本发明涉及计算机科学领域，尤其是涉及一种基于反射弧的智慧大脑决策系统及决策方法。
背景技术：
移动互联、物联网、AI等技术的发展，正在将人类推向智能互联时代，信息呈现爆炸性增长，大数据这一强大的新自然资源在数量、多样性和复杂性方面快速发展，使得筛选信息的成本变得越来越高。机器学习、深度学习等预测分析技术可以提高数据洞察的能力，然而在很多情形下决策者无法依靠某种单一的决策方法来应对多维度的数字化变革。
目前决策体系中存在如下不足之处：(1)决策模型技术体系繁杂，服务形式不一，决策孤岛现象明显，综合使用多个模型比较困难；(2)决策流程各异，缺乏规范约束，建立决策体系重复工作明显；(3)决策中使用的概念专业化程度比较高，交流共享难度较大，不利于充分发挥集体优势；(4)决策体系不完整，只关注做出决策，对决策效果评估、实际反馈跟踪、决策持续进化考虑不足。
技术实现要素：
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于反射弧的智慧大脑决策系统。
本发明的目的可以通过以下技术方案来实现：
一种基于反射弧的智慧大脑决策系统，包括：
反射弧决策模块，对获取的决策任务进行条件反射，并输出决策结果；
信息中心，与所述反射弧决策模块连接，向反射弧决策模块提供外部信息；
反馈模块，与所述反射弧决策模块连接，获取反射弧决策模块的反馈信息；
记忆模块，与所述反射弧决策模块连接，记录反射弧决策模块的决策结果；
模型模块，分别连接所述反射弧决策模块、反馈模块和记忆模块，基于所述反馈信息和决策结果对所述反射弧决策模块进行进化训练。
进一步地，所述反射弧决策模块包括依次连接的传入神经、感知神经、前驱神经、决策神经、后驱神经和传出神经，其中，
所述传入神经用于接收决策任务；
所述感知神经与信息中心连接，用于收集外部信息；
所述前驱神经实现条件数据的预筛预判；
所述决策神经与模型模块连接，用于实现量化决策；
所述后驱神经与记忆模块连接，用于对所述量化决策进行判定干预，并将决策结果传输给记忆模块；
所述传出神经用于输出决策结果。
进一步地，所述反射弧决策模块通过各神经的不同数量的组合形成不同反射弧，经训练的每个反射弧代表一种决策策略。
进一步地，所述反射弧结构包括简单反射结构和复杂反射结构。
进一步地，每条所述反射弧仅包括一个传入神经、一个传出神经、一个记忆神经、一个反馈神经和一个进化神经。
进一步地，所述反馈模块包括相连接的反馈神经和反馈中心，其中，
所述反馈神经与反射弧决策模块连接，用于采集反馈信息；
所述反馈中心与模型模块连接，对所述反馈信息进行统一管理并传输给模型块。
进一步地，所述记忆模块包括记忆神经和记忆中心，其中，
所述记忆神经与反射弧决策模块连接，用于记录决策结果；
所述记忆中心与模型模块连接，对所述决策结果进行统一管理并传输给模型块。
进一步地，所述模型模块包括相连接的进化神经和模型中心，其中，
所述进化神经分别连接反馈模块和记忆模块，基于所述反馈信息和决策结果对所述反射弧决策模块进行进化训练；
所述模型中心与反射弧决策模块连接，对经训练的反射弧模型进行统一管理。
本发明还提供一种基于所述的基于反射弧的智慧大脑决策系统的决策方法，该方法由经训练的反射弧决策模块进行条件反射响应决策任务，并在条件反射过程中记录反馈信息和决策结果，对所述反射弧决策模块进行优化训练。
与现有技术相比，本发明具有如下有益效果：
1)本发明利用传入神经、感知神经、前驱神经、决策神经、后驱神经和传出神经的灵活组合实现不同的反射弧，从而实现普适的决策方案，适用性广。
2)本发明是一种基于反射弧、神经系统的决策体系，能够更形象、贴切地描述智慧大脑。
3)本发明采用模型集成、综合决策的方案，提供了增强智慧大脑的智能化方案。
4)本发明具有决策进行过程，整合记忆和反馈信息，将散落的知识片段连接起来，有效提高数据质量，实现决策模型的不断优化进步，进而提供更充分的训练样本，为反射弧的持续进化提供数据和算法支持。
5)本发明提出了统一数据、统一算法、统一决策、统一进化的思想，打破了数据、算法、决策孤岛，较少重复工作，提高资源利用率。
附图说明
图1为本发明的结构示意图；
图2为本发明的一种冠军挑战者模式的决策实例图；
