机器学习系统及其用于学习用户控制模式的方法技术方案

本公开内容涉及机器学习系统及其用于学习用户控制模式的方法。机器学习系统包括：检测器，通过安装在车辆中的两个以上传感器检测两个以上学习数据集；处理器，根据两个以上学习数据集使用机器学习逻辑输出用户控制方式并且根据输出的用户控制方式控制车辆控制系统；以及存储器，将两个以上学习数据集和用户控制方式存储在其中，其中，处理器根据存储在存储器中的两个以上学习数据集估计用户控制方式，并且比较所估计的用户控制方式与存储在存储器中的用户控制方式之间的相似性以更新机器学习逻辑的学习参数。

【技术实现步骤摘要】
机器学习系统及其用于学习用户控制模式的方法相关申请的交叉引证本申请基于并且要求于2016年8月31日向韩国知识产权局提交的韩国专利申请第10-2016-0111305号的优先权的权益，通过引证将其全部内容结合于此。
本公开内容涉及机器学习系统及其用于学习用户控制方式的方法，其根据系统中提前学习的用户控制方式通过重新定义各个学习参数的影响能够增加系统性能(计算能力)和效率。
技术介绍
机器学习系统是通过从外部提供的数据执行学习并且根据基于学习结果的输入估计输出的系统。例如，在机器学习系统学习驾驶员的刮水器使用模式的情况下，因为驾驶员的刮水器使用模式判定的降雨量、照明度、温度和车辆速度不可知，所以对安装在车辆中的现有传感器中的刮水器系统的使用模式可具有影响的所有要素被用作学习参数。尽管特定用户可根据所有参数值灵敏地操纵刮水器系统，但是一些用户也可仅通过降雨量操纵刮水器系统。然而，所有参数在实现系统时不能普遍使用。然而，当许多参数普遍使用时，在系统中代码长度或计算量增加，使得难以有效地实现该系统。
技术实现思路
已经做出本公开内容，以解决在现有技术中存在的上述问题，同时完整地保留由现有技术所实现的优势。本公开内容的一方面提供了机器学习系统及其用于学习用户控制模式的方法，其根据系统中的提前学习的用户控制方式通过重新定义各个学习参数的影响能够增加系统性能(计算能力)和效率。根据本公开内容的示例性实施方式，一种机器学习系统，包括：检测器，通过安装在车辆中的两个以上传感器检测两个以上学习数据集；处理器，使用机器学习逻辑根据两个以上学习数据集输出用户控制方式并且根据所输出的用户控制方式控制车辆控制系统；以及存储器，其中存储两个以上学习数据集和用户控制方式，其中，处理器根据存储在存储器中的两个以上学习数据集估计用户控制方式，并且比较所估计的用户控制方式与存储在存储器中的用户控制方式之间的相似性以更新机器学习逻辑的学习参数。两个以上传感器可包括雨量传感器(rainsensor)、亮度传感器、温度传感器和车速传感器。机器学习系统可进一步包括用户接口，该用户接口允许用户生成用于选择车辆控制系统的控制方式的输入数据。处理器可包括：估计逻辑，根据两个以上学习数据集通过机器学习方法估计车辆控制值；最终判定逻辑，根据车辆控制系统的控制方式将车辆控制值或用户输入判定为最终车辆控制值；以及参数优化逻辑，更新估计逻辑的学习参数。估计逻辑可包括：两个以上第一子学习逻辑，具有两个输入并且根据两个输入使用人工神经网络的曲线拟合法估计输出；以及积分逻辑，将各个第一子学习逻辑的输出乘以对应的权重并且将相乘结果添加至彼此以输出车辆控制值。参数优化逻辑可包括：两个以上第二子学习逻辑，使用存储在存储器中的学习数据集估计车辆控制值；以及相似性测量和权重判定逻辑，比较第二子学习逻辑的输出与存储在存储器中的最终车辆控制值之间的相似性并且根据比较结果判定估计逻辑中的各个子学习逻辑的权重。参数优化逻辑可进一步包括重新学习逻辑，该重新学习逻辑使用存储在存储器中的学习数据集和最终车辆控制值执行第二子学习逻辑中的每一个的重新学习。