[发明专利]基于大数据深度学习的个人联动区域时空预测方法

说明书

基于大数据深度学习的个人联动区域时空预测方法，包括：装置与场景获取步骤；规则和风险类型获取步骤；场景判断与规则选择步骤；规则设定步骤；场景变化检测步骤。上述方法、系统和机器人，根据事件场景动态选择合适的人工智能伦理规则来降低和防范人工智能伦理风险，使得同一个人工智能装置可以根据事件场景选择合适的不同的人工智能伦理规则，从而可以提高人工智能装置遵守人工智能伦理规则的灵活性，通过选择合适的事件场景，可以极大防范和降低人工智能伦理规则在事件场景中所产生的人工智能伦理风险。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于大数据深度学习的个人联动区域时空预测方法。

背景技术

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：基于大数据和深度学习的个人风险时空预测模型与区域疫情时空预测模型的输入指标变量和输出指标变量都不同，完全是两种异构的不同时空预测模型，难以进行联动和组合。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供基于大数据深度学习的个人联动区域时空预测方法，以解决现有技术中个人风险时空预测模型与区域疫情时空预测模型难以进行联动和组合的问题，将个人风险预测的结果纳入到区域疫情时空预测模型的输入端，使得个人风险时空预测的结果能够提高区域疫情时空预测模型的准确率。

第一方面，本发明实施例提供一种人工智能方法，所述方法包括：

个人预测深度学习模型构建步骤：初始化多个深度学习神经网络模型作为多个个人预测深度学习模型，将每一时间每一空间的每一个人的个人数据作为输入，将所述每一时间所述每一空间的所述每一个人预期结果作为输出，对所述每一时间所述每一空间的个人预测深度学习模型进行第一训练，不同的个人预测深度学习模型的参数根据预设进行共享或部分共享或不共享；

个人预测深度学习模型使用步骤：在使用时，将每一时间每一空间的每一个人的数据作为输入，通过所述每一时间所述每一空间的个人预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的所述每一个人预测结果；

单时单空预测深度学习模型第一构建步骤：初始化多个深度学习神经网络模型作为单时单空预测深度学习模型，将每一时间每一空间的时间信息和空间信息和所有个人数据作为输入，将所述每一时间所述每一空间的所有个人预期结果的统计结果作为预期输出，或将所述每一时间所述每一空间的预期结果作为预期输出，对所述单时单空预测深度学习模型进行第二训练；不同的单时单空预测深度学习模型的参数根据预设进行共享或部分共享或不共享；

单时单空预测深度学习模型第二构建步骤：针对每一时间每一空间，将所述每一时间所述每一空间的所有个人预测深度学习模型的特征数据联合后作为输入，将所述每一时间所述每一空间的所有个人的预期结果的统计结果作为预期输出，或将所述每一时间所述每一空间的预期结果作为预期输出，对所述单时单空预测深度学习模型进行第三训练；

单时单空预测深度学习模型使用步骤：在使用时，每一时间每一空间的时间信息、空间信息、所有个人数据作为输入，通过所述单时单空预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的所有个人的预期结果的统计结果，或作为所述每一时间所述每一空间的预测结果；

训练方式第一设置步骤：第二训练和第三训练可以先后进行，也可以交叉进行，或采用预设的方式组合进行，通过第二训练和第三训练得到所述单时单空预测深度学习模型；第一训练、第三训练可以先后进行，也可以交叉进行，或采用预设的方式组合进行，通过第一训练、第三训练得到所述每一时间所述每一空间的个人预测深度学习模型。

优选地，所述方法还包括：