去中心化,防止形成数据孤岛。同时,多智能体系具有自主性和协调性,告知其他人工智能设备输入指令与第二人工智能设备匹配出的处理指令的对应关系,能够增强人工智能设备单独处理数据的能力。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是基于人工智能的数据识别系统及方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:
S1、第一人工智能设备进行接收处理指令,与数据处理请求的输入指令进行匹配;
S2、第一人工智能设备的所有处理指令都不能和输入指令匹配时,发送匹配请求至第二人工智能设备;
S3、第二人工智能设备进行接收处理指令,与输入指令进行匹配,将第二人工智能设备进行匹配处理后的数据发送第一人工智能设备;
S4、第一人工智能设备输出结果,存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,方便其他智能设备可以自行处理。
S1步骤中第一人工智能设备进行接收处理指令,与数据处理请求的输入指令进行匹配,该输入指令例如图片、文字、音频。
在第一人工智能设备的所有处理指令不能与输入指令匹配时,将数据发送至第二人工智能设备之前,将第一人工智能设备的所有处理指令与输入指令匹配,其中包括:
确定数据处理请求的输入指令的类别,输入指令一般可以为图片、文字或音频等,此处以音频为例。
根据其类别将输入指令转换为对应的数据格式,该数据格式可能是数字、字符或二进制等,当是音频类别时,要先进行语音识别,该数据格式可以是基音周期、共振峰、线性预测系数、短时平均过零点、小波变换系数等。将第一人工智能设备的所有处理指令的可比对数据与转换的数据格式一一进行对比,其中可比对数据指能够用于比对的数据,可以是对处理指令数据处理后的一些关键性证据,例如确定了输入指令为音频类别,需要进行语音识别,可比对的数据为基音周期、共振峰、线性预测系数、短时平均过零点、小波变换系数等。处理指令与可比对数据一一进行比较可以得到不同的吻合度,吻合度一般根据经验所设定,可以用百分数进行表示,这里吻合度的预设值设置为85%。将得到的吻合度与预设值进行比较,当所有的吻合度均低于预设值时,说明第一人工智能设备所有处理指令都不能和输入指令相匹配。例如,如果吻合度高于或等于85%,则认为输入指令和匹配指令匹配一致,匹配出的处理指令即为处理结果;如果第一人工智能设备的所有处理指令与输入指令的吻合度均低于85%,则认为第一人工智能设备的所有处理指令都不能与输入指令进行匹配,无法进行数据处理。
通过吻合度与预设值进行比较判断后,第一人工智能设备的所有处理指令都不能与输入指令进行匹配,将处理指令发送至第二人工智能设备。
S3步骤中将第二人工智能设备处理指令与输入指令转换得到对应的可比对数据格式进行一一对比,得到其对应的吻合度,将得到的吻合度与预设值进行比较,例如当预设值为85%,得到的吻合度大于或等于85%说明第二人工智能设备的处理指令可以与输入指令相匹配,能够进行处理得到结果,将第二人工智能设备进行匹配处理后的数据发送第一人工智能设备。
S4步骤中第一人工智能设备输出结果,存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,方便其他智能设备可以自行处理。一些实例中,每个人工智能设备的处理指令与可比对数据进行对应,并将对应关系存储到处理指令表中。例如,当第二人工智能设备获取的输入指令为音频“关灯”,将“关灯”转化为数字格式,由第二人工智能设备进行处理,得到相应的处理指令“关灯”,人工智能设备可以将“关灯”的可比对数据和“关灯”指令存储在数据处理表中,其他人工智能设备能够进行自行处理。通过存储数据处理请求的输入指令与人工智能设备的处理指令的对应关系到各个人工智能设备,能够将该类请求的相关信息告知其他人工智能设备,提高各个人工智能设备对该类请求的处理能力,增强整个系统的处理能力。
该系统有人工智能信息中心,所述人工智能信息中心能够进行处理数据处理请求,例如,云端人工智能信息处理中心。当第一人工智能设备的所有处理指令不能与输入指令匹配时,将数据发送至第二人工智能设备之前,第一人工智能设备需要与第二人工智能设备需要建立通信连接,连接方式可以选择LoRa或者网络连接方式。
