[發明專利]用于混合模型的方法和系統

在審

• 申請號: 202010842150.2
• 申請日: 2020-08-20
• 公開（公告）號: CN112418431A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 鄭椙旭;明相勛;許仁;盧弦均;樸民哲;張鉉在
• 申請（專利權）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所 11105
• 代理人: 張泓

一種用于包括機器學習模型和基于規則的模型的混合模型的方法，包括通過向基于規則的模型提供第一輸入從基于規則的模型中獲得第一輸出，以及通過將第一輸入、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中獲得第二輸出。所述方法還包括基于獲得的第二輸出的誤差來訓練機器學習模型。

對相關申請的交叉引用

本申請要求于2019年8月23日向韓國知識產權局提交的韓國專利申請號10-2019-0103991和于2019年12月11日向韓國知識產權局提交的韓國專利申請號10-2019-0164802的優先權，其公開內容通過引用整體并入本文。

技術領域

本公開涉及建模，更具體地，涉及用于包括機器學習模型和基于規則的模型的混合模型的方法和系統。

背景技術

建模技術可以用于估計具有因果關系的對象或現象，并且通過建模技術生成的模型可以用于預測或優化對象或現象。例如，機器學習模型可以通過基于大量樣本數據的訓練(或學習)來生成，并且基于規則的模型可以通過基于物理定律等定義的至少一個規則來生成。機器學習模型和基于規則的模型可能具有不同的特征，因此可能適用于不同的領域，并具有不同的優點和缺點。因此，最小化機器學習模型和基于規則的模型的缺點并最大化其優點的混合模型可能非常有用。

發明內容

根據示例實施例的一方面，提供一種用于包括機器學習模型和基于規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則的模型來從基于規則的模型中獲得第一輸出；以及通過將第一輸入、第二輸入和獲得的第一輸出提供給機器學習模型來從機器學習模型中獲得第二輸出。所述方法還包括基于獲得的第二輸出的誤差來訓練機器學習模型。

根據示例實施例的另一方面，提供一種用于包括機器學習模型和基于規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來從機器學習模型獲得輸出；以及通過將獲得的輸出提供給基于規則的模型來評估獲得的輸出。所述方法還包括基于評估獲得的輸出的結果，訓練機器學習模型。

根據示例實施例的另一方面，提供一種用于包括多個機器學習模型和多個基于規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第一基于規則的模型來從第一基于規則的模型獲得第一輸出；以及通過將第二輸入提供第一機器學習模型來從第一機器學習模型獲得第二輸出。所述方法還包括：通過將獲得的第一輸出和獲得的第二輸出提供給第二基于規則的模型或第二機器學習模型，獲得第三輸出；以及基于獲得的第三輸出的誤差，訓練第一機器學習模型。

根據示例實施例的另一方面，提供一種用于包括機器學習模型和基于規則的模型的混合模型的系統，所述系統包括：至少一個計算機子系統；以及至少一個組件，由至少一個計算機子系統執行。至少一個組件包括：基于規則的模型，被配置為基于至少一個預定義規則從第一輸入獲得第一輸出；機器學習模型，被配置為從第一輸入、第二輸入和獲得的第一輸出獲得第二輸出；以及模型訓練器，被配置為基于獲得的第二輸出的誤差來訓練機器學習模型。

根據示例實施例的另一方面，提供一種用于包括機器學習模型和基于規則的模型的混合模型的系統，所述系統包括：至少一個計算機子系統；以及至少一個組件，由至少一個計算機子系統執行。至少一個組件包括：機器學習模型，被配置為從輸入獲得輸出；基于規則的模型，被配置為基于至少一個預定義規則來評估獲得的輸出；以及模型訓練器，被配置為基于評估獲得的輸出的結果來訓練機器學習模型。

根據示例實施例的另一方面，提供一種用于包括多個機器學習模型和多個基于規則的模型的混合模型的系統，所述系統包括：至少一個計算機子系統；以及至少一個組件，由至少一個計算機子系統執行。至少一個組件包括：第一基于規則的模型，被配置為基于至少一個預定義規則從第一輸入獲得第一輸出；第一機器學習模型，被配置為從第二輸入獲得第二輸出；第二基于規則的模型或第二機器學習模型，被配置為從獲得的第一輸出和獲得的第二輸出獲得第三輸出；以及模型訓練器，被配置為基于獲得的第三輸出的誤差，訓練第一機器學習模型。