[发明专利]一种导入人工智能超深度学习用于语音识别的方法

权利要求书

1.一种导入人工智能超深度学习用于语音识别的方法，其特征如下：

语音信号经过微机器学习产生特征值的特征信息，或语音状态信息输入到超深度学习神经网络的输入层；输入层通过微机器学习输入到隐藏层即神经层；神经层以阀值为基准产生神经信号输入到输出层即头脑层，头脑层进行识别结果的判断。

2.根据权利要求1所述的一种导入人工智能超深度学习用于语音识别的方法，其特征在于：上述微机器学习是指以概率尺度，或测度尺度为基准，通过迭代的方式不断的产生更加精确的新的概率尺度，或测度尺度，以及数据的中心值的自组织算法。

3.根据权利要求1，或2所述的一种导入人工智能超深度学习用于语音识别的方法，其特征在于：上述概率尺度是指在具有概率分布的数据中可以找到一个尺度，可以标定数据中最大分布概率的范围。

4.根据权利要求1，或2所述的一种导入人工智能超深度学习用于语音识别的方法，其特征在于：上述测度尺度是指在含有概率与模糊信息的数据中可以找到一个尺度，可以标定数据中最大分布概率与最紧密的模糊关系的范围。

5.根据权利要求1，2，3乃至4所述的一种导入人工智能超深度学习用于语音识别的方法，其特征在于：上述概率尺度，或测度尺度可作为超深度学习模型中的构成头脑神经触发的阀值。

6.一种导入人工智能超深度学习用于图像识别的方法，其特征如下：

图像信号经过微机器学习产生特征值的特征信息，输入到超深度学习神经网络的输入层；输入层通过微机器学习输入到隐藏层即神经层；神经层以阀值为基准产生神经信号输入到输出层即头脑层，头脑层进行识别结果的判断。

7.一种人工智能超深度学习模型的构成方法，其特征如下：

神经网络的输入层的每一个节点所对应的目标函数的若干个输入的信息是通过所对应的微机器学习处理后连接到输入层的各个节点的；输入层与隐藏层的各个节点之间也是通过微机器学习相互连接的；由输出层判断处理结果与自学习的处理。