[发明专利]一种基于AI咨询神经网络搭建方法及系统

说明书

本发明公开了一种基于AI咨询神经网络搭建方法及系统，包括神经网络系统和虚拟系统，神经网络系统通过边缘计算与虚拟系统进行连接，其包括准备数据库，提取特征作为输入给神经网络，数据库接口模块在神经网络搭建时将信息发起者发送的信息内容和收集到内容，调取和存入信息内容数据库。本发明保证在数据更新信息时信号能够稳定传输，提高传输效率，能够避免陷进一个无穷尽的深层分支中去，可以让网络爬虫并行处理，从而爬取到所需要的内容，加速爬取速度和效率，去除一些违规的信息后，再将结构进行显示，避免出现违规内容后，导致所有的爬取结果无法显示，通过多方面采集信号，可有效保证感官信号的多元性，保证系统内信号的准确性。

技术领域

本发明涉及到一种云计算搭建方法，特别涉及一种基于AI咨询神经网络搭建方法及系统。

背景技术

智能系统是依据确定性的算法所实现的系统，是按照一种算法实现某种目标函数的处理，其处理结果是确定性的系统，人工智能就是用计算机实现人的头脑功能，即通过计算机实现人的头脑思维所产生的效果，所要解决的问题，神经网络算法中主要是通过“训练”将目标函数的信息承载在海量的加权值的参数上，加权值W，与阀值T在学习的过程中，要想得到最佳的解，需要将所有的状态都要进行测试，所要组合的总次数是{(W×T)n}×P，这里n为一层的神经网络的节点数，P为神经网络的层数，如此高指数的计算复杂度使计算量庞大，所需要的硬件开销巨大，深度学习的学习效果的损失函数所采用的概率梯度下降法简称SGD，所得到的训练值是一个局部最佳解，因此不可避免的会出现“黑箱”问题，再有神经网络的模型中的阀值属于人为定义，同人的大脑的神经网络的机理相差甚大，脑神经的刺激信号的原理不能在传统的神经网络模型中充分体现，人的头脑根据神经元的神经信号所产生的兴奋程度不同进行不同的判断的机理在目前的神经网络的模型中也不能体现等等，目前的神经网络模型只能是学术上的，代表一种方向性的理论，同达到实际应用的水平差距甚大。如今进入深度学习的阶段，同传统的神经网络相比只增加了隐藏层的数量，这更加使计算的复杂度加大，虽然在学习中导入了一些优化算法，但是并没脱离原来的神经网络的基础，传统神经网络的致命问题得不到解决，广泛应用的前景很难期待。

发明内容

本发明的目的在于提供一种基于AI咨询神经网络搭建方法及系统，具有保证在数据更新信息时信号能够稳定传输，提高传输效率，能够避免陷进一个无穷尽的深层分支中去，可以让网络爬虫并行处理，从而爬取到所需要的内容，加速爬取速度和效率，去除一些违规的信息后，再将结构进行显示，避免出现违规内容后，导致所有的爬取结果无法显示，通过多方面采集信号，可有效保证感官信号的多元性，保证系统内信号的准确性的优点，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于AI咨询神经网络搭建方法，包括以下步骤：

S1：准备数据库，提取特征，作为输入为给神经网络，数据库接口模块在神经网络搭建时将信息发起者发送的信息内容和收集到内容，调取和存入信息内容数据库；

S2：搭建神经网络系统，从输入到输出，在神经网络系统搭建后，系统内部的爬虫算法通过数据库接口模块与物联网和互联网连接后进行多次爬虫，并通过爬虫算法计算后，将结果通过数据库接口模块传输到数据库内进行储存；

S3：神经网络系统设置在互联网核心服务器内，神经网络系统通过计算模块与虚拟系统对接，互联网核心服务器的通过显示模块上的人机交互界面与需求者进行互动；

S4：神经网络系统内的爬取答案引用模块将爬虫算法爬取到的信息和内容进行引用和反馈，由显示模块显示，在由人工复核模块进行核实检索。

更进一步地，S1中数据库用于多组爬取答案进行矫正储存，数据库接口模块用于神经网络系统与物联网和互联网连接，且神经网络系统内设置有用于检测数据库接口模块接口问题的检测系统。