当第一人工智能设备和各第二人工智能设备均能和人工智能信息中心通信时,利用第一人工智能设备从人工智能信息中心获取第二人工智能设备的IP地址,可以用来确定和第一人工智能设备通信连接距离最近的第二人工智能设备。在第一人工智能设备无法和人工智能信息中心通信时,利用第一人工智能设备进行获取的IP地址,向第二人工智能设备发送Ping指令,Ping成功的第二人工智能系统用于接收匹配请求。例如,可以优先选择一些离第一人工智能设备较近的第二人工智能设备进行联通性测试,先选择50台距离较近的第二人工智能设备,若在50台中未能找到与第一人工智能设备联通的第二人工智能设备,则可以扩大范围选择更远一点的50台进行测试。此外,还可以不进行联通性测试,可以通过发送匹配请求至所有人工智能设备,看是否有返回处理结果。
本发明适用于多智能体系统,多智能体系统是由多个人工智能设备组合形成的系统,目的在于将大而复杂的系统建设成为小而能彼此通信的系统,其中第二人工智能设备包括自适应控制器,自适应控制器在第二人工智能设备的状态量不可测时,用来实时辨别第二人工智能设备的未知状态量,未知状态量包括速度状态量和位置状态量。当第二人工智能设备某些传感器出现故障或在温度较低的地区工作时,第二人工智能设备依旧可以通过自适应控制器进行辨别未知状态量,可以达良好的自我控制,同时可以把状态量提供给其他人工智能设备,从而提高多智能体系统的信息可靠性,同时促进多智能体系统更好、更快完成任务。多智能体系统具有一致性,一致性从控制理论的角度说,就是指各个人工智能设备的状态变量在一定的控制协议和控制器的作用下,随着时间的变化,一个系统中的所有人工智能设备的某些状态最终趋于一致。
以上所述第一人工智能设备和第二人工智能设备地位是平等的,所述第一人工智能设备指多个人工智能设备中的任意一个人工智能设备,所述第二人工智能设备是除第一人工智能设备之外的任意一个人工智能设备。即可以用任意第二人工智能设备代替第一人工智能设备,用除第二人工智能设备的其他任意一个人工智能设备代替第二人工智能设备实现其具体的实施步骤。
本发明中多智能体系统采用分布式结构,具有高内聚低耦合的特点,使系统有较好的扩展性,对恶性环境有一定的容错率。多智能体系统中所有的人工智能设备属于同一级,可以通过采用低成本的传感器和处理器来代替昂贵的核心单元,能够有效降低多智能体系统的成本,每个人工智能设备不需要全局信息,而依赖邻近的人工智能设备的局部信息。多智能体系统中的每个人工智能设备都具有自主性,每个人工智能设备都能进行自主处理数据,同时该系统具备一定的容错率,多个人工智能设备能够协作完成某一任务,但当局部的人工智能设备出现故障,其他的人工智能设备会进行自适应新环境继续工作,也不会影响整个系统的性能。同时,多智能体系统具有较好的灵活性,能够通过与邻近人工智能设备通信减少系统通信和计算的工作量,有利于提高整个系统的性能。
人工智能发展的最终模式是每个人工智能设备既是个体,又是整体其中的一部分。每个人工智能设备都能学习知识,获取数据,同时能够把新获得的数据进行共享给系统中其他的人工智能设备,能够合理利用每个人工智能设备的存储能力和计算能力。在实际应用中,可以根据不同区域,将人工智能信息中心进行分布式部署,避免中心数据库存储海量数据,可以避免因海量数据的检索和处理,带来的宽带和计算性能问题等现有云端人工智能信息处理中心存在的现实问题。将人工智能信息中心按照区域拆分为多个人工智能信息中心,多个人工智能信息中心能够进行数据交互,避免一个中心的情况。
在一些实例中,企业通过挖掘数据和分析数据,能够进行预测行业趋势,做出更具有针对性的决策,但在实际应用中会由于企业部门之间对数据的定义存在差异,致使各部门数据无法互通,形成数据孤岛的问题。一般来说,数据孤岛分为物理性和逻辑性两种。物理性的数据孤岛,是指数据在不同的部门相互独立存储,彼此之间相互孤立,形成了物理性的孤岛;逻辑性的数据孤岛,指的是不同部门站在自己的角度对数据进行定义,给相同的数据下了不同的定义,加大了跨部门的沟通难度。这里的企业存在的问题则属于是形成了逻辑性的数据孤岛,需要进行数据格式的统一,基于人工智能设备的统一性和标准性,进行人工智能设备组网、数据交互以及数据共享,能够帮助企业各部门之间数据互通,相互协作,降低跨部门之间的沟通成本。
