[發(fā)明專利]一種機器學習系統(tǒng)、設備及應用方法

有效

• 申請?zhí)枺?/td>: 201811079795.4
• 申請日: 2018-09-17
• 公開（公告）號: CN109447276B
• 公開（公告）日: 2021-11-02
• 發(fā)明（設計）人: 戴錦友;余少華
• 申請（專利權）人: 烽火通信科技股份有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 武漢智權專利代理事務所(特殊普通合伙) 42225
• 代理人: 彭程程

一種機器學習方法、系統(tǒng)、設備及應用方法，涉及人工智能領域，系統(tǒng)包括接口模塊、引擎模塊和數(shù)據(jù)庫模塊，接口模塊提供與外部通信的接口，接收外部輸入的規(guī)則、訓練數(shù)據(jù)和輸入信息；引擎模塊實現(xiàn)有監(jiān)督學習，根據(jù)接口模塊收到的規(guī)則和訓練數(shù)據(jù)得到知識；數(shù)據(jù)庫模塊存儲機器學習中涉及的各種數(shù)據(jù)。接口模塊接收需要決策的一組輸入信息時，引擎模塊選取最優(yōu)知識，得到對應的決策信息，并通過接口模塊輸出。本發(fā)明將機器學習功能集成為獨立于需要機器學習功能的系統(tǒng)的實體，當應用在現(xiàn)有系統(tǒng)中時，不影響當前產品或系統(tǒng)的基本架構。

技術領域

本發(fā)明涉及人工智能領域，具體來講涉及一種機器學習系統(tǒng)、設備及應用方法。

背景技術

機器學習的目標是如何通過計算方法或手段，利用系統(tǒng)自我獲得的“知識”來改善系統(tǒng)自身的性能。在機器學習范疇，“知識”通常以“數(shù)據(jù)”形式存在，因此，機器學習的價值可以理解為從泛在的數(shù)據(jù)計算得到特定的數(shù)據(jù)(知識)，從而利用這特定的數(shù)據(jù)提高系統(tǒng)的功能和性能。

機器學習的一般應用模型是將機器學習算法與當前系統(tǒng)有機結合，得到具有機器學習功能的新系統(tǒng)。換句話說，機器學習作為新系統(tǒng)的基本屬性和有機組成。在這種情況下，新系統(tǒng)和原來的系統(tǒng)在功能架構上有了本質的區(qū)別，也就是說，從原來的系統(tǒng)改造成新的系統(tǒng)通常需要進行實質的甚至是架構性的修改。

上述機器學習的一般應用模型存在以下明顯的缺陷：

(1)從原來的系統(tǒng)改造成新系統(tǒng)投入較大。

(2)原來的系統(tǒng)可能已很穩(wěn)定和可靠，但改造后的新系統(tǒng)可能引入新的問題，傷及系統(tǒng)原有的穩(wěn)定性和可靠性。

(3)新系統(tǒng)的復雜度提高。

(4)機器學習功能可擴展性差，機器學習功能的增強有可能影響整個系統(tǒng)。

(5)新系統(tǒng)可能受所需的資源影響性能達不到預期。

(6)機器學習功能不能與其它系統(tǒng)共享。

機器學習的一般應用模型存在諸多不足之處，這種緊耦合的應用方式實際上阻礙了機器學習的應用，使得很多原本適合機器學習的應用場景由于對引入機器學習的代價和帶來的問題難以把握而放棄。

舉例來說，在網絡中應用的產品或系統(tǒng)大多數(shù)是基于嵌入式系統(tǒng)設計的，嵌入式系統(tǒng)由于硬件資源昂貴，因此對硬件資源的使用效率的追求是極致的。當前的網絡產品或系統(tǒng)，并不具有自我調節(jié)以使得硬件資源利用率達到最優(yōu)狀態(tài)的功能。如果引入機器學習功能，使得上述產品或資源能夠根據(jù)自己獲得的“知識”完成高效的資源調度管理，使得硬件資源利用率顯著提高，則應用意義非凡。但是，嵌入式系統(tǒng)使用的CPU與通用服務器使用的CPU存在本質的區(qū)別，嵌入式系統(tǒng)使用的CPU多了一些專用功能，但在通用的計算或存儲功能弱于服務器使用的CPU；同時嵌入式系統(tǒng)的軟件系統(tǒng)也更加封閉，如果將機器學習功能嵌入到軟件系統(tǒng)中，不僅存在CPU能否勝任的問題，上述提到的六個問題也由于該軟件系統(tǒng)的封閉性而更加顯著。

因此，如何將機器學習功能高效、低成本的與現(xiàn)有系統(tǒng)結合，使系統(tǒng)的功能、性能得到預期的改善，需要新的方法和機制。

發(fā)明內容

針對現(xiàn)有技術中存在的缺陷，本發(fā)明的目的在于提供一種機器學習系統(tǒng)、設備及應用方法，將機器學習功能進行獨立，當應用在現(xiàn)有系統(tǒng)中時，不影響當前產品或系統(tǒng)的基本架構，提高機器學習功能的應用范圍，將機器學習功能高效、低成本的與現(xiàn)有系統(tǒng)結合。

為達到以上目的，一方面，采取一種機器學習系統(tǒng)，包括：

接口模塊，其用于提供與外部通信的接口，接收外部輸入的規(guī)則和訓練數(shù)據(jù)，還用于接收外部需要決策的輸入信息；

引擎模塊，其用于實現(xiàn)有監(jiān)督學習；根據(jù)接口模塊收到的規(guī)則和訓練數(shù)據(jù)生成新的訓練數(shù)據(jù)，得到知識；還用于在接口模塊收到需要決策的一組輸入信息時，選取最優(yōu)知識，得到要輸出的決策信息；