[发明专利]基于卷积神经网络的人工智能图形化应用平台及应用方法

说明书

本发明公开了一种基于卷积神经网络的人工智能图形化应用平台及应用方法，主要包括功能模块、模型模块和图形化界面；所述功能模块包括计算机视觉功能单元、自然语言处理功能单元、机器学习功能单元、语音识别功能单元、增强学习功能单元；所述模型模块包括数据选择单元、模型构建单元、模型训练单元、模型测试单元、模型发布单元；所述图形化界面选择特定功能，通过图形化方法调用所述模型模块内的各单元，动态生成人工智能相关算法的流程图。本发明降低用户使用人工智能的门槛和成本，通过平台的使用可以系统化的学习人工智能的各种算法和实现。

技术领域

本发明属于人工智能应用领域，特别是涉及到一种基于卷积神经网络的人工智能图形化应用平台及应用方法。

背景技术

随着人工智能技术的迅速发展，人工智能在各个领域的应用也越来越多，然而，在目前使用人工智能平台的门槛和成本都很高，除了相应的人才成本以外，在使用中复杂的环境配置、深度学习框架选择、编程语言选择等问题，以及在模型构建中冗长的标准代码或文件结构，都影响了人工智能技术的具体应用。

发明内容

针对上述问题，本发明提出一种基于卷积神经网络的人工智能图形化应用平台及应用方法，为人工智能提供图像化操作平台和操作方法。

为达到上述目的，本发明的技术方案是这样实现的：

基于卷积神经网络的人工智能图形化应用平台，主要包括功能模块、模型模块和图形化界面；所述功能模块包括计算机视觉功能、自然语言处理功能、机器学习功能、语音识别功能、增强学习功能；所述模型模块包括数据选择单元、模型设置单元、模型训练单元、模型测试单元，模型发布单元；所述图形化界面选择所述功能模块中的功能，然后通过图形化方法设置所述模型模块内的各单元，动态生成人工智能应用流程图；

所述数据选择单元选择用于模型训练的数据集；所述模型设置单元通过图形化方法调用神经网络的基础元件自由组合构建网络；所述模型训练单元根据选择的数据集和定义的模型进行训练，并图像化显示训练过程的随着迭代次数和增加的精确度的变化情况；所述模型测试单元对相应的输入数据，用训练完成的模型处理，在界面上输出测试结果，并与原输入数据相比较；所述模型发布单元将训练的模型发布应用到具体的应用环境中。

进一步的，所述图形化方法是使用面向对象技术进行构建，基于消息驱动运行。

进一步的，所述基础元件是一组具有输入/输出端口的模块，各模块的输入端口用于接收数据，输出端口用于发送数据，各模块的内部功能则对数据进行处理；各模块间通过连线建立端口连接。

进一步的，所述功能模块还包括自定义功能，所述自定义功能即通过图形化方法调用所述模型模块内的各单元动态定义新的功能，以及动态生成该功能的人工智能应用流程图。

进一步的，所述应用平台设有云平台以及与云平台设有功能接口的移动端和桌面端；所述云平台用于接收上传的数据、模型，使用云计算调试模型和传递参数，实现后台的模型训练和计算，并返回运算结果，所述桌面端和移动端采用人机交互的图形化界面，提供数据、工程实现和界面应用，同时实现云计算接入。

本发明另一方面还提供了一种基于卷积神经网络的人工智能图形化应用方法，包括：

(1)构建图形化界面、功能模块、模型模块；

(2)在图形化界面中根据需要选择功能模块中相应的人工智能功能；

(3)根据应用不同选择用于模型训练的数据集；

(4)使用图形化方法调用神经网络的基础元件自由组合构建网络；

(5)根据选择的数据集和定义的模型进行训练，图像化显示训练过程的随着迭代次数和增加的精确度的变化情况；

(6)对相应的输入数据，用训练完成的模型处理，在界面上输出测试结果，并与原输入数据相比较；