[发明专利]机器学习系统及其用于学习用户控制模式的方法

说明书

本公开内容涉及机器学习系统及其用于学习用户控制模式的方法。机器学习系统包括：检测器，通过安装在车辆中的两个以上传感器检测两个以上学习数据集；处理器，根据两个以上学习数据集使用机器学习逻辑输出用户控制方式并且根据输出的用户控制方式控制车辆控制系统；以及存储器，将两个以上学习数据集和用户控制方式存储在其中，其中，处理器根据存储在存储器中的两个以上学习数据集估计用户控制方式，并且比较所估计的用户控制方式与存储在存储器中的用户控制方式之间的相似性以更新机器学习逻辑的学习参数。

相关申请的交叉引证

本申请基于并且要求于2016年8月31日向韩国知识产权局提交的韩国专利申请第10-2016-0111305号的优先权的权益，通过引证将其全部内容结合于此。

技术领域

本公开内容涉及机器学习系统及其用于学习用户控制方式的方法，其根据系统中提前学习的用户控制方式通过重新定义各个学习参数的影响能够增加系统性能(计算能力)和效率。

背景技术

机器学习系统是通过从外部提供的数据执行学习并且根据基于学习结果的输入估计输出的系统。

例如，在机器学习系统学习驾驶员的刮水器使用模式的情况下，因为驾驶员的刮水器使用模式判定的降雨量、照明度、温度和车辆速度不可知，所以对安装在车辆中的现有传感器中的刮水器系统的使用模式可具有影响的所有要素被用作学习参数。尽管特定用户可根据所有参数值灵敏地操纵刮水器系统，但是一些用户也可仅通过降雨量操纵刮水器系统。然而，所有参数在实现系统时不能普遍使用。

然而，当许多参数普遍使用时，在系统中代码长度或计算量增加，使得难以有效地实现该系统。

发明内容

已经做出本公开内容，以解决在现有技术中存在的上述问题，同时完整地保留由现有技术所实现的优势。

本公开内容的一方面提供了机器学习系统及其用于学习用户控制模式的方法，其根据系统中的提前学习的用户控制方式通过重新定义各个学习参数的影响能够增加系统性能(计算能力)和效率。

根据本公开内容的示例性实施方式，一种机器学习系统，包括：检测器，通过安装在车辆中的两个以上传感器检测两个以上学习数据集；处理器，使用机器学习逻辑根据两个以上学习数据集输出用户控制方式并且根据所输出的用户控制方式控制车辆控制系统；以及存储器，其中存储两个以上学习数据集和用户控制方式，其中，处理器根据存储在存储器中的两个以上学习数据集估计用户控制方式，并且比较所估计的用户控制方式与存储在存储器中的用户控制方式之间的相似性以更新机器学习逻辑的学习参数。

两个以上传感器可包括雨量传感器(rain sensor)、亮度传感器、温度传感器和车速传感器。

机器学习系统可进一步包括用户接口，该用户接口允许用户生成用于选择车辆控制系统的控制方式的输入数据。

处理器可包括：估计逻辑，根据两个以上学习数据集通过机器学习方法估计车辆控制值；最终判定逻辑，根据车辆控制系统的控制方式将车辆控制值或用户输入判定为最终车辆控制值；以及参数优化逻辑，更新估计逻辑的学习参数。

估计逻辑可包括：两个以上第一子学习逻辑，具有两个输入并且根据两个输入使用人工神经网络的曲线拟合法估计输出；以及积分逻辑，将各个第一子学习逻辑的输出乘以对应的权重并且将相乘结果添加至彼此以输出车辆控制值。

参数优化逻辑可包括：两个以上第二子学习逻辑，使用存储在存储器中的学习数据集估计车辆控制值；以及相似性测量和权重判定逻辑，比较第二子学习逻辑的输出与存储在存储器中的最终车辆控制值之间的相似性并且根据比较结果判定估计逻辑中的各个子学习逻辑的权重。

参数优化逻辑可进一步包括重新学习逻辑，该重新学习逻辑使用存储在存储器中的学习数据集和最终车辆控制值执行第二子学习逻辑中的每一个的重新学习。