一种机器学习和人工智能应用一体机部署方法与流程

本发明涉及机器学习和人工智能应用技术领域，具体为一种机器学习和人工智能应用一体机部署方法。

背景技术

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能的发展，对现代社会的进步有着重要意义，本文重点研究的是人工智能中机器学习这一部分，机器学习是人工智能中一个重要的研究领域，一直受到人工智能以及认知心理学家的的普遍关注，促进机器学习的研究，对于人工智能的发展有着不可估量的作用。

机器学习的最新阶段始于1986年，而人工智能的起源更早，经过长达数十年的发展，机器学习和人工智能都达到了充分的发展，但是，基于机器学习的人工智能发展还存在较大的不足，此种机器学习和人工智能一体化应用还未得广泛的认知，具有较为广阔的空间去探索，整体的应用效率十分的低下，资源占用率较高，达不到日益发展的社会需要。

技术实现要素：

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种机器学习和人工智能应用一体机部署方法，解决了机器学习和人工智能一体化应用还未得广泛的认知，具有较为广阔的空间去探索，整体的应用效率十分的低下，资源占用率较高，达不到日益发展社会需要的问题。

(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：一种机器学习和人工智能应用一体机部署方法，具体包括如下步骤：

s1、根据实际的使用情况，确定机器学习的内部，并对该机器学习的内部进行准备存档；

s2、将s1中已经准备好的机器学习的内容通过解释学习的方法进行学习，形成内部系统构架；

s3、学习完成后，通过数据发送服务单元对s2中学习的内容进行输送，并输送至人工智能系统，形成智能操作框架；

s4、人工智能系统将学习完成后的功能对机器进行实时操作。

本发明还公开了解释学习方法，具体包括一下步骤：

步骤一、通过求解一个例子来产生解释结构：用户输入实例后，系统首先进行问题求解；

步骤二、对该解释结构进行一般化，获取一般的控制规则：对得到的解释结构以及事件进行一般化。

优选的，在s3中，所涉及到的数据发送服务单元包括数据提取模块、数据管理模块和数据发送模块，并且数据提取模块的输出端与数据管理模块的输入端连接，所述数据管理模块的输出端与数据发送模块的输入端连接。

优选的，在s4中，所涉及到的人工智能系统包括管理单元和执行单元，并且管理单元和执行单元实现双向连接。

(三)有益效果

本发明提供了一种机器学习和人工智能应用一体机部署方法。具备以下有益效果：该机器学习和人工智能应用一体机部署方法，通过s1、根据实际的使用情况，确定机器学习的内部，并对该机器学习的内部进行准备存档；s2、将s1中已经准备好的机器学习的内容通过解释学习的方法进行学习，形成内部系统构架；s3、学习完成后，通过数据发送服务单元对s2中学习的内容进行输送，并输送至人工智能系统，形成智能操作框架；s4、人工智能系统将学习完成后的功能对机器进行实时操作的一系类部署步骤，改变了目前基于机器学习的人工智能发展还存在较大的不足，促进了人们对机器学习和人工智能一体化应用的广泛认知，完成了对机器学习和人工智能一体化应用的探索，极大的提高了整体应用的效率，相对的降低了资源占用率，从而促进挖掘数据的实际价值，更加的符合了日益发展的社会需要，为机器学习和人工智能一体化应用的发展提供了较好的依据，促进了科学技术的发展，更加的提高了对学习知识的传播。

附图说明

图1为本发明应用部署方法流程图；

图2为本发明数据发送服务单元的结构示意图；

图3为本发明人工智能系统的结构示意图；

图中，1数据发送服务单元、101数据提取模块、102数据管理模块、103数据发送模块、2人工智能系统、201管理单元、202执行单元。

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。

本发明实施例提供一种机器学习和人工智能应用一体机部署方法，如图1--3所示，具体包括如下步骤：

s1、根据实际的使用情况，确定机器学习的内部，并对该机器学习的内部进行准备存档；

s2、将s1中已经准备好的机器学习的内容通过解释学习的方法进行学习，形成内部系统构架；

s3、学习完成后，通过数据发送服务单元1对s2中学习的内容进行输送，并输送至人工智能系统2，形成智能操作框架；

s4、人工智能系统2将学习完成后的功能对机器进行实时操作。

本发明还公开了解释学习方法，具体包括一下步骤：

步骤一、通过求解一个例子来产生解释结构：用户输入实例后，系统首先进行问题求解；如由目标引导反向推理，从领域知识库中寻找有关规则，使其后件与目标匹配；找到这样的规则后，就把目标作为后件，该规则作为前件，并记录这一因果关系；然后以规则的前件作为子目标，进一步分解推理；如此反复，沿着因果链，直到求解结束；一旦得到解，便证明了该例的目标可满足，并获得了证明的因果解释结构；构造解释结构通常有两种方式：一是将问题求解的每一推理所用的算子汇集，构成动作序列作为解释结构；另一种是自顶向下的遍历证明树结构；前者比较一般，略去了关于实例的某些事实描述；后者比较细致，每个事实都出现在证明树中；解释的构造可以在问题求解的同时进行，也可在问题求解结束后，沿着解路径进行。

步骤二、对该解释结构进行一般化，获取一般的控制规则：对得到的解释结构以及事件进行一般化；在这一步，通常采取的办法是将常量转换为变量，即把例子中的某些数据换成变量，并略去某些不重要的信息，只保留求解所必需的那些关键信息，经过某种方式的组合，形成产生式规则，从而获得一般性的控制知识；要学习目标概念。

本发明在s3中，所涉及到的数据发送服务单元1包括数据提取模块101、数据管理模块102和数据发送模块103，数据提取模块101、数据管理模块102和数据发送模块103之间建立网络连接，并且数据提取模块101的输出端与数据管理模块102的输入端连接，所述数据管理模块102的输出端与数据发送模块103的输入端连接，数据提取模块101用于响应请求并提取需要的数据，数据管理模块102用于从数据提取模块101中取得数据进行组包，并通过数据发送模块103发送给人工智能系统2。

本发明在s4中，所涉及到的人工智能系统2包括管理单元201和执行单元202，并且管理单元201和执行单元202实现双向连接，管理单元201负责将工作指令分配给相应的执行单元202，执行单元202只负责接收管理单元201分配的工作指令，执行对应的工作任务，完成工作任务或者在执行工作任务的过程中遇到异常后，可以向管理单元201反馈，也可以向相关的系统性能信息提交给管理单元201，本实施例仅针对管理单元201和执行单元202进行说明，实际上，该人工智能系统2还可以包括用于实现其他功能的单元，本实施例对此不做限定。

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。

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。