一种深度映射架构的制作方法

本发明涉及计算机领域，特别涉及一种深度映射架构。

背景技术：

现有技术中，机器人的核心软件技术在于基于当前计算机技术的人工智能相关算法，包括基于某一种信息的采集，量化，传输，分析，解析和大数据处理；而最核心的在于数据的智能分析，智能解析和大数据挖掘(特征匹配，分类，并行处理等)；

随着近几年的深度识别技术的发展，行业把关键智能技术聚焦在各种智能算法(比如，CNN/RNN/GAN)，能很好的解决某一信息领域(图形识别，语音识别等)的识别率问题，基于手机或者娱乐类机器人设备得到了很好的应用。或者基于某些用户反馈机制进行一些流程和架构说明，基于游戏或者软件系统有比较多的应用。

对于目前智能算法在一定程度上实现了某一信息或者某一类信息的智能信息处理和反馈，但是都没有从真正机器自身角度提供一个完善的系统性的智能架构，体现在机器人系统对外界世界的系统性认知，以及对自我存在能能力的认知。简单的说，具有局域性(不能综合各种信息)，客观性(不能从智能/机器人本身得出交互反馈)等问题。

技术实现要素：

针对现有技术中的缺陷，本发明提出了一种深度映射架构，用以克服现有技术中的缺陷。

具体的，本发明提出了以下具体的实施例：

本发明实施例提出了一种深度映射架构，包括：所述深度映射架构用于接收输入的信息流并对接收的信息流进行处理；且对内部自适应的调整机制进行接收和响应；

所述深度映射架构包括：多个逻辑信息层、各逻辑信息层之间存在有信息流，各逻辑信息层中包含有独立逻辑意义的扇区的部分或者全部；各所述扇区表示各不同的功能。

在一个具体的实施例中，所述深度映射架构的逻辑信息层的层次有7层。

在一个具体的实施例中，所述深度映射架构的逻辑信息层包括：模拟信息层、数字信息层、对象层、关系层、时间层、任务层、目标层。

在一个具体的实施例中，各所述逻辑信息层对应设置有不同的算法；其中，各所述算法用于完成对应的逻辑信息层的功能。

在一个具体的实施例中，所述模拟信息层以及所述数字信息层用于获取输入的信息，并对获取的信息进行处理，以生成可处理格式的数据；

所述对象层用于对数据进行对象识别处理；

所述关系层用于对对象之间的关系进行匹配；

所述时间层用于进行识别划分和表达；

所述任务层用于进行任务表示和划分；

所述目标层用于对存在原则进行定义。

在一个具体的实施例中，各逻辑信息层的层次关系是根据信息流进行调整而生成的。

在一个具体的实施例中，所述深度映射架构中包括有多个调节参数；其中，所述调节参数根据所述深度映射架构的学习训练过程进行调整。

在一个具体的实施例中，当所述深度映射架构接收到需要处理的业务时，基于所述业务的需求数据对所述调节参数进行调整。

在一个具体的实施例中，所述深度映射架构中包括有架构算法，当所述深度映射架构

当所述深度映射架构中的所述调节参数进行调整时，基于所述调节参数的调整进行升级。

在一个具体的实施例中，所述深度映射架构中还设置有数据存储器，其中，所述数据存储器用于存储输入的原始数据以及各逻辑信息层的处理后的数据。

以此，本发明提出了一种深度映射架构，包括：所述深度映射架构用于接收输入的信息流并对接收的信息流进行处理；且对内部自适应的调整机制进行接收和响应；所述深度映射架构包括：多个逻辑信息层、各逻辑信息层之间存在有信息流，各逻辑信息层中包含有独立逻辑意义的扇区的部分或者全部；各所述扇区表示各不同的功能。以此通过深度映射架构实现了机器的智能化认知。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提出的一种深度映射架构的示意图；

图2为本发明实施例提出的一种深度映射架构中各层的作用以及功能的示意图；

图3为本发明实施例提出的一种深度映射架构中信息流的示意图；

图4为本发明实施例提出的一种深度映射架构中进行学习和升级的示意图。

具体实施方式

在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。

在下文中，可在本公开的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本公开的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

在本公开的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。

在本公开的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本公开的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。

应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。

在本公开的各种实施例中使用的术语“用户”可指示使用电子装置的人或使用电子装置的装置(例如，人工智能电子装置)。

在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。

实施例1

本发明实施例1公开了一种深度映射架构，如图1所示，所述深度映射架构用于接收输入的信息流并对接收的信息流进行处理；且对内部自适应的调整机制进行接收和响应；

所述深度映射架构包括：多个逻辑信息层、各逻辑信息层之间存在有信息流，各逻辑信息层中包含有独立逻辑意义的扇区的部分或者全部；各所述扇区表示各不同的功能。

具体的，逻辑信息层的层数可以为多层，例如2层，3层、4层、5层、6层、7层、8层等等，具体的可以根据实际的情况以及业务或者用户的需要进行设置，并不限于以上记载的几种具体的层次。

