[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

本發明涉及一種多模態自適應機器學習方法及系統，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，本發明提供的技術方案，可以保證待求解對象的安全可行性并不斷提高待求解對象精度與性能。

技術領域

本發明涉及機器學習領域，具體涉及一種多模態自適應機器學習方法及裝置。

背景技術

機器學習是專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能,它是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，對經濟和社會的發展創造了巨大價值。

以機器學習為重要支柱的人工智能技術在諸多場景中正展現著強大的性能，國內外在電網調度、功率預測、健康診斷以及風險評估等領域做了多項研究。

然而，現有研究均為針對某一類具體問題，以滿足單一任務為目標，對隨機、開放、多變的環境適應性、擴展性以及兼容性較差，現有的機器學習模式過于依賴數據，不能有效的將數據、環境以及領域知識經驗綜合利用，極大的限制了機器學習的智能化水平。

發明內容

本發明提供一種多模態自適應機器學習方法及裝置，其目的是通過引導學習、深度學習與強化學習的融合，提升多模態自適應機器學習系統對數據感知和動作決策的準確性，極大的提升多模態自適應機器學習系統的安全性、魯棒性以及靈活性，保證待求解對象的安全可行，提高待求解對象的精度與性能。

本發明的目的是采用下述技術方案實現的：

一種多模態自適應機器學習方法，其改進之處在于，包括：

獲取待求解對象及其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。

優選的，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。

優選的，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，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。

優選的，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。