[发明专利]用于情景分析的处理器

说明书

技术领域

本发明涉及一种用于能够通过归纳实现推理来对模拟人类推理的专家系统或人工智能系统进行编程的数据处理装置。

更确切地说，本发明涉及一种数据处理装置，该数据处理装置特别致力于统计处理，数据挖掘，决策辅助工具的设计，诊断，预测或估计，模拟器、自动学习系统或辅助学习系统的设计，以及通常所说的情景分析系统或情景分析的设计。

背景技术

经过50多年的发展，计算机处理器已经实现了以更短的时间来执行数百万次的计算。利用这种能力，计算机处理器越来越多地被用作分析工具和预测工具。

然而，由处理器所实现的数据处理架构具有局限性和约束。处理器在输入端获得比特序列、通过一系列的逻辑门对这些比特序列进行变换，并且由此在输出端推导出另一个比特序列。这一系列的逻辑门确定处理器执行的计算。在程序中所预定的该系列取决于由用户根据形式逻辑规则并且基于已知情景所实现的模型。这些模型可以采取从用于市场金融的量化模型直到用于工程的机械模型的极其多样的形式。一般原理在于分析实际现象，以在给定的估计水平从一个或多个模型的应用来预测结果。

在该模型内，处理器证明是有效的，但是，一方面不仅保留无法超出所述模型的局限性，而且还保留由算法逻辑规则中的内在限制所引起的必然的约束。此外，如果模型从开始就具有缺陷，则这些缺陷将影响结果的质量，或者甚至影响模型本身的关联性。

另一个已知的方法在于开发具有由人工神经网络形式的人类大脑的物理结构所启发的架构的数据处理装置。其功能由网络结构所确定的该类型的架构实现了学习过程，该学习过程能够通过具体使用由推理进行归纳的原理来获取、存储和使用知识。

已经开发出了不同类型的神经网络，与常规的处理器架构相比，这些神经网络在某些情况下已经被证明特别在信号和信息(电信、金融、气象)项目的处理和统计性质(市场营销)、形状分类与识别(成像、特征识别)的处理中更有效。

然而，这些架构产生了一方面保持对网络结构(网络类型根据它们的拓扑结构、聚合函数和/或所使用的阈值而不同)非常依赖并且另一方面保持对所选择的学习模型(其使得网络的调节阶段必要)非常依赖的结果。

本发明提供了一种替代的数据处理装置，该数据处理装置在不依赖模型或者不依赖物理或逻辑的实现结构的情况下，通过对情景的观察能够分析数据并且预测其他情景。

这里使用“情景”来表示描述行为或具体状态的或多或少复杂的并且或多或少模糊的信息。该情景来自人类或机器的观察并且可以与想象的一样真实。

发明内容

本发明提供了一种数据处理装置，其架构可以是物理的或逻辑的，并且形成情景分析处理器。

为此，提供了一种数据处理装置，其特征在于，该数据处理装置包括以下的组合：

存储器，一方面，该存储器被组织成两个空间，一个空间包含对已存储数据进行描述的属性，而另一个空间包含已存储数据之间的连通性链接(connexity links)，并且另一方面，根据分别与属性相关联的并且被划分成一个或多个分等级的(hierarchized)分段的一个或多个维度，数据是通过创建、删除或修改对所述分段进行表征的属性值来输入的；

用于对一个或多个进入信息流进行集成的装置，其对所述流进行分析，以确定构成所述流的数据，并且根据所述存储器的组织来构造所述数据及其属性；

推理引擎，其并行或串行地实现聚集在程序库中的推理规则，在其实现期间，通过在存储器的至少一个空间中创建、删除或修改至少一个数据和/或至少一个属性值和/或至少一个连通性链接，所述规则被编程以重新生成包括存储器的至少一个分段的序列，

用于对资源进行分配的装置，所述资源根据优先级规则来激活或去激活推理规则，

用于提取数据并且在一个或多个流出信息流中提供数据的装置，数据通过编程和/或通过至少一个所选择的属性值和/或至少一个所选择的连通性链接来识别；和/或数据位于存储器的一个或多个所选择的分段中。

根据本发明的其他有利的和非限制性的特征：

存储器被组织成至少三个维度：至少一个时间维度、特质维度(idiosyncratic dimension)和概念维度，其中，至少一个时间维度将数据与一个或多个属性相关联以使得可以确定数据的存储日期，特质维度将数据与一个或多个属性相关联以使得可以确定数据的相对特殊性，概念维度将数据与一个或多个属性以使得可以根据抽象层来将数据按等级排列；