组网的人工智能设备具备统一性的特点,即设备规格标准化,如数据交互、数据格式、网络传输协议等要统一且符合规定。基于统一标准的,可以让组网的每一个人工智能都共享数据,相互协作,去中心化,从而达到当人工智能信息处理中心无法联通时,依旧可以为使用者提供服务,实现类似于集群式的人工智能算法。随着人工智能芯片和存储芯片的进一步发展,去中心化的组网将成为主流,让每个人工智能都能共享设备,快速响应。
当其中某个人工智能设备无法进行数据处理时,则能够选择其他能进行处理数据请求的人工智能设备进行处理,可以实现去中心化,防止因单个人工智能设备故障而无法进行数据处理的情况出现,能够有效防止单个人工智能设备形成数据孤岛。同时存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,能够帮助其他人工智能设备的获取处理该类请求的能力,提高工作效率。
本实施例的基本原理:多个人工智能设备组成的系统可以看作神经网络,每个人工智能设备都能够从其他人工智能设备共享获取信息,当某个人工智能设备无法进行处理数据时,则可以将数据处理请求发送至邻近的其他人工智能设备进行处理。例如,第一个人工智能设备无法进行处理数据处理请求时,将数据处理请求发送至邻近的50台人工智能设备,如果有能够进行处理数据处理请求的人工智能设备,则由该人工智能设备进行处理;如果没有能够进行处理的人工智能设备,则将数据请求发送至更远的50台人工智能设备,直至找到能够进行数据处理的人工智能设备,如果最终没有找到,则发出警报信息,提醒使用者设备故障。
以包含人工智能终端设备和云端人工智能信息处理中心为例,每个人工智能终端设备可以看作神经网络的一个神经元,在初次应用中,可以和云端人工智能数据处理中心进行连接,得到基础信息以及人工智能算法模型数据,再根据人工智能终端设备采集的数据得到个性化的基础信息和人工智能算法模型数据。同时,当与云端网络断开时,人工智能终端设备可以与其他人工智能终端设备进行协作,形成类似于小型神经网络的结构,形成新的人工智能数据处理模式,代替原有云端人工智能处理中心的功能,在全部网络断开的情况,依旧可以按照原有的人工智能算法为终端使用者提供人工智能服务。当网络发生波动无法与云端人工智能信息处理中心联通时,人工智能终端设备能够不受影响,依旧能实现各种功能,能够实现去中心化,防止出现数据孤岛的情况。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的数据识别方法,其特征在于,该方法包括以下几个步骤:
S1、第一人工智能设备进行接收处理指令,与数据处理请求的输入指令进行匹配;
S2、第一人工智能设备的所有处理指令都不能和输入指令匹配时,发送匹配请求至第二人工智能设备;
S3、第二人工智能设备进行接收处理指令,与输入指令进行匹配,将第二人工智能设备进行匹配处理后的数据发送第一人工智能设备;
S4、第一人工智能设备输出结果,存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,方便其他智能设备能够自行处理。
2.根据权利要求1所述的一种基于人工智能的数据识别方法,其特征在于,第一人工智能设备的所有处理指令不能与输入指令匹配时,将数据发送至第二人工智能设备之前,将第一人工智能设备的所有处理指令与输入指令匹配,其中包括:
确定数据处理请求的输入指令的类别,根据其类别将输入指令转换为对应的数据格式,将第一人工智能设备的所有处理指令对应的可比对数据与转换的数据格式一一进行对比,得到其对应的吻合度;
将得到的吻合度与预设值进行比较,当所有的吻合度均低于预设值时,说明第一人工智能设备所有处理指令都不能和输入指令相匹配。
3.根据权利要求2所述的一种基于人工智能的数据识别方法,其特征在,将第二人工智能设备处理指令与输入指令转换得到对应的数据格式进行一一对比,得到其对应的吻合度,将得到的吻合度与预设值进行比较,当吻合度大于或等于预设值时,说明第二人工智能设备的处理指令能够与输入指令相匹配,能够进行处理得到结果。
4.根据权利要求1所述的一种基于人工智能的数据识别方法,其特征在,该方法中有人工智能信息中心,所述人工智能信息中心能够进行处理数据处理请求;第一人工智能设备的所有处理指令不能与输入指令匹配时,将数据发送至第二人工智能设备之前,第一人工智能设备需要与第二人工智能设备需要建立通信连接。
