本發(fā)明涉及人工智能設(shè)備技術(shù)領(lǐng)域，特別涉及一種基于bp神經(jīng)網(wǎng)絡(luò)的人工智能優(yōu)化方法。

背景技術(shù)：

當(dāng)代的人工智能技術(shù)發(fā)展還不完善，用戶在使用人工智能機(jī)器的過(guò)程中會(huì)遇到很多問(wèn)題，人工智能系統(tǒng)也會(huì)出現(xiàn)許多錯(cuò)誤，對(duì)用戶的使用極為不利，所以，如何優(yōu)化人工智能，提高人工智能的準(zhǔn)確度和執(zhí)行速度成為目前人工智能研究中的主要問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于bp神經(jīng)網(wǎng)絡(luò)的人工智能優(yōu)化方法，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于bp神經(jīng)網(wǎng)絡(luò)的人工智能優(yōu)化方法，用戶針對(duì)人工智能系統(tǒng)中的各操作，分別在人工智能系統(tǒng)中輸入相應(yīng)的命令，通過(guò)人工智能系統(tǒng)建立操作和命令集映射對(duì)，作為bp神經(jīng)網(wǎng)絡(luò)的原始訓(xùn)練集，對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述命令為用戶輸入的原始命令信息，人工智能系統(tǒng)對(duì)其進(jìn)行預(yù)處理及特征參數(shù)提取，將提取的特征參數(shù)值輸入到bp神經(jīng)網(wǎng)絡(luò)的輸入端；

用戶向人工智能系統(tǒng)輸入命令數(shù)據(jù)，人工智能系統(tǒng)首先對(duì)用戶輸入的命令數(shù)據(jù)進(jìn)行預(yù)處理及提取命令的特征參數(shù)值，命令的特征參數(shù)值經(jīng)過(guò)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行傳播，將神經(jīng)網(wǎng)絡(luò)實(shí)際輸出值與所有的期望值進(jìn)行比較；若有其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則將該誤差對(duì)應(yīng)的輸出作為語(yǔ)音識(shí)別的最終輸出；然后進(jìn)入步驟3；若所有的誤差值均大于預(yù)先設(shè)定的誤差值，則進(jìn)入步驟4；

人工智能系統(tǒng)識(shí)別bp神經(jīng)網(wǎng)絡(luò)輸出的應(yīng)用程序的包名，調(diào)用包名相應(yīng)的應(yīng)用程序，執(zhí)行應(yīng)用程序相應(yīng)的操作；

將所有的誤差值在bp神經(jīng)網(wǎng)絡(luò)中反向傳播，作為bp神經(jīng)網(wǎng)絡(luò)的輸入，從而修正各個(gè)節(jié)點(diǎn)單元的權(quán)值，若當(dāng)前學(xué)習(xí)次數(shù)小于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)，則繼續(xù)傳播，直到其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值為止，若當(dāng)前學(xué)習(xí)次數(shù)大于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)時(shí)，還未出現(xiàn)一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則結(jié)束訓(xùn)練，并且由人工智能系統(tǒng)作出無(wú)法找到應(yīng)用程序的提示。

優(yōu)選的，步驟1中，操作和語(yǔ)音命令集映射對(duì)中操作的應(yīng)用程序包名存放在人工智能系統(tǒng)的arraylist中，arraylist中包名的個(gè)數(shù)和bp神經(jīng)網(wǎng)絡(luò)輸出層的輸出維數(shù)相同。

優(yōu)選的，步驟1和步驟2中命令的特征參數(shù)值的個(gè)數(shù)為6-8，所述bp神經(jīng)網(wǎng)絡(luò)的輸入層的輸入維數(shù)和命令的特征參數(shù)值的個(gè)數(shù)相同。

優(yōu)選的，操作和命令集映射對(duì)中，包含有多個(gè)命令映射同一個(gè)操作的情況。

優(yōu)選的，步驟2中，預(yù)先設(shè)定的誤差值為0.000001。

優(yōu)選的，步驟3中預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為800-1000。

優(yōu)選的，人工智能系統(tǒng)在建立操作和命令集映射對(duì)過(guò)程中，用戶根據(jù)操作的作用輸入相應(yīng)的命令。

優(yōu)選的，步驟1中操作為人工智能系統(tǒng)執(zhí)行的應(yīng)用程序，操作對(duì)應(yīng)的應(yīng)用程序包名為bp神經(jīng)網(wǎng)絡(luò)的輸出。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：通過(guò)終端系統(tǒng)本地的操作和命令集映射對(duì)代替?zhèn)鹘y(tǒng)命令識(shí)別方法中數(shù)據(jù)庫(kù)中的訓(xùn)練數(shù)據(jù)，在極大程度上節(jié)省了終端的訓(xùn)練集存儲(chǔ)容量，在操作和命令集映射對(duì)創(chuàng)建的過(guò)程中，將用戶輸入的命令作為原始訓(xùn)練集，人工智能在執(zhí)行命令的的過(guò)程中出錯(cuò)誤的概率變小，并且執(zhí)行速度快、準(zhǔn)確度高，多種命令可以控制同一個(gè)操作，使得人工智能的使用更加方便，提高了人工智能的效率值。

