[發明專利]一種多模態自適應機器學習方法及裝置

在審

• 申請號: 201810515427.3
• 申請日: 2018-05-25
• 公開（公告）號: CN110533054A
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 尚宇煒;劉偉;蘇劍;周莉梅;韋濤;盛萬興;趙麗娟;趙東方
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網公司;國網浙江省電力有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 11271 北京安博達知識產權代理有限公司
• 代理人: 徐國文<國際申請>=<國際公布>=<進入

1.一種多模態自適應機器學習方法，其特征在于，所述方法包括：

獲取待求解對象及待求解對象的訓練數據；

若所述待求解對象在長時記憶中存在相關的機器學習模型，則根據所述待求解對象的訓練數據，將長時記憶中的所述待求解對象相關的機器學習模型應用于求解所述待求解對象；

若所述待求解對象在長時記憶中不存在相關的機器學習模型，則根據所述待求解對象的訓練數據，在工作記憶中構建所述待求解對象相關的機器學習模型，并將工作記憶中構建的所述待求解對象相關的機器學習模型應用于求解所述待求解對象。

2.如權利要求1所述的方法，其特征在于，所述將長時記憶中的所述待求解對象相關的機器學習模型應用于求解所述待求解對象，包括：

調用長時記憶中所述待求解對象相關的機器學習模型中的知識驅動學習算法和數據驅動學習算法，確定所述待求解對象的求解結果。

3.如權利要求1所述的方法，其特征在于，所述若所述待求解對象在長時記憶中不存在相關的機器學習模型，則根據所述待求解對象的訓練數據，在工作記憶中構建所述待求解對象相關的機器學習模型，包括：

根據待求解對象的訓練數據，利用知識驅動學習算法構建所述待求解對象的安全可行域，利用數據驅動學習算法構建所述待求解對象的性能標準，獲取所述待求解對象相關的機器學習模型。

4.如權利要求1所述方法，其特征在于，所述將工作記憶中構建的所述待求解對象相關的機器學習模型應用于求解所述待求解對象，包括：

調用工作記憶中所述待求解對象相關的機器學習模型中的知識驅動學習算法和數據驅動學習算法，確定所述待求解對象的求解結果。

5.如權利要求1所述的方法，其特征在于，所述若所述待求解對象在長時記憶中不存在相關的機器學習模型，則根據所述待求解對象的訓練數據，在工作記憶中構建所述待求解對象相關的機器學習模型，并將工作記憶中構建的所述待求解對象相關的機器學習模型應用于求解所述待求解對象之后，包括：

若所述待求解對象的求解結果與實際值相比，誤差不超過a％，則將工作記憶中構建的所述待求解對象相關的機器學習模型加入長時記憶中，其中，a為實數。

6.一種多模態自適應機器學習系統，其特征在于，所述系統包括：

感知單元，用于獲取待求解對象及其待求解對象的訓練數據；

第一工作記憶單元，用于若所述待求解對象在長時記憶中存在相關的機器學習模型，則根據所述待求解對象的訓練數據，將長時記憶中的所述待求解對象相關的機器學習模型應用于求解所述待求解對象；

第二工作記憶單元，用于若所述待求解對象在長時記憶中不存在相關的機器學習模型，則根據所述待求解對象的訓練數據，在工作記憶中構建所述待求解對象相關的機器學習模型，并將工作記憶中構建的所述待求解對象相關的機器學習模型應用于求解所述待求解對象。

7.如權利要求6所述的系統，其特征在于，所述第一工作記憶單元，用于：

調用長時記憶中所述待求解對象相關的機器學習模型中的知識驅動學習算法和數據驅動學習算法，確定所述待求解對象的求解結果。

8.如權利要求6所述的系統，其特征在于，所述第二工作記憶單元，用于：

根據待求解對象的訓練數據，首先利用知識驅動學習算法構建所述待求解對象的安全可行域，然后利用數據驅動學習算法提升所述待求解對象的性能精度，獲取所述待求解對象相關的機器學習模型。

9.如權利要求6所述系統，其特征在于，所述第二工作記憶單元，用于：

調用工作記憶中所述待求解對象相關的機器學習模型中的知識驅動學習算法和數據驅動學習算法，確定所述待求解對象的求解結果。

10.如權利要求6所述的系統，其特征在于，所述第二工作記憶單元之后，包括：

判斷單元，用于若所述待求解對象的求解結果與實際值相比，誤差不超過a％，則將工作記憶中構建的所述待求解對象相關的機器學習模型加入長時記憶中，其中，a為實數。