图3为本发明的一种多模型综合决策实例图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本发明提供一种基于反射弧的智慧大脑决策系统，包括反射弧决策模块、信息中心、反馈模块、记忆模块和模型模块，反射弧决策模块对获取的决策任务进行条件反射，并输出决策结果；信息中心7与反射弧决策模块连接，向反射弧决策模块提供外部信息；反馈模块与反射弧决策模块连接，获取反射弧决策模块的反馈信息；记忆模块与反射弧决策模块连接，记录反射弧决策模块的决策结果；模型模块分别连接反射弧决策模块、反馈模块和记忆模块，基于反馈信息和决策结果对反射弧决策模块进行进化训练。
反射弧决策模块包括依次连接的传入神经1、感知神经2、前驱神经3、决策神经4、后驱神经5和传出神经6，其中，传入神经1用于接收决策任务；感知神经2与信息中心7连接，用于收集外部信息；前驱神经3实现条件数据的预筛预判；决策神经4与模型模块连接，用于实现量化决策；后驱神经5与记忆模块连接，用于对量化决策进行判定干预，并将决策结果传输给记忆模块；传出神经6用于输出决策结果。
反射弧决策模块通过各神经的不同数量的组合形成不同反射弧，经训练的每个反射弧代表一种决策策略，且各反射弧的组合遵守本领域已知的约束规则。反射弧结构包括简单反射结构和复杂反射结构，由单模型服务组成的反射弧做出的反射为简单反射，其余均为复杂反射。每条反射弧仅包括一个传入神经、一个传出神经、一个记忆神经、一个反馈神经和一个进化神经，感知神经、前驱神经、决策神经、后驱神经可以有多个。
反馈模块包括相连接的反馈神经8和反馈中心9，其中，反馈神经8与反射弧决策模块连接，用于采集反馈信息；反馈中心9与模型模块连接，对反馈信息进行统一管理并传输给模型块。
记忆模块包括记忆神经10和记忆中心11，其中，记忆神经10与反射弧决策模块连接，用于记录决策结果；记忆中心11与模型模块连接，对决策结果进行统一管理并传输给模型块。
模型模块包括相连接的进化神经12和模型中心13，其中，进化神经12分别连接反馈模块和记忆模块，基于反馈信息和决策结果对反射弧决策模块进行进化训练；模型中心13与反射弧决策模块连接，对经训练的反射弧模型进行统一管理。
上述决策系统的工作原理包括：
(1)决策策略建立。传入神经、感知神经、前驱神经、决策神经、后驱神经、记忆神经、传出神经、反馈神经和进化神经在遵守约束规则的条件下，灵活的组合成不同复杂程度的反射弧，以对不同复杂程度的问题反射响应，其相互关系见表1。
表1
(2)决策响应过程。对智慧大脑的每次刺激，都会通过相应的反射弧的一次反射来完成响应。反射弧只能做出条件反射，即其做出的反射都是通过训练而形成的反射弧。
(3)决策进化过程。进化神经整合记忆和反馈信息，将散落的知识片段连接起来，提高数据质量，为算法模型的不断优化进步，提供更充分的训练样本，为反射弧的持续进化提供数据和算法支持。
实施例
(1)以对用户进行分类响应为例说明冠军挑战者模式的决策策略在上述决策系统的实现。首先建立如图2所示的冠军挑战者模式的反射弧决策模块，该模块具有1个感知神经，1个前驱神经，3个决策神经和1个后驱神经。传入神经获取证件号；感知神经根据证件号获取用户信息；前驱神经对用户数据进行预判，并配置冠军挑战者模式的规则，决定每条请求应该分配到哪个决策模型；3个决策神经分别为冠军模型和挑战者模型，实现相同的功能，分别处理不同比例的决策请求，挑战者模型如果效果比冠军模型好，可以代替冠军模型，如此持续进化实现最优模型选择；记忆神经和反馈神经分别记录决策结果和用户实际反馈，为进化神经的进化提供更充分的训练样本。
(2)以对证件号的决策响应为例说明多模型综合决策策略在上述决策系统的实现。首先建立如图3所示的多模型模式的反射弧决策模块，该模块具有3个感知神经，2个前驱神经，3个决策神经和2个后驱神经，传入神经获取证件号，感知神经a、b根据证件号码获取公司名和部门职位信息，决策神经a、b分别预测出行业代码和职业代码；感知神经c根据证件号码获取消费评级信息，决策神经c根据消费评级信息、行业代码和职业代码预测出风险标签。记忆神经和反馈神经分别记录决策结果和用户实际反馈，为进化神经的进化提供更充分的训练样本。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。