个人化参数学习方法、睡眠辅助装置及存储介质制造方法及图纸

一种个人化参数学习方法、睡眠辅助装置及存储介质。个人化参数学习方法包括以下步骤：在一睡眠辅助装置以一输入参数设定执行后，一处理装置根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。根据测量睡眠品质，处理装置产生多个候选参数设定。处理装置产生对应于这些候选参数设定的多个预测睡眠品质。处理装置根据这些预测睡眠品质，选择这些候选参数设定的其中之一，以获得一推荐参数设定。

【技术实现步骤摘要】
个人化参数学习方法、睡眠辅助装置及存储介质
本专利技术涉及一种个人化参数学习方法、睡眠辅助装置及存储介质。
技术介绍
良好的睡眠品质有助于身体健康。研究发现，声音、照明和其他因素的调整有助于改善睡眠品质。因此，研究人员开发了一种睡眠辅助技术(sleep-aid)。在睡眠辅助技术中，使用者可以手动调节睡眠辅助装置的参数来控制声音和光线。然而，每个人的生理时钟不同，并且其生理状况也不同。如何设置适当的个人化参数成为睡眠辅助技术的主要瓶颈。
技术实现思路
本专利技术涉及一种个人化参数学习方法、睡眠辅助装置及存储介顾。根据本专利技术的一实施例，提出一种睡眠辅助装置的个人化参数学习方法。个人化参数学习方法包括以下步骤：在一睡眠辅助装置以一输入参数设定执行后，一处理装置根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。根据测量睡眠品质，处理装置产生多个候选参数设定。处理装置产生对应于这些候选参数设定的多个预测睡眠品质。处理装置根据这些预测睡眠品质，选择这些候选参数设定的其中之一，以获得一推荐参数设定。根据本专利技术的另一实施例，提出一种睡眠辅助装置。睡眠辅助装置包括一处理装置。处理装置包括一计算模块、一参数学习模块及一睡眠品质预测模块。计算模块用于在睡眠辅助装置以一输入参数设定执行后，根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。参数学习模块用于根据测量睡眠品质，产生多个候选参数设定。睡眠品质预测模块用于产生对应于这些候选参数设定的多个预测睡眠品质。参数学习模块还用于产生对应于这些候选参数设定的多个预测睡眠品质。根据本专利技术的再一实施例，提出一种非暂态电脑可读取存储介质。非暂态电脑可读取存储介质用于储存一程序代码。程序代码用于供一电脑执行一个人化参数学习方法。个人化参数学习方法包括以下步骤：在一睡眠辅助装置以一输入参数设定执行后，一处理装置根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。根据测量睡眠品质，处理装置产生多个候选参数设定。处理装置产生对应于这些候选参数设定的多个预测睡眠品质。处理装置根据这些预测睡眠品质，选择这些候选参数设定的其中之一，以获得一推荐参数设定。为了对本专利技术的上述及其他方面有更好的了解，下文特别列举实施例，并配合所附附图详细说明如下。附图说明图1为根据本专利技术的一实施例的睡眠辅助装置的示意图；图2为根据本专利技术的一实施例的个人化参数学习方法的流程图；图3为根据本专利技术一实施例的使用者界面的示意图；图4为本专利技术的步骤S120的流程图；图5为根据本专利技术一实施例的使用者界面的示意图；图6A为未采用本专利技术个人化参数学习方法的传统睡眠辅助装置的效能曲线；图6B为采用本专利技术个人化参数学习方法的睡眠辅助装置的效能曲线。附图标记说明100：睡眠辅助装置110：处理装置111：计算模块112：睡眠品质预测模块113：参数学习模块120：环境控制器130：感测器140：使用者界面150：储存装置C1、C2：效能曲线HL：历史列表OF：客观回馈S110、S120、S121、S122、S123、S130、S140：步骤SF：主观回馈SQ1：测量睡眠品质SQ2：预测睡眠品质PMS0：先前的输入参数设定PMS1：输入参数设定PMS2：候选参数设定PMS3：推荐参数设定具体实施方式在以下的实施例中，提供了一种睡眠辅助装置的个人化参数学习方法。在个人化参数学习方法中，使用了一种增强式学习演算法，以获得一推荐参数设定，从而可以提高睡眠品质。请参照图1，其为根据本专利技术的一实施例的睡眠辅助装置100的示意图。睡眠辅助装置100例如是一智能手机、床头灯、智能家用电器或智能遥控器。举例来说，睡眠辅助装置100可以包括一处理装置110、多个环境控制器120、多个感测器130、一使用者界面140及一储存装置150。环境控制器120例如是一扬声器控制器、一光源控制器、一空调控制器或一空气净化器控制器。感测器130例如是一可穿戴设备、一录音机、一相机或一心跳感测器。使用者界面140例如是一触控面板、一麦克风或一键盘。储存装置150例如是一硬盘、一存储器或一云端储存中心。在处理装置110中，一计算模块111、一睡眠品质预测模块112及一参数学习模块113用于执行个人化参数学习方法。计算模块111、睡眠品质预测模块112及参数学习模块113例如是一程序代码模块、一固件或一晶片。以下是通过一流程图详细说明上述各项元件的运作方式。请参照图2，其为根据本专利技术的一实施例的个人化参数学习方法的流程图。在一实施例中，可以通过一非暂态电脑可读取存储介质储存程序代码，并由一电脑执行个人化参数学习方法。在步骤S110中，处理装置110的计算模块111在该睡眠辅助装置100以一输入参数设定PMS1执行后，计算出使用者的一测量睡眠品质SQ1。在一实施例中，测量睡眠品质SQ1可以根据使用者的一主观回馈SF的计算而获得。使用者是通过使用者界面140输入主观回馈SF。举例来说，请参照图3，其为根据本专利技术一实施例的使用者界面140的示意图。在使用者界面140中，5个星号用于供使用者选择。使用者可以选择部分的星号来输入主观回馈SF。或者，在另一实施例中，测量睡眠品质SQ1可以根据主观回馈SF及感测器130的客观回馈OF的计算来获得。客观回馈OF例如是打鼾或心率。主观回馈SF是根据使用者的实际感受来获得；客观回馈OF则是根据使用者的测量结果来获得。在步骤S110中，根据主观回馈SF来计算出测量睡眠品质SQ1。对于同样的输入参数设定PMS1，不同使用者基于其主观回馈SF，而可能会获得不同的测量睡眠品质SQ1。因此，测量睡眠品质SQ1的分数可以准确地代表使用者的个人感受。记录输入参数设定PMS1与测量睡眠品质的关系的历史列表HL储存于储存装置150中。举例来说，请参照表一，其示例说明根据一实施例的历史列表HL。输入参数设定PMS1的其中一列记录为[8，2，3，3]，且其对应的测量睡眠品质SQ1为3.5。请参照图3，测量睡眠品质SQ1是显示于分数栏位中。表一接着，在步骤S120中，处理装置110的参数学习模块113根据测量睡眠品质SQ1，产生多个候选参数设定PMS2。请参照图4，其为本专利技术的步骤S120的流程图。步骤S120是采用增强式学习技术(ReinforcementLearningtechnology)来产生候选参数设定PMS2。步骤S120包括步骤S121～S123。在步骤S121中，参数学习模块113判断测量睡眠品质SQ1是否高于一预定值(例如是3.5)。若测量睡眠品质SQ1高于该预定值，则进入步骤S122；若测量睡眠品质SQ1不高于预定值，则进入步骤S123。在步骤S122中，在一第一范围内随机变动一个参数。第一范围例如是+1～本文档来自技高网...

