本申请涉及人工智能技术领域，尤其涉及一种类神经节点信息处理方法及智能设备。
背景技术：
目前实现ai(artificialintelligence，人工智能)的方式主要有两种：1、采用编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同，它已在一些领域内作出了成果，如文字识别、电脑下棋等。为了达到智能的效果，需要人工详细规定程序逻辑，如果规则简单，还是方便的。如果规则复杂，角色数量和活动空间增加，相应的逻辑就会很复杂(按指数式增长)，人工编程就非常繁琐，容易出错，不具备学习能力。2、基于大数据的机器学习来实现的智能，但是目前这种方法主要用于识别事物。识别到事物后再采用方法一执行规定的程序。例如现在的智能语音，采用大数据的机器学习，让机器能智能地识别到语音内容，然后再执行特定内容比如拨打电话。
人脑对信息的储存方式(以人脑对燃放烟花这个信息的储存为例进行说明)包括：人的眼睛看到烟花爆炸的色彩，耳朵听到烟花爆炸的声音，但是眼睛的视觉神经元和耳朵的听觉神经元都会把这两种信息储存在同一块属于“烟花”的这个大脑皮层当中。所以当人下次即使是闭上了眼睛，但是他只要听到了烟花的爆炸声，便会因为之前储存在同一个大脑皮层的信息来联想到烟花爆炸的色彩。而现有技术中的人工智能储存信息无法根据事物的一个信息的传入来调出这个事物的其他信息。
技术实现要素：
本申请提供一种类神经节点信息处理方法及智能设备。
根据本申请的第一方面，本申请提供一种类神经节点信息处理方法，包括：
对象识别中心接收感知系统所识别的对象的多种属性；
所述对象识别中心建立所述对象的存储区，并保存所述对象的多种属性；
在识别对象时，所述对象识别中心根据所述感知系统获取的所述对象的一种或多种属性识别对象。
根据本申请的第二方面，本申请提供一种类神经节点信息处理方法，包括：
感知系统将识别的对象的多种属性发送给对象识别中心进行保存；
在识别对象时，所述感知系统将获取的对象的一种或多种属性发送给所述对象识别中心进行识别；
所述感知系统接收所述对象识别中心识别的结果。
根据本申请的第三方面，本申请提供一种类神经节点信息处理方法，包括：
感知系统将识别的对象的多种属性发送给对象识别中心；
所述对象识别中心接收感知系统所识别的对象的多种属性；
所述对象识别中心建立所述对象的存储区，并保存所述对象的多种属性；
在识别对象时，所述感知系统将获取的对象的一种或多种属性发送给所述对象识别中心；
所述对象识别中心根据接收的属性识别对象。
根据本申请的第四方面，本申请提供一种智能设备，包括：
感知系统，用于将识别的对象的多种属性发送给对象识别中心；
所述对象识别中心，用于接收感知系统所识别的对象的多种属性，建立所述对象的存储区，并保存所述对象的多种属性；
所述感知系统，还用于在识别对象时将获取的对象的一种或多种属性发送给所述对象识别中心；
所述对象识别中心，还用于根据接收的属性识别对象。
根据本申请的第五方面，本申请提供一种智能设备，包括存储器和处理器，所述存储器用于存储程序指令，所述处理器用于根据所述程序指令执行以下步骤：
感知系统将识别的对象的多种属性发送给对象识别中心；
所述对象识别中心接收感知系统所识别的对象的多种属性；
所述对象识别中心建立所述对象的存储区，并保存所述对象的多种属性；
在识别对象时，所述感知系统将获取的对象的一种或多种属性发送给所述对象识别中心；
所述对象识别中心根据接收的属性识别对象。
由于采用了以上技术方案，使本申请具备的有益效果在于：
在本申请的具体实施方式中，由于对象识别中心建立所述对象的存储区，并保存所述对象的多种属性，在识别对象时，所述对象识别中心根据所述感知系统获取的所述对象的一种或多种属性识别对象。本申请本申请以神经元方式建立感知系统，把人类大脑的信息储存方式应用到人工智能领域，让计算机的硅芯片模仿人类神经元的方式思考问题，对外界信息的输入可以像人一样通过一个信息触发神经元，而调出事物的其他属性，以多个信息系统聚合处理各个感官信息，解决了现有人工智能必须依赖于大数据计算的弊端，当智能设备的感知系统可协同工作时可以克服现有人工智能无法自主学习的缺限。
附图说明
图1为本申请的方法在一种实施方式中的流程图；
图2为本申请的方法在另一种实施方式中的流程图；
图3为本申请的方法在又一种实施方式中的流程图；
图4为本申请的方法在一种实施方式中存储事物的流程示意图；
图5为本申请的方法在一种实施方式中识别事物的流程示意图；
图6为本申请的ai系统的识别过程示意图；
图7为本申请的智能设备在一种实施方式中的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本申请作进一步详细说明。