根据本公开内容的另一示例性实施方式，用于学习机器学习系统的用户控制方式的方法包括：通过安装在车辆中的两个以上传感器检测两个以上学习数据集；通过根据两个以上学习数据集使用机器学习逻辑输出用户控制方式来控制车辆控制系统；取样和存储两个以上学习数据集以及用户控制方式；根据所存储的两个以上学习数据集使用机器学习逻辑估计用户控制方式；比较所估计的用户控制方式与所存储的用户控制方式之间的相似性；根据相似性比较结果判定学习参数；并且通过学习参数更新机器学习逻辑的学习参数。在两个以上学习数据集的检测中，可检测通过安装在车辆中的雨量传感器、亮度传感器、温度传感器和车速传感器所测量的传感器值。车辆控制系统的控制可包括：确认车辆控制系统的控制方式是否为自动控制方式；当控制方式是自动控制方式时，确认用户输入是否存在；并且当用户输入不存在时，根据两个以上学习数据集估计车辆控制值并且根据所估计的车辆控制值控制车辆控制系统。在确认车辆控制系统的控制方式是否为自动控制方式中，当控制方式是手动控制方式时，可根据用户输入控制车辆控制系统。在确认是否存在用户输入中，当用户输入存在时，控制方式可从自动控制方式改变为手动控制方式，并且可根据用户输入控制车辆控制系统。在估计用户控制方式中，可通过两个以上子学习逻辑估计两个以上学习数据集的车辆控制值。学习参数可以是每个子学习逻辑的权重。在比较相似性中，可使用互相关系数执行相似性的比较。附图说明通过结合附图的以下详细说明，本公开内容的上述以及其他目标、特征和优点将更加清晰可见。图1是示出了根据本公开内容的示例性实施方式的机器学习系统的框图。图2是示出了图1中示出的估计逻辑的框图。图3是示出了图1中示出的参数优化逻辑的框图。图4是示出了根据本公开内容的示例性实施方式的机器学习系统的估计过程的流程图。图5是示出了根据本公开内容的示例性实施方式的机器学习系统的学习过程的流程图。图6是示出了根据本公开内容的另一示例性实施方式的机器学习系统的框图。具体实施方式因为除非另有具体描述，本申请中描述的术语“包括”、“由......配置”、“具有”等意指包括相应部件，它们将意指包括其他部件而不排除其他部件。本说明书中所描述的术语“部分”、“模块”等意指处理至少一个功能或操作的单元并且可通过硬件或软件或者硬件和软件的组合来实施。此外，除非在描述本公开内容的背景中或者与该背景清晰矛盾的本说明书中另有描述，否则术语“一个”、“一”、“所述”等可用作包括单数和复数的意义。在下文中，将参照附图详细描述本公开内容的示例性实施方式。图1是示出了根据本公开内容的示例性实施方式的机器学习系统的框图。在本示例性实施方式中，通过举例的方式将描述学习用户的车辆刮水器控制方式的情况。机器学习系统(学习机器系统)100被安装在车辆中，并且使用机器学习方法训练车辆控制。根据本公开内容的机器学习系统100可学习用户控制方式以训练车辆控制。在此，车辆控制意指刮水器系统、自动照明系统、车窗系统等的系统控制。机器学习系统100包括检测器110、用户接口120、存储器130和处理器140。检测器110通过安装在车辆中的两个以上传感器检测(感测)学习数据集。检测器110通过安装在车辆中的传感器(诸如，雨量传感器、亮度传感器(自动光传感器)、温度传感器、车速传感器等)检测并收集学习数据集x1、x2、x3和x4。学习数据集包括降雨量、照明度、外部温度、内部温度、车辆速度等。即，学习数据集是通过各个传感器测量的传感器值。检测器110将以预定周期检测(取样)的学习数据集存储在存储器130中。用户接口120允许用户对于车辆中的控制设备(车辆控制系统)的控制方式进行选择或者为车辆控制系统的控制生成输入数据。用户接口120可以由按钮、滚动轮、滚动开关等形成。存储器130可将机器学习算法、子学习算法等存储在其中，并且可将机器学习系统100的输入数据和/或输出数据暂时存储在其中。以下将描述的通过检测器110检测的传感器值(学习数据集)以及最终车辆控制值被存储在存储器130中。以定义的时间周期取样传感器值和最终本文档来自技高网...