5.根据权利要求4所述的一种基于人工智能的数据识别方法,其特征在于,当第一人工智能设备和各第二人工智能设备均能和人工智能信息中心通信时,利用第一人工智能设备从人工智能信息中心获取第二人工智能设备的IP地址,用来确定和第一人工智能设备通信连接距离最近的第二人工智能设备。
6.根据权利要求5所述的一种基于人工智能的数据识别方法,其特征在于,在第一人工智能设备无法和人工智能信息中心通信时,利用第一人工智能设备进行获取的IP地址,向第二人工智能设备发送Ping指令,检查Ping指令的最后一次接收时间,Ping成功的第二人工智能设备用于接收匹配请求,若超时则判定第二人工智能设备不能与人工智能信息中心通信,在所有的第二人工智能设备都不能Ping成功的情况下,进行警报提示使用者设备故障。
7.一种基于人工智能的数据识别系统,其特征在于,适用于多智能体系统,多智能体系统是由多个人工智能设备组合形成的系统,其中包括第一人工智能设备和第二人工智能设备。
8.根据权利要求7所述的一种基于人工智能的数据识别系统,其特征在于,第一人工智能设备和第二人工智能设备主要包括:
第一人工智能设备用来接收处理指令,并且在第一人工智能设备的所有处理指令都不能和输入指令匹配时,发送匹配请求至第二人工智能设备,同时,第一人工智能设备用于输出处理结果,并且存储输入指令与第二人工智能设备匹配出的处理指令的对应关系,并对其他人工智能设备进行告知其对应关系,当出现同类型的数据处理请求时,便于其他智能设备自行处理;
第二人工智能设备用于将处理指令和输入指令进行匹配,并将匹配后的结果发送给第一人工智能设备;
所述第一人工智能设备指多个人工智能设备中的任意一个人工智能设备,所述第二人工智能设备是除第一人工智能设备之外的任意一个人工智能设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310755979.2A CN116800762A (zh) | 2023-06-26 | 2023-06-26 | 一种基于人工智能的数据识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310755979.2A CN116800762A (zh) | 2023-06-26 | 2023-06-26 | 一种基于人工智能的数据识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116800762A true CN116800762A (zh) | 2023-09-22 |
Family
ID=88034017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310755979.2A Pending CN116800762A (zh) | 2023-06-26 | 2023-06-26 | 一种基于人工智能的数据识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116800762A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333952A (zh) * | 2019-07-09 | 2019-10-15 | 王延晋 | 基于人工智能的数据处理方法及系统 |
KR102226939B1 (ko) * | 2020-08-13 | 2021-03-10 | 김성구 | 유효 데이터 추출 성능이 향상된 인공지능 모델을 이용한 사용자 매칭 방법, 장치 및 컴퓨터프로그램 |
CN113489628A (zh) * | 2020-05-28 | 2021-10-08 | 海信集团有限公司 | 一种智能终端的控制方法、人机交互设备及智能终端 |
CN114448775A (zh) * | 2022-01-28 | 2022-05-06 | 中国工商银行股份有限公司 | 设备故障信息处理方法、装置、电子设备及存储介质 |
CN115794913A (zh) * | 2020-12-30 | 2023-03-14 | 华为技术有限公司 | 一种人工智能系统中数据处理方法及装置 |
-
2023
