[发明专利]一种人工智能新型神经网络的构建方法

权利要求书

1.一种人工智能新型神经网络的构建方法，是由感知层，神经层以及脑皮层构成的，其特征在于：

(1)感知层通过复数个小数据直接输入的无监督机器学习单元连接被感知对象；对输入的感知对象进行最大概率信息的学习；

(2)神经层与感知层之间连接复数个小数据直接输入的无监督机器学习单元；进行模糊事件概率测度的对抗学习；

(3)脑皮层与神经层之间连接小数据直接输入的无监督机器学习单元；进行最大信赖性的对抗决策的学习。

2.根据权利要求1所述的一种人工智能新型神经网络的构建方法，其特征在于：所述被感知对象是指：是通过空间映射后的；包括图像；人脸信息；声音；情感信息；文本信息；工业现场，农业现场或商业现场信息；物联网信息；金融或经济预测信息在内的任何需要人工智能处理的数字信息。

3.根据权利要求1所述的一种人工智能新型神经网络的构建方法，其特征在于：空间映射是指：将复杂系的感知对象映射到可以承载感知对象信息的复数个空间，通过感知映射后的空间信息达到获取复杂系深层信息的目的。

4.根据权利要求1所述的一种人工智能新型神经网络的构建方法，其特征在于：所述最大概率信息是指：是通过小数据直接输入的无监督学习后所得；超越传统统计学所获得的感知对象的信息，即最为接近母体的感知对象的数值信息。

5.根据权利要求1所述的一种人工智能新型神经网络的构建方法，其特征在于：所述模糊事件概率测度的对抗学习是指：针对一个感知数据需要在两个最为接近的概率分布数据中；通过属于一个概率分布数据的模糊事件概率测度的关系的学习；同时又进行不属于这个概率分布数据的模糊事件概率测度的关系的对抗学习，从中得到属于哪个概率分布数据的学习方法。

6.根据权利要求1，4所述的一种人工智能新型神经网络的构建方法，其特征在于：所述模糊事件概率测度是通过多概率尺度的自组织学习；得到的概率分布的复数领域中的概率信息；或通过学习得到实际概率分布的多概率尺度的概率信息获得的穿越不同空间的距离为基础的模糊信息与概率信息的融合。

7.根据权利要求1，4所述的一种人工智能新型神经网络的构建方法，其特征在于：所述对抗学习是建立在最大概率信赖度所属的特征要素基础上的。

8.根据权利要求1，6所述的一种人工智能新型神经网络的构建方法，其特征在于：所述最大信赖性是指：通过小数据直接输入的无监督学习后所得的；超越传统统计学所获得的最大概率的决策对象的信息，即最为接近母体的最大概率的决策对象的数值信息。

9.根据权利要求1所述的一种人工智能新型神经网络的构建方法，其特征在于：所述小数据直接输入的无监督机器学习单元是指：可朝着最大概率方向迁移的多概率尺度自组织。

10.根据权利要求1所述的一种人工智能新型神经网络的构建方法，其特征在于：多概率尺度是指：基于包括具有正态分布；多变量正态分布；对数正态分布指数分布；t分布；F分布；X²分布；二项分布；负的二项分布；多项分布；泊松分布；爱尔朗分布(ErlangDistribution)；超几何分布；几何分布；通信量分布；韦伯分布(Weibull Distribution)；三角分布；贝塔分布(Bete Distribution)；伽马分布(Gamma Distribution)中任意一种或是引伸到贝叶斯方法(Bayesian Analysis)；高斯过程(Gaussian Processes)中的任意概率分布中任意一种概率分布特性所设定的度量标准。