[发明专利]一种基于BP神经网络的人工智能优化方法

摘要

本发明公开了一种基于BP神经网络的人工智能优化方法，一种基于BP神经网络的人工智能优化方法，用户针对人工智能系统中的各操作，分别在人工智能系统中输入相应的命令，通过人工智能系统建立操作和命令集映射对，作为BP神经网络的原始训练集，对BP神经网络进行训练，所述命令为用户输入的原始命令信息，人工智能系统对其进行预处理及特征参数提取，将提取的特征参数值输入到BP神经网络的输入端；在操作和命令集映射对创建的过程中，将用户输入的命令作为原始训练集，人工智能在执行命令的过程中出错误的概率变小，执行速度快、准确度高，多种命令可以控制同一个操作，使人工智能的使用更加方便，提高了人工智能的效率值。

主权项

一种基于BP神经网络的人工智能优化方法，其特征在于：步骤如下：步骤1、用户针对人工智能系统中的各操作，分别在人工智能系统中输入相应的命令，通过人工智能系统建立操作和命令集映射对，作为BP神经网络的原始训练集，对BP神经网络进行训练，所述命令为用户输入的原始命令信息，人工智能系统对其进行预处理及特征参数提取，将提取的特征参数值输入到BP神经网络的输入端；步骤2、用户向人工智能系统输入命令数据，人工智能系统首先对用户输入的命令数据进行预处理及提取命令的特征参数值，命令的特征参数值经过BP神经网络进行传播，将神经网络实际输出值与所有的期望值进行比较，若有其中一个误差值小于预先设定的误差值，则将该误差对应的输出作为语音识别的最终输出，然后进入步骤3，若所有的误差值均大于预先设定的误差值，则进入步骤4；步骤3、人工智能系统识别BP神经网络输出的应用程序的包名，调用包名相应的应用程序，执行应用程序相应的操作；步骤4、将所有的误差值在BP神经网络中反向传播，作为BP神经网络的输入，从而修正各个节点单元的权值，若当前学习次数小于预先设定的学习次数，则继续传播，直到其中一个误差值小于预先设定的误差值为止，若当前学习次数大于预先设定的学习次数时，还未出现一个误差值小于预先设定的误差值，则结束训练，并且由人工智能系统作出无法找到应用程序的提示。