具體實(shí)施方式

下面將對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例1

本發(fā)明一種基于bp神經(jīng)網(wǎng)絡(luò)的人工智能優(yōu)化方法，其步驟如下：

步驟1、用戶針對(duì)人工智能系統(tǒng)中的各操作，分別在人工智能系統(tǒng)中輸入相應(yīng)的命令，通過(guò)人工智能系統(tǒng)建立操作和命令集映射對(duì)，作為bp神經(jīng)網(wǎng)絡(luò)的原始訓(xùn)練集，對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述命令為用戶輸入的原始命令信息，人工智能系統(tǒng)對(duì)其進(jìn)行預(yù)處理及特征參數(shù)提取，將提取的特征參數(shù)值輸入到bp神經(jīng)網(wǎng)絡(luò)的輸入端；

步驟2、用戶向人工智能系統(tǒng)輸入命令數(shù)據(jù)，人工智能系統(tǒng)首先對(duì)用戶輸入的命令數(shù)據(jù)進(jìn)行預(yù)處理及提取命令的特征參數(shù)值，命令的特征參數(shù)值經(jīng)過(guò)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行傳播，將神經(jīng)網(wǎng)絡(luò)實(shí)際輸出值與所有的期望值進(jìn)行比較；若有其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則將該誤差對(duì)應(yīng)的輸出作為語(yǔ)音識(shí)別的最終輸出，然后進(jìn)入步驟3，若所有的誤差值均大于預(yù)先設(shè)定的誤差值，則進(jìn)入步驟4，步驟1和步驟2中命令的特征參數(shù)值的個(gè)數(shù)為6；

步驟3、人工智能系統(tǒng)識(shí)別bp神經(jīng)網(wǎng)絡(luò)輸出的應(yīng)用程序的包名，調(diào)用包名相應(yīng)的應(yīng)用程序，執(zhí)行應(yīng)用程序相應(yīng)的操作，此步驟中預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為800；

步驟4、將所有的誤差值在bp神經(jīng)網(wǎng)絡(luò)中反向傳播，作為bp神經(jīng)網(wǎng)絡(luò)的輸入，從而修正各個(gè)節(jié)點(diǎn)單元的權(quán)值，若當(dāng)前學(xué)習(xí)次數(shù)小于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)，則繼續(xù)傳播，直到其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值為止，若當(dāng)前學(xué)習(xí)次數(shù)大于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)時(shí)，還未出現(xiàn)一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則結(jié)束訓(xùn)練，并且由人工智能系統(tǒng)作出無(wú)法找到應(yīng)用程序的提示。

實(shí)施例2

本發(fā)明一種基于bp神經(jīng)網(wǎng)絡(luò)的人工智能優(yōu)化方法，其步驟如下：

步驟1、用戶針對(duì)人工智能系統(tǒng)中的各操作，分別在人工智能系統(tǒng)中輸入相應(yīng)的命令，通過(guò)人工智能系統(tǒng)建立操作和命令集映射對(duì)，作為bp神經(jīng)網(wǎng)絡(luò)的原始訓(xùn)練集，對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述命令為用戶輸入的原始命令信息，人工智能系統(tǒng)對(duì)其進(jìn)行預(yù)處理及特征參數(shù)提取，將提取的特征參數(shù)值輸入到bp神經(jīng)網(wǎng)絡(luò)的輸入端；

步驟2、用戶向人工智能系統(tǒng)輸入命令數(shù)據(jù)，人工智能系統(tǒng)首先對(duì)用戶輸入的命令數(shù)據(jù)進(jìn)行預(yù)處理及提取命令的特征參數(shù)值，命令的特征參數(shù)值經(jīng)過(guò)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行傳播，將神經(jīng)網(wǎng)絡(luò)實(shí)際輸出值與所有的期望值進(jìn)行比較；若有其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則將該誤差對(duì)應(yīng)的輸出作為語(yǔ)音識(shí)別的最終輸出，然后進(jìn)入步驟3，若所有的誤差值均大于預(yù)先設(shè)定的誤差值，則進(jìn)入步驟4，步驟1和步驟2中命令的特征參數(shù)值的個(gè)數(shù)為7；

