[发明专利]基于大数据深度学习的个人时空协同预测方法和机器人

说明书

基于大数据深度学习的个人时空协同预测方法和机器人，包括：个人预测深度学习模型构建步骤；多人空间预测深度学习模型构建步骤；多人时间预测深度学习模型构建步骤；多人时空预测深度学习模型构建步骤。上述方法、系统和机器人，基于个人预测深度学习模型构建多人空间预测深度学习模型、多人时间预测深度学习模型、多人时空预测深度学习模型，进而将个人的统计信息分别与时间、空间、时空协同起来，进行多个模型的协同预测，进而使得个人的统计信息与时间、空间、时空不再被割裂开来，而是能够融为一体来提高时空的预测效果。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于大数据深度学习的个人时空协同预测方法和机器人。

背景技术

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：传统的个人感染风险预测都是进行各自为政地预测，也就是说张三预测张三的，李四预测李四的，假如张三和李四距离很近，甚至是相距咫尺，其实张三和李四之间会有相互影响，对于传染病而言更是如此，人与人之间的影响是很大的。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供基于大数据深度学习的个人时空协同预测方法和机器人，以解决现有技术中不同个体各自为政地进行预测的问题。

第一方面，本发明实施例提供一种人工智能方法，所述方法包括：

个人预测深度学习模型构建步骤：初始化多个深度学习神经网络模型作为多个个人预测深度学习模型，将每一时间每一空间的每一个人的个人数据作为输入，将所述每一时间所述每一空间的所述每一个人预期结果作为输出，对所述每一时间所述每一空间的个人预测深度学习模型进行第一训练，不同的个人预测深度学习模型的参数根据预设进行共享或部分共享或不共享；在使用时，将每一时间每一空间的每一个人的数据作为输入，通过所述每一时间所述每一空间的个人预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的所述每一个人预测结果；

多人空间预测深度学习模型构建步骤：针对每一时间，将所述每一时间的每一空间的所有个人预测深度学习模型的特征数据集合、空间信息作为输入，将所述每一时间所述每一空间的预期结果作为输出，对所述每一时间的多人空间预测深度学习模型进行训练，得到所述每一时间的多人空间预测深度学习模型；在使用时，每一时间每一空间的所有人的空间信息、个人数据作为输入，通过多人空间预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的预测结果；

多人时间预测深度学习模型构建步骤：针对每一空间，将所述每一空间的每一时间的个人预测深度学习模型的特征数据集合、时间信息作为输入，将所述每一时间所述每一空间的预期结果作为输出，对所述每一空间的多人时间预测深度学习模型进行训练，得到所述每一空间的多人时间预测深度学习模型；在使用时，每一时间每一空间的时间信息、所有人个人数据作为输入，通过多人时间预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的预测结果；

多人时空预测深度学习模型构建步骤：将每一时间每一空间的所有人个人预测深度学习模型的特征数据集合、时间信息、空间信息作为输入，将所述每一时间所述每一空间的预期结果作为输出，对所述多人时空预测深度学习模型进行训练，得到多人时空预测深度学习模型；在使用时，每一时间每一空间的时间信息、所有个人数据作为输入，通过多人时空预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的预测结果。

优选地，所述方法还包括：

个人空间预测深度学习模型第一构建步骤：初始化多个深度学习神经网络模型作为个人空间深度学习预测模型，将每一时间的每一空间每个个人的空间信息和个人数据作为输入，将所述每一时间的所述每一空间的所述每一个人预期结果作为输出，对所述每一时间的个人空间预测深度学习模型进行第二训练，不同的个人空间预测深度学习模型的参数根据预设进行共享或部分共享或不共享；