语文卡的制作方法

文档序号:14994362发布日期:2018-07-24 07:32阅读:3034来源:国知局

本发明涉及电子领域,特别是涉及一种语文卡。



背景技术:

本人的专利申请《语言转换器》,发明了字字对应卡,解决了世界各种语言之间的准确翻译问题;也通过《一种个性语音录入器》的专利申请,发明了音字对应卡,解决了世界各国习惯性使用各地方语言的每个人通过自己的话就能准确录入成文字的问题;但解决了世界各种语言之间的准确翻译问题和世界各国各地方语言的每个人准确通过自己的话准确录入成文字的问题,并不是能够解决所有问题。比如用对应卡解决人工智能语义的问题等,光这两种对应卡还不够。



技术实现要素:

本发明要解决的问题是,定义一种对应关系,确定一种对应卡,解决对应卡除准确翻译和准确语音录入外运用范围不广泛的问题;特别是能解决人工智能的神经元间的搭接、传导和延伸,搭建起两个神经元之间的联系或者神经元的传导、延伸,让包括语言、文字、图片在内的一切数据资料宽范围的运用并成为人工智能神经元的搭接、传导和延伸的内容。

为实现所述目的,本发明语文卡,采用以下技术方案来实现:包括:字字对应卡、字音对应卡、音字对应卡、音音对应卡,其特征还在于对应关系的设定,所述对应关系的设定为:对应关系可以是表达同样东西的;也可以是表达同一意思的;还可以表达意思相近或相反的、解释的,组词、造句的;更可以是扩展的;更有甚者的是两者没有任何对应关系,使用者自己把这两者单独定义成一种对应关系的。

有益效果:建立了对应卡,把字和音间建立了对应关系,建立了语文卡后,就能够把字音以外的事物和字音放在一起,让他们和两者之间建立起联系,就为两种事物的转换创造了条件,建立起更广泛的对应卡,以利人工智能运用,更为人工智能对语义的理解,开辟了一个新途径。

1、1、5、优选的,自定义对应关系的语文卡,其特征在于具有单向性;所述单向性,指对应的方式是由前部分到后部分,不能从后部分往前部分对应。

有益效果:对应具有单向性,确定了对应的主体,并且能够固定和穷尽这个主体的所有对应,不会因为相互对应、循环对应而造成对应无限扩大,不可穷尽后而让语文卡不严谨。

2、优选的,自定义对应关系的语文卡,其特征在于不是分由前后两部分组成,所述不是分由前后两部分组成,是和以前的对应卡比,不再是对应卡那样分前后两部分了,而成为:语文卡前面是一个部分,后面是N个部分,后部分和前部分存在多少个对应关系类别,后部分就是由多少个类别部分组成。

有益效果:扩展了对应卡后部分的内容,让语文卡对应的种类更多,内容更丰富,更有利于运用。

3、语文卡其特征在于每个部分都可以检索和被检索;所述每个部分都可以检索和被检索,是指语文卡每个部分的内容,可以是检索的内容,也可以是被检索的内容。

有益效果:检索范围更广,就代表搜索内容可拓展的范围更宽、扩展东西越多,以利人工智能在语言文字等方面的开拓和运用。

4、语文卡其特征在于对应关系的延伸,所述对应关系的延伸,是当有检索结果后,检索到的内容,都可以在那个语文卡中往后再进行对应。

有益效果:对检索结果进行再利用和开拓。

5、语文卡其特征在于具有单向性;所述单向性,指对应的方式是由前部分到后部分,不能从后部分往前部分对应。

有益效果:对应具有单向性,确定了对应的主体,并且能够固定和穷尽这个主体的所有对应,不会因为相互对应、循环对应而造成对应无限扩大,不可穷尽后而让语文卡不严谨。

6、语文卡其特征在于的每个部分的具体内容为包括对应卡的文字和发音的一切数据材料,所述具体内容为包括对应卡的文字和发音的一切数据材料,是和对应卡相比而言的,不单是有文字的数据材料,也有声音的数据材料,还有图像的数据材料,更有其他的数据材料。

有益效果:拓展了语文卡的内容,增加了语文卡内部对应的种类和数量。

7、语文卡其特征在于用途,所述用途,是通过语文卡的出现,能解决人工智能的神经元传导的载体和建立两个神经元连接的方式以及神经元的延伸,所述神经元传导的载体是传导的数据资料为语文卡前部分或后部分的内容,所述建立两个神经元连接的方式是通过运用语文卡的对应关系,让两个人工智能的神经元产生连接,并象人的记忆一样,搭起两个神经元,让两个不相干的神经元产生链接并点亮两个神经元的连接部位,所述神经元的延伸,是传导数据后继续要也语文卡的对应关系,产生新的数据资料,即人工智能神经元。

有益效果:用一种新方式完成人工智能神经元的搭接、传导和延展。

具体实施方式:

下面对本发明进行详细说明,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。

具体实施例1

语文卡,采用以下技术方案来实现:包括:字字对应卡、字音对应卡、音字对应卡、音音对应卡,其特征还在于对应关系的设定。

本实施例进一步设置为:所述对应关系的设定为:对应关系可以是表达同样东西的;也可以是表达同一意思的;还可以表达意思相近或相反的、解释的,组词、造句的;更可以是扩展的;更有甚者的是两者没有任何对应关系,使用者自己把这两者单独定义成一种对应关系的。

