[发明专利]一种人工智能筛选错误数据的系统及方法

权利要求书

1.一种人工智能筛选错误数据的系统，其特征在于，包括筛选模块，筛选模块包含有筛选处理模型、数据处理系统、正常数据和异常数据，其中筛选模块还包括BP神经网络，径向基函数RBF神经网络，P感知器神经网络，自组织神经网络，FFNN向前反馈神经网络，HN霍普菲尔神经网络，CNN卷积神经网络，RNN周期神经网络，GAN生成对抗网络，DN去卷积神经网络；

所述筛选处理模型和数据处理系统相连接，且筛选处理模型包含有正常数据和异常数据。

2.根据权利要求1所述的一种人工智能筛选错误数据的方法，其特征在于，具体步骤如下：

S1.输入数据量，在筛选处理模型中，设置一个起始训练数量，输入后，数据处理系统会对起始输入数据之后的输入数据进行预测，并与实际的输入数据进行对比，计算出F2值；

S2.设定误差区间，根据实验需求设定一个合适的F2区间为允许的误差范围；

S21.当F2不在该区间内时，数据处理系统会弹出提示，使人为操作是否将该数据剔除；

S22.当数据量很大时，人工筛选需要更多时间，可改为根据F2值自动筛选，系统将不再询问是否保留疑似错误数据，并自动删除。

3.根据权利要求2所述的一种人工智能筛选错误数据的方法，其特征在于，所述数据处理系统包含有预测模块，预测模块包含数据模型、神经网络模型、训练模型、第一优化模块、第二优化模块和辅料调整模块；

所述训练模型分别与数据模型和神经网络模型相连接，所述数据模型与第一优化模块或第二优化模块相连接，所述辅料调整模块与第一优化模块或第二优化模块相连接。

4.根据权利要求2所述的一种人工智能筛选错误数据的方法，其特征在于，所述预测模块包含有F2算法、BP神经网络、径向基函数RBF神经网络、P感知器神经网络、自组织神经网络、FFNN向前反馈神经网络、HN霍普菲尔神经网络、CNN卷积神经网络、RNN周期神经网络、GAN生成对抗网络和DN去卷积神经网络。