在一个具体的实施例中，所述深度映射架构的逻辑信息层的层次有7层。

在此情况下，具体的7层，所述深度映射架构的逻辑信息层包括：模拟信息层、数字信息层、对象层、关系层、时间层、任务层、目标层。

其中，各层的作用以及功能为：

所述模拟信息层以及所述数字信息层用于获取输入的信息，并对获取的信息进行处理，以生成可处理格式的数据；

所述对象层用于对数据进行对象识别处理；

所述关系层用于对对象之间的关系进行匹配；

所述时间层用于进行识别划分和表达；

所述任务层用于进行任务表示和划分；

所述目标层用于对存在原则进行定义。

以上，各层的逻辑信息层的作用以及功能是基于算法来实现的，具体的，各所述逻辑信息层对应设置有不同的算法；其中，各所述算法用于完成对应的逻辑信息层的功能。

具体的如图2所示，信息层，也即模拟信息层和数字信息层，以图形信息为例，则是通过图形矢量化算法对图形信息进行处理，以得到机器可以直接处理的数据。

对象层则可以对对象进行识别，具体的方式可以为语义理解，图义理解，文义理解，传感器分析，等价类划分等等方式针对不同的数据进行不同方式的处理。

具体的，输入的信息，或者信息层获取到的信息可以有文本信息、图像信息、感知信息。

具体的，感知信息具体为机器感知得到的信息，例如温度信息，湿度信息，气候数据，亮度数据，灰度数据等等各种机器感知可以得到的信息；而文本信息可以有各种格式的文本中的文本信息，例如可以有PDF格式的文本中的文本信息，还可以有TXT格式的文本中的文本信息，还可以为各种电子文档中的文本信息。

至于图像信息，也可以是各种格式图像中的图像信息，例如为jpg格式的图像中的图像信息，还可以为BMP格式的图像中的图像信息等等。

以输入的信息是语音信息为例来进行说明，可以基于自然语言理解的算法对输入的语音信息进行处理，以提取对象以及对象的属性，例如提取的语音信息中的目标作为对象，或者所涉及到的人，物来作为对象，而目标的属性，例如体积，重量，范围等等，则是属性信息。后续可以提取对象的信息和匹配；以及关系和场景的匹配。

对象具体为机器对于外界可识别或抽象出的认知单元；所述对象具有可匹配和可划分的边界；所述对象可以基于一特征进行分类；

所述对象包括以下一种或多种的任意组合：有边界的实物设备，设备组件，逻辑对象,聚合对象。

关系层则用于对象之间的关系进行匹配；具体的，所述关系包括以下一种或多种的任意组合：拥有关系，组合关系，间接抽象关系，时间位移关系。

具体的，在现实世界，对象和关系是万物的基本属性，人机界面主要在于单人对应多个设备(对象)的场景，人与设备或者设备与设备之间的关系众多但简单。对象可以包括：有边界的实物设备，设备组件，逻辑对象(人为定义),聚合对象(人为抽象)，我们可以给不同对象用以不同属性(也是对象)和关系进行匹配；而关系可以包括：拥有关系，组合关系，间接抽象关系，时间位移关系等。

具体的，各逻辑信息层的层次关系是根据信息流进行调整而生成的。

也即信息流流经的逻辑信息层的顺序并不一定是如图1中所示的顺序，具体的，可以基于不同的信息流以及不同的业务需要进行设置以及灵活地选取，具体的顺序根据具体的需要以及场景来进行设置。

如图3所示，在深度映射架构的信息流中，提供了数据对应的储存节点和关系组合。每逻辑信息层的关系负责对应层次的信息表示，增加，删除和调整。

在一个具体的实施例中，所述深度映射架构中包括有多个调节参数；其中，所述调节参数根据所述深度映射架构的学习训练过程进行调整。

此外，当所述深度映射架构接收到需要处理的业务时，基于所述业务的需求数据对所述调节参数进行调整。

在一个具体的实施例中，所述深度映射架构中包括有架构算法；

当所述深度映射架构中的所述调节参数进行调整时，基于所述对调节参数的调整进行升级。

具体的如图4所示，在深度映射架构建模之后，可以进行学习训练以调节参数，此外还可以进行业务适应性测试调整，后续还可以基于此进行深度映射架构的算法升级，此外，还可以通过智能交互进行深度映射架构的自我优化。

以此，可以是的深度映射架构本身可以不断的更新升级，可以满足不同的使用以及业务的需要，实现智能化的认知。

具体的，如图3所示，所述深度映射架构中还设置有数据存储器，其中，所述数据存储器用于存储输入的原始数据以及各逻辑信息层的处理后的数据。

以此，由于存储有原始数据以及各逻辑信息层处理的数据，即使深度映射架构中的某个或者某些部分出现了问题，也可以很方便找到之前的数据，重新进行处理，以此冗余度以及可靠性大大提高。

以此，本发明提出了一种深度映射架构，包括：所述深度映射架构用于接收输入的信息流并对接收的信息流进行处理；且对内部自适应的调整机制进行接收和响应；所述深度映射架构包括：多个逻辑信息层、各逻辑信息层之间存在有信息流，各逻辑信息层中包含有独立逻辑意义的扇区的部分或者全部；各所述扇区表示各不同的功能。以此通过深度映射架构实现了机器的智能化认知。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。