工作原理:一张语文卡前部分的内容,通过这张语文卡的对应关系,对应成这张语文卡后部分内容;对应卡是由对应关系来的,拓展了对应关系和增加了自定义对应关系后,自然就增加了对应卡的种类和对应卡数量,对应卡的运用范围更宽,也会由量变到质变。

具体实施例2

1、根据自定义对应关系的语文卡,其特征在于具有单向性。

本实施例进一步设置为:所述单向性,指对应的方式是由前部分到后部分,不能从后部分往前部分对应。

工作原理:对固定的某个主体的对应,一般是一一对应,最多一几对应,是能够穷尽的,是严谨的,语文卡的前部分是一个内容,就是为了固定主体;不是固定的某个主体再对应另一种的某个对应关系,会出现相互对应、循环对应,造成对应不严谨。

具体实施例3

2、根据自定义对应关系的语文卡,其特征在于不是分由前后两部分组成。

本实施例进一步设置为:所述不是分由前后两部分组成,是和以前的对应卡比,不再是对应卡那样分前后两部分了,而成为:语文卡前面是一个部分,后面是N个部分,后部分和前部分存在多少个对应关系类别,后部分就是由多少个类别部分组成。

工作原理:语文卡的前部分和对应卡前部分一样,只有一个内容,但后部分不同,是多个内容;增加了对应关系类别,即和前部分有多少个对应关系的类别,就有多少个语文卡的后部分;语文卡前部分和后部分中每一个类别里的具体对应内容可以是一一对应关系,也可以一几对应关系。

具体实施例4

3、语文卡其特征在于每个部分都可以检索和被检索。

本实施例进一步设置为:所述每个部分都可以检索和被检索,是指语文卡每个部分的内容,可以是检索的内容,也可以是被检索的内容。

工作原理:语文卡每个部分的内容都可以作为检索的标的物和作为被检索的对象,增加检索和被检索的资料。

具体实施例5

4、语文卡其特征在于对应关系的延伸。

本实施例进一步设置为:所述对应关系的延伸,是当有检索结果后,检索到的内容,都可以在那个语文卡中往后再进行对应。

工作原理:检索到一个结果,可以让这个内容再往下对应,直到对应出自己需要的结果;没有检索到要的结果,就完善它,从而又增加了语文卡的一个新对应卡。

具体实施例6

6、语文卡其特征在于的每个部分的具体内容为包括对应卡的文字和发音的一切数据材料。

本实施例进一步设置为:所述具体内容为包括对应卡的文字和发音的一切数据材料,是和对应卡相比而言的,不单是有文字的数据材料,也有声音的数据材料,还有图像的数据材料,更有其他的数据材料。

工作原理:把一切数字材料当成语文卡的一个资料,成为语文卡对应关系的一个方面,极大地拓展了语文卡;让不可思议的对应关系,成为不同内容的对应卡后,而达到意想不到的效果。

具体实施例7

7、语文卡其特征在于用途。

本实施例进一步设置为:所述用途,是通过语文卡的出现,能解决人工智能的神经元传导的载体和建立两个神经元连接的方式以及神经元的延伸,所述神经元传导的载体是传导的数据资料为语文卡前部分或后部分的内容,所述建立两个神经元连接的方式是通过运用语文卡的对应关系,让两个人工智能的神经元产生连接,并象人的记忆一样,搭起两个神经元,让两个不相干的神经元产生链接并点亮两个神经元的连接部位,所述神经元的延伸,是传导数据后继续要也语文卡的对应关系,产生新的数据资料,即人工智能神经元。

工作原理:人工智能的深度学习,只能解决带逻辑关系的神经元连接问题;如果两个神经元间没有逻辑关系,目前要让它们两个建立联系非常困难;语文卡的出现,让没有逻辑关系的两个东西定义成了一个对应关系,成为了有逻辑关系;以此,通过对应关系,就能让这两个神经元建立起联系,并且能够传导和延展。

计算机的广阔运用和不断的升级,一般是硬件的进步和软件的升级,软件通过算法改变,提高了运算效率达到升级的目的;但现实中,不是每类关系都可以在本类里实现线性运算,无论怎么改进算法,总会缺少非线性运算的那一块;语文卡的自定义对应关系,就能让语文卡作为非线性运算那一块的运算结果的补充,让运算结果是线性运算结果加非线性运算结果后,达到运算关系逐渐趋于完整;语文卡建立的数量越多,就对非线性运算结果补充得越足,整个软件的运算就越完美,更是量变到质变。

人工智能是大数据的智能,人的智能是小数据的智能;人们在探索事物时,是小数据让人产生火花,又通过大数据来论证,所以在运算能力特强的计算机上发明的人工智能,就是通过大数据运算的方式来实现的;也是因为这个原因,人工智能没有开拓性和开创性;语文卡的自定义对应关系,就能让语文卡作为小数据的运算结果,加入到总的运算结果里来,让人工智能弥补上小数据这块,使两个没有关系的神经元能通过小数据运算结果搭建起联系,跨界的搭接后神经元继续传导和延伸,为人工智能实现开拓性和开创性找出一条途径。

对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1