[实用新型]一种基于深度学习的多模式数据融合装置

说明书

本实用新型公开了一种基于深度学习的多模式数据融合装置，包括控制端硬件和操作端，控制端硬件包括存储有基于深度学习的人工智能模型及用于融合数据的服务器、控制台、指挥麦克风和用于数据传输的传输基站，数据传输基站为专线基站，服务器搭建设置于服务器机房内，服务器通过网线与控制台数据传输连接，控制台由若干台家用PC主机和指挥麦克风构成。本实用新型通过设有的控制端硬件、被控制端硬件和操作端实现各项数据的统一融合，应用在比较初级的融合环境，如灭火、医疗、军事和需要数据收集检测的远程协助实验等，远程端控制指导，被控制端正确实施，控制端硬件内包含了对数据的接收与处理装置。

技术领域

本实用新型涉及一种融合装置，特别涉及一种基于深度学习的多模式数据融合装置。

背景技术

数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。

现有的数据融合技术多数应用在较为虚拟的场景：如大数据分析，AI计算应用、以及股票交易等虚拟化数据的数据计算任务等，但对应的救护救火行业应用较少，当发生大规模火灾险情时，对于分析者决策者来说是需要依靠大量的原始检测数据作为指挥依据的，这些原始的检测数据是保证灭火人员是否有伤亡、火场规模和灭火效率与否的重要分析数据，但这些数据指挥者无法快速的获取应用，数据融合效率较低容易导致在拿到数据后也会错过最佳指挥时机，消防员也是依靠着这些稳定的检测数据，保证在火场外的指挥者是否及时发现险情的指导依据。

深度学习是由人工神经网络发展而来。Hinton等人在2006年首次提出了基于深度置信网络的无监督概率生成模型，阐述了深度学习的基本原理。深度学习以数据和算力为支撑，通过搭建含有多个隐层的神经网络，对外部输入数据进行特征提取，进而从中获取所需信息。这样的模型具有恨到的存储效率，而线性增加的神经元数目可以使其表达按指数级增加大量信息。随着大数据时代的到来以及计算能力的不断发展，人工神经网络在近十年间取得了长足进步，促进了深度学习的快速发展，由此也使得人工智能从之前必须借助人类的阶段向前迈出了一步。

对于深度学习在军事智能辅助决策领域的研究，首先，应对作战技术领域的大数据进一步发展。深度学习目前的研究与大数据是密不可分的，然而包括演习在内的作战数据，真正能够实际使用的数据规模还远远达不到深度神经网络的训练要求，目前的研究更多应用兵棋的推演数据来训练网络，从数据的有效性上看，难以证明在实际作战中的价值。其次，深度学习技术，尤其在认知智能方面需要取得突破。作战同下棋有着巨大的差别，作战数据不是标准化的“棋谱”，而对于机器而言，过去发生的战争在现代化战争中没有太大的指导意义。那么如何让人工智能在现有数据的基础上，从认知层面真正理解和分析战场态势，提高从小样本中学习知识的能力，将是该领域的终极目标。再次，对于深层神经网络的运行机制还需要进一步的研究和改进，来破解深度神经网络的“黑匣子”问题。数据驱动决策的推理机制应有数据相关性向因果关系转变，让机器具备同人类 一样从小样本数据中进行学习的能力，通过因果关系进行预测将更加具有实际意义。因此，在军事辅助智能决策的应用中农，应当更加合理的运用深度学习，AlphaGo以及IBM的“沃森”等人工智能系统，均融合了多种手段，而深度学习只是一个工具。从发展历史中看，深度学习可以很好地应对大数据的特征提取，但浅层的概率统计模型在特征清晰的情况下，也可以取得很好的效果。另外，“沃森”中的规则运用和“深蓝”暴力搜索，以及AlphaGo中的强化学习和蒙特卡洛树搜索策略等都在各自领域中有着自身的优势。可见，传统的机器模型不应该因深度学习模型的快速发展而被抛弃，混合方法才是未来的大势所趋。

实用新型内容