- 2023-06-26 CN CN202310755979.2A patent/CN116800762A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333952A (zh) * | 2019-07-09 | 2019-10-15 | 王延晋 | 基于人工智能的数据处理方法及系统 |
CN113489628A (zh) * | 2020-05-28 | 2021-10-08 | 海信集团有限公司 | 一种智能终端的控制方法、人机交互设备及智能终端 |
KR102226939B1 (ko) * | 2020-08-13 | 2021-03-10 | 김성구 | 유효 데이터 추출 성능이 향상된 인공지능 모델을 이용한 사용자 매칭 방법, 장치 및 컴퓨터프로그램 |
CN115794913A (zh) * | 2020-12-30 | 2023-03-14 | 华为技术有限公司 | 一种人工智能系统中数据处理方法及装置 |
CN114448775A (zh) * | 2022-01-28 | 2022-05-06 | 中国工商银行股份有限公司 | 设备故障信息处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harrison et al. | Brownian models of multiclass queueing networks: Current status and open problems | |
CN101242549A (zh) | 通信网络告警关联的神经网络构建方法 | |
JP2006164233A (ja) | 分散データ駆動型アーキテクチャ環境におけるディレクトリ構造 | |
CN109657003A (zh) | 一种将硬件数据直接接入大数据平台的方法 | |
CN113179190B (zh) | 边缘控制器、边缘计算系统及其配置方法 | |
CN113111115A (zh) | 一种数据信息管理系统及其方法 | |
CN110941850A (zh) | 基于跨链技术的物联网数据共享方法及系统 | |
CN108696371B (zh) | 网络故障确定方法及系统 | |
CN111368060B (zh) | 对话机器人的自学习方法、装置、系统、电子设备及介质 | |
CN105812280B (zh) | 一种分类方法及电子设备 | |
CN113810487B (zh) | 一种基于物联网技术的信息识别系统 | |
CN112765217A (zh) | 基于边缘计算和路径分析的数据处理方法及系统 | |
CN116800762A (zh) | 一种基于人工智能的数据识别系统及方法 | |
Jung et al. | Distributed ranking in networks with limited memory and communication | |
CN109951330B (zh) | 一种自动识别设备类型的管理方法及通讯管理机 | |
CN115688492B (zh) | 一种电力二次设备数字建模及智能检测方法 | |
CN109376509A (zh) | 一种kvm任务自动派发系统以及自动派发方法 | |
CN117201045A (zh) | 一种网络流量异常的检测方法及装置 | |
CN115034347A (zh) | 用于二维码数据溯源的工业物联网及其控制方法 | |
CN108805462A (zh) | 配网风险预警的方法及装置、存储介质、处理器 | |
CN112925831A (zh) | 基于云计算服务的大数据挖掘方法及大数据挖掘服务系统 | |
CN112199484A (zh) | 酒店民宿的人工智能客服回复系统 | |
CN118468496B (zh) | 基于图数据结构的配电网全景动态拓扑建模方法及系统 | |
CN113094556B (zh) | 数据负荷自平衡的分散控制方法及装置 | |
CN111082969B (zh) | 一种海量终端设备的管理方法及装置 |
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 |