步驟3、人工智能系統(tǒng)識(shí)別bp神經(jīng)網(wǎng)絡(luò)輸出的應(yīng)用程序的包名，調(diào)用包名相應(yīng)的應(yīng)用程序，執(zhí)行應(yīng)用程序相應(yīng)的操作，此步驟中預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為900；

步驟4、將所有的誤差值在bp神經(jīng)網(wǎng)絡(luò)中反向傳播，作為bp神經(jīng)網(wǎng)絡(luò)的輸入，從而修正各個(gè)節(jié)點(diǎn)單元的權(quán)值，若當(dāng)前學(xué)習(xí)次數(shù)小于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)，則繼續(xù)傳播，直到其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值為止，若當(dāng)前學(xué)習(xí)次數(shù)大于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)時(shí)，還未出現(xiàn)一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則結(jié)束訓(xùn)練，并且由人工智能系統(tǒng)作出無(wú)法找到應(yīng)用程序的提示。

實(shí)施例3

本發(fā)明一種基于bp神經(jīng)網(wǎng)絡(luò)的人工智能優(yōu)化方法，其步驟如下：

步驟1、用戶針對(duì)人工智能系統(tǒng)中的各操作，分別在人工智能系統(tǒng)中輸入相應(yīng)的命令，通過(guò)人工智能系統(tǒng)建立操作和命令集映射對(duì)，作為bp神經(jīng)網(wǎng)絡(luò)的原始訓(xùn)練集，對(duì)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述命令為用戶輸入的原始命令信息，人工智能系統(tǒng)對(duì)其進(jìn)行預(yù)處理及特征參數(shù)提取，將提取的特征參數(shù)值輸入到bp神經(jīng)網(wǎng)絡(luò)的輸入端；

步驟2、用戶向人工智能系統(tǒng)輸入命令數(shù)據(jù)，人工智能系統(tǒng)首先對(duì)用戶輸入的命令數(shù)據(jù)進(jìn)行預(yù)處理及提取命令的特征參數(shù)值，命令的特征參數(shù)值經(jīng)過(guò)bp神經(jīng)網(wǎng)絡(luò)進(jìn)行傳播，將神經(jīng)網(wǎng)絡(luò)實(shí)際輸出值與所有的期望值進(jìn)行比較；若有其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則將該誤差對(duì)應(yīng)的輸出作為語(yǔ)音識(shí)別的最終輸出，然后進(jìn)入步驟3，若所有的誤差值均大于預(yù)先設(shè)定的誤差值，則進(jìn)入步驟4，步驟1和步驟2中命令的特征參數(shù)值的個(gè)數(shù)為8；

步驟3、人工智能系統(tǒng)識(shí)別bp神經(jīng)網(wǎng)絡(luò)輸出的應(yīng)用程序的包名，調(diào)用包名相應(yīng)的應(yīng)用程序，執(zhí)行應(yīng)用程序相應(yīng)的操作，此步驟中預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為1000；

步驟4、將所有的誤差值在bp神經(jīng)網(wǎng)絡(luò)中反向傳播，作為bp神經(jīng)網(wǎng)絡(luò)的輸入，從而修正各個(gè)節(jié)點(diǎn)單元的權(quán)值，若當(dāng)前學(xué)習(xí)次數(shù)小于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)，則繼續(xù)傳播，直到其中一個(gè)誤差值小于預(yù)先設(shè)定的誤差值為止，若當(dāng)前學(xué)習(xí)次數(shù)大于預(yù)先設(shè)定的學(xué)習(xí)次數(shù)時(shí)，還未出現(xiàn)一個(gè)誤差值小于預(yù)先設(shè)定的誤差值，則結(jié)束訓(xùn)練，并且由人工智能系統(tǒng)作出無(wú)法找到應(yīng)用程序的提示。

通過(guò)終端人工智能系統(tǒng)本地的操作和命令集映射對(duì)代替?zhèn)鹘y(tǒng)命令識(shí)別方法中數(shù)據(jù)庫(kù)中的訓(xùn)練數(shù)據(jù)，在極大程度上節(jié)省了終端的訓(xùn)練集存儲(chǔ)容量，在操作和命令集映射對(duì)創(chuàng)建的過(guò)程中，將用戶輸入的命令作為原始訓(xùn)練集，人工智能在執(zhí)行命令的的過(guò)程中出錯(cuò)誤的概率變小，并且執(zhí)行速度快、準(zhǔn)確度高，多種命令可以控制同一個(gè)操作，使得人工智能的使用更加方便，提高了人工智能的效率值。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。