【技术保护点】
1.一种睡眠辅助装置的个人化参数学习方法，其特征在于：该个人化参数学习方法包括：/n在睡眠辅助装置以输入参数设定执行后，处理装置根据使用者的主观回馈，计算出该使用者的测量睡眠品质；/n根据该测量睡眠品质，该处理装置产生多个候选参数设定；/n该处理装置产生对应于该多个候选参数设定的多个预测睡眠品质；以及/n该处理装置根据该多个预测睡眠品质，选择该多个候选参数设定的其中之一，以获得推荐参数设定。/n

【技术特征摘要】
20190328 TW 108111041;20181226 US 16/232,4001.一种睡眠辅助装置的个人化参数学习方法，其特征在于：该个人化参数学习方法包括：
在睡眠辅助装置以输入参数设定执行后，处理装置根据使用者的主观回馈，计算出该使用者的测量睡眠品质；
根据该测量睡眠品质，该处理装置产生多个候选参数设定；
该处理装置产生对应于该多个候选参数设定的多个预测睡眠品质；以及
该处理装置根据该多个预测睡眠品质，选择该多个候选参数设定的其中之一，以获得推荐参数设定。


2.根据权利要求1所述的个人化参数学习方法，其中在计算该使用者的该测量睡眠品质的步骤中，根据该使用者的该主观回馈及至少一感测器的客观回馈计算出该测量睡眠品质。


3.根据权利要求2所述的个人化参数学习方法，其中该感测器为穿戴设备、相机或录音机。


4.根据权利要求1所述的个人化参数学习方法，其中在产生该多个预测睡眠品质的步骤中，搜寻历史列表，该历史列表记录该测量睡眠品质与该输入参数设定的关系。


5.根据权利要求1所述的个人化参数学习方法，其中在产生该多个候选参数设定的步骤中，若该测量睡眠品质高于预定值，则该输入参数设定的一个参数被随机变动，以获得该多个候选参数设定；若该测量睡眠品质不高于该预定值，则该输入参数设定的两个参数被随机变动，以获得该多个候选参数设定。


6.根据权利要求1所述的个人化参数学习方法，其中在产生该多个候选参数设定的步骤中，若该测量睡眠品质高于预定值，则该输入参数设定的一个参数在第一范围内随机变动，以获得该多个候选参数设定；若该测量睡眠品质不高于该预定值，则该输入参数设定的两个参数在第二范围内随机变动，以获得该多个候选参数设定；该第一范围小于该第二范围。


7.根据权利要求1所述的个人化参数学习方法，其中该输入参数设定的参数为歌曲、光强度、音量或蓝光减少程度。


8.一种睡眠辅助装置，其特征在于：该睡眠辅助装置包括：
处理装置，包括：
计算模块，用于在该...

【专利技术属性】
技术研发人员：沈志聪，郑歆蓉，赖璟皓，曹思汉，
申请(专利权)人：财团法人工业技术研究院，
类型：发明
国别省市：中国台湾;71