【技术保护点】
一种机器学习系统，包括：检测器，通过安装在车辆中的两个以上传感器检测两个以上学习数据集；处理器，使用机器学习逻辑根据所述两个以上学习数据集输出用户控制模式并且根据所输出的用户控制模式控制车辆控制系统；以及存储器，所述两个以上学习数据集和所述用户控制模式存储在所述存储器中，其中，所述处理器根据存储在所述存储器中的所述两个以上学习数据集估计用户控制模式，并且所述处理器比较所估计的用户控制模式与存储在所述存储器中的所述用户控制模式之间的相似性以更新所述机器学习逻辑的学习参数。

【技术特征摘要】
2016.08.31 KR 10-2016-01113051.一种机器学习系统，包括：检测器，通过安装在车辆中的两个以上传感器检测两个以上学习数据集；处理器，使用机器学习逻辑根据所述两个以上学习数据集输出用户控制模式并且根据所输出的用户控制模式控制车辆控制系统；以及存储器，所述两个以上学习数据集和所述用户控制模式存储在所述存储器中，其中，所述处理器根据存储在所述存储器中的所述两个以上学习数据集估计用户控制模式，并且所述处理器比较所估计的用户控制模式与存储在所述存储器中的所述用户控制模式之间的相似性以更新所述机器学习逻辑的学习参数。2.根据权利要求1所述的机器学习系统，其中，所述两个以上传感器包括雨量传感器、亮度传感器、温度传感器和车速传感器。3.根据权利要求1所述的机器学习系统，进一步包括：用户接口，所述用户接口允许用户生成用于选择所述车辆控制系统的控制方式的输入数据。4.根据权利要求3所述的机器学习系统，其中，所述处理器包括：估计逻辑，通过机器学习方法根据所述两个以上学习数据集估计车辆控制值；最终判定逻辑，根据所述车辆控制系统的所述控制方式将所述车辆控制值或用户输入判定为最终车辆控制值；以及参数优化逻辑，更新所述估计逻辑的学习参数。5.根据权利要求4所述的机器学习系统，其中，所述估计逻辑包括：两个以上第一子学习逻辑，所述两个以上第一子学习逻辑具有两个输入，并且所述两个以上第一子学习逻辑使用曲线拟合法根据所述两个输入估计输出，其中，所述曲线拟合法使用人工神经网络；以及积分逻辑，将各个所述第一子学习逻辑的输出乘以相应的权重并且使相乘结果彼此相加以输出所述车辆控制值。6.根据权利要求4所述的机器学习系统，其中，所述参数优化逻辑包括：两个以上第二子学习逻辑，使用存储在所述存储器中的所述学习数据集估计车辆控制值；以及相似性测量和权重判定逻辑，比较所述第二子学习逻辑的输出与存储在所述存储器中的最终车辆控制值之间的相似性并且根据比较结果判定所述估计逻辑中的各个所述第一子学习逻辑的权重。7.根据权利要求6所述的机器学习系统，其中，所述参数优化逻辑进一步包括重新学习逻辑，所述重新学习逻辑使用存储在所述存储器中的所述最终车辆...

【专利技术属性】
技术研发人员：徐海珍，金时浚，
申请(专利权)人：现代自动车株式会社，
类型：发明
国别省市：韩国,KR