[發(fā)明專利]用于混合模型的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010842150.2
• 申請日: 2020-08-20
• 公開（公告）號: CN112418431A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 鄭椙旭;明相勛;許仁;盧弦均;樸民哲;張鉉在
• 申請（專利權(quán)）人: 三星電子株式會社
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62;G06F30/27
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 張泓

1.一種用于包括機器學習模型和基于規(guī)則的模型的混合模型的方法，所述方法包括：

通過將第一輸入提供給基于規(guī)則的模型，從基于規(guī)則的模型獲得第一輸出；

通過將第一輸入、第二輸入和獲得的第一輸出提供給機器學習模型，從機器學習模型獲得第二輸出；以及

基于獲得的第二輸出的誤差來訓練機器學習模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，第一輸入用于基于規(guī)則的模型，并且

第二輸入影響第二輸出，并且第二輸入不用于基于規(guī)則的模型。

3.根據(jù)權(quán)利要求1所述的方法，其中，基于規(guī)則的模型包括用于從第一輸入獲得第一輸出的多個參數(shù)，以及

多個參數(shù)中的每一個是常數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其中，基于規(guī)則的模型包括用于從第一輸入獲得第一輸出的多個參數(shù)，以及

所述方法還包括基于獲得的第二輸出的誤差來調(diào)整多個參數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其中，訓練機器學習模型包括：

基于獲得的第二輸出的誤差，獲得損失函數(shù)的值；以及

訓練機器學習模型以減少獲得的損失函數(shù)的值，并且

其中，獲得的損失函數(shù)的值隨著多個參數(shù)與調(diào)整后的多個參數(shù)之間的誤差的增加而增加。

6.根據(jù)權(quán)利要求4所述的方法，其中，調(diào)整多個參數(shù)包括：

凍結(jié)機器學習模型；

在凍結(jié)機器學習模型的同時，從獲得的第二輸出的誤差獲得所述獲得的第一輸出的誤差；以及

基于獲得的第一輸出的誤差，修改多個參數(shù)。

7.根據(jù)權(quán)利要求1所述的方法，還包括：

使用混合模型收集第一輸入、第二輸入和獲得的第二輸出的樣本；以及

基于收集的第一輸入、第二輸入和獲得的第二輸出的樣本，獲得在混合模型上建模的機器學習模型。

8.根據(jù)權(quán)利要求1所述的方法，其中，基于規(guī)則的模型包括物理模擬器、在物理模擬器上建模的模擬器、分析規(guī)則、啟發(fā)式規(guī)則或經(jīng)驗規(guī)則中的至少一個。

9.根據(jù)權(quán)利要求1所述的方法，其中，機器學習模型包括人工神經(jīng)網(wǎng)絡(luò)，以及

訓練機器學習模型包括基于從獲得的第二輸出的誤差反向傳播的值來調(diào)整人工神經(jīng)網(wǎng)絡(luò)的權(quán)重。

10.根據(jù)權(quán)利要求1所述的方法，其中，第一輸入和第二輸入中的每一個包括用于制造集成電路的半導(dǎo)體處理的處理參數(shù)，以及

第二輸出對應(yīng)于集成電路的特性。

11.根據(jù)權(quán)利要求10所述的方法，還包括：基于處理參數(shù)制造集成電路。

12.一種用于包括機器學習模型和基于規(guī)則的模型的混合模型的方法，所述方法包括：

通過將輸入提供給機器學習模型從機器學習模型獲得輸出；

通過將獲得的輸出提供給基于規(guī)則的模型來評估獲得的輸出；以及

基于評估獲得的輸出的結(jié)果，訓練機器學習模型。

13.根據(jù)權(quán)利要求12所述的方法，其中，訓練機器學習模型包括：

基于獲得的輸出的誤差，獲得損失函數(shù)的值；以及

訓練機器學習模型以減少獲得的損失函數(shù)的值，并且

獲得的損失函數(shù)的值隨著評估獲得的輸出的分數(shù)增加而減小。

14.根據(jù)權(quán)利要求12所述的方法，其中，基于規(guī)則的模型包括具有輸出的可允許范圍的規(guī)則，以及

當獲得的輸出接近可允許范圍時，評估獲得的輸出的分數(shù)增加。

15.根據(jù)權(quán)利要求12所述的方法，其中，基于規(guī)則的模型包括與輸出相對應(yīng)的公式，以及

當獲得的輸出接近公式時，評估獲得的輸出的分數(shù)增加。