本申请从人类的神经学角度，使用神经突触的信息传递和储存的原理。让机器以人类神经系统储存信息的方式来储存和思考问题，通过人工智能的各种接收信息的方式将信息统一地储存在计算机的“神经节点”(存储单元)当中，同时连接并且整合所有接触到的信息，而当之后人工智能遇到相似场景里面的一个相似的情节时，便可以同时调用出之前出现过的场景。
实施例一：
如图1所示，本申请的类神经节点信息处理方法，其一种实施方式，可以包括以下步骤：
步骤102：对象识别中心接收感知系统所识别的对象的多种属性。
步骤104：对象识别中心建立对象的存储区，并保存对象的多种属性。存储区可以有一个存储单元，也可以有多个存储单元。对象的多种属性可以分别存储在不同的存储单元中，也可以存储在一个存储单元中。
步骤106：在识别对象时，对象识别中心根据感知系统获取的对象的一种或多种属性识别对象。
在一种实施方式中，步骤106还可以包括：
对象识别中心将保存的对象的其余属性发送给感知系统。
如图4所示，本申请中，比如储存苹果这一个事物，可以通过人工智能的视觉处理系统获取苹果的图像参数。
一个苹果的各个属性由计算机通过不同方式去获取，然后把这些不同的属性储存在同一个对象中，由于对象的每个属性是属于同一个对象的，所以当我们想要ai联想其他属性的信息的时候，就只用告诉它一个属性就可以联想到其他属性。
当人工智能获取苹果其他属性时，则可以调用函数。例如知道苹果的图片参数后获取苹果的用处信息。
上述流程是为了体现对人工智能信息储存的思想，并非为具体实现。同理可以把一些通过文字相关联的属性也可以储存在同一个图表结构中。而图表中的每一个节点都像生物神经元的一个神经节点一样，可以通过一个神经节点近而发散的各个相关的节点。
本申请的方法在一种实施方式中，识别事物的流程如图5所示，当任何一个感知系统识别到对象时，告知对象识别中心，对象识别中心把识别到这个对象的消息告诉所有这个对象拥有的感知系统，从而达到协同工作的目标，即感知系统之间通过对象识别中心建立通讯联系。
当一个人，对ai系统说“这是我买的苹果”，同时举着手中的“苹果手机”，ai系统的识别过程如图6所示。
实施例二：
如图2所示，本申请的类神经节点信息处理方法，其一种实施方式，可以包括以下步骤：
步骤202：感知系统将识别的对象的多种属性发送给对象识别中心进行保存；
步骤204：在识别对象时，感知系统将获取的对象的一种或多种属性发送给对象识别中心进行识别；
步骤206：感知系统接收对象识别中心识别的结果。
在一种实施方式中，步骤206还可以包括：
感知系统接收对象识别中心保存的对象的其余属性，并将其余属性赋予对象。
实施例三：
如图3所示，本申请的类神经节点信息处理方法，其一种实施方式，可以包括以下步骤：
步骤302：感知系统将识别的对象的多种属性发送给对象识别中心；
步骤304：对象识别中心接收感知系统所识别的对象的多种属性；
步骤306：对象识别中心建立对象的存储区，并保存对象的多种属性；
步骤308：在识别对象时，感知系统将获取的对象的一种或多种属性发送给对象识别中心；
步骤310：对象识别中心根据接收的属性识别对象。
在一种实施方式中，本申请的方法还可以包括以下步骤：
步骤312：对象识别中心将保存的对象的其余属性发送给感知系统；
步骤314：感知系统接收对象识别中心保存的对象的其余属性，并将其余属性赋予对象。
实施例四：
如图7所示，本申请的智能设备，其一种实施方式，包括感知系统和对象识别中心。感知系统可以包括一个或多个。
感知系统，用于将识别的对象的多种属性发送给对象识别中心。对象识别中心，用于接收感知系统所识别的对象的多种属性，建立对象的存储区，并保存对象的多种属性；感知系统，还用于在识别对象时将获取的对象的一种或多种属性发送给对象识别中心；对象识别中心，还用于根据接收的属性识别对象。
在一种实施方式中，本申请的智能设备中，对象识别中心，还用于将保存的对象的其余属性发送给感知系统；感知系统，还用于接收对象的其余属性，并将其余属性赋予对象。
实施例五：
本申请的智能设备，其一种实施方式，可以包括存储器和处理器，存储器用于存储程序指令，处理器用于根据程序指令执行以下步骤：
感知系统将识别的对象的多种属性发送给对象识别中心；
对象识别中心接收感知系统所识别的对象的多种属性；
对象识别中心建立对象的存储区，并保存对象的多种属性；
在识别对象时，感知系统将获取的对象的一种或多种属性发送给对象识别中心；
对象识别中心根据接收的属性识别对象。
以上内容是结合具体的实施方式对本申请所作的进一步详细说明，不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干简单推演或替换。