[发明专利]用于混合模型的方法和系统

说明书

一种用于包括机器学习模型和基于规则的模型的混合模型的方法，包括通过向基于规则的模型提供第一输入从基于规则的模型中获得第一输出，以及通过将第一输入、第二输入和获得的第一输出提供给机器学习模型从机器学习模型中获得第二输出。所述方法还包括基于获得的第二输出的误差来训练机器学习模型。

对相关申请的交叉引用

本申请要求于2019年8月23日向韩国知识产权局提交的韩国专利申请号10-2019-0103991和于2019年12月11日向韩国知识产权局提交的韩国专利申请号10-2019-0164802的优先权，其公开内容通过引用整体并入本文。

技术领域

本公开涉及建模，更具体地，涉及用于包括机器学习模型和基于规则的模型的混合模型的方法和系统。

背景技术

建模技术可以用于估计具有因果关系的对象或现象，并且通过建模技术生成的模型可以用于预测或优化对象或现象。例如，机器学习模型可以通过基于大量样本数据的训练(或学习)来生成，并且基于规则的模型可以通过基于物理定律等定义的至少一个规则来生成。机器学习模型和基于规则的模型可能具有不同的特征，因此可能适用于不同的领域，并具有不同的优点和缺点。因此，最小化机器学习模型和基于规则的模型的缺点并最大化其优点的混合模型可能非常有用。

发明内容

根据示例实施例的一方面，提供一种用于包括机器学习模型和基于规则的模型的混合模型的方法，所述方法包括：通过将第一输入提供给基于规则的模型来从基于规则的模型中获得第一输出；以及通过将第一输入、第二输入和获得的第一输出提供给机器学习模型来从机器学习模型中获得第二输出。所述方法还包括基于获得的第二输出的误差来训练机器学习模型。

根据示例实施例的另一方面，提供一种用于包括机器学习模型和基于规则的模型的混合模型的方法，所述方法包括：通过将输入提供给机器学习模型来从机器学习模型获得输出；以及通过将获得的输出提供给基于规则的模型来评估获得的输出。所述方法还包括基于评估获得的输出的结果，训练机器学习模型。

根据示例实施例的另一方面，提供一种用于包括多个机器学习模型和多个基于规则的模型的混合模型的方法，所述方法包括：通过将第一输入提供给第一基于规则的模型来从第一基于规则的模型获得第一输出；以及通过将第二输入提供第一机器学习模型来从第一机器学习模型获得第二输出。所述方法还包括：通过将获得的第一输出和获得的第二输出提供给第二基于规则的模型或第二机器学习模型，获得第三输出；以及基于获得的第三输出的误差，训练第一机器学习模型。

根据示例实施例的另一方面，提供一种用于包括机器学习模型和基于规则的模型的混合模型的系统，所述系统包括：至少一个计算机子系统；以及至少一个组件，由至少一个计算机子系统执行。至少一个组件包括：基于规则的模型，被配置为基于至少一个预定义规则从第一输入获得第一输出；机器学习模型，被配置为从第一输入、第二输入和获得的第一输出获得第二输出；以及模型训练器，被配置为基于获得的第二输出的误差来训练机器学习模型。

根据示例实施例的另一方面，提供一种用于包括机器学习模型和基于规则的模型的混合模型的系统，所述系统包括：至少一个计算机子系统；以及至少一个组件，由至少一个计算机子系统执行。至少一个组件包括：机器学习模型，被配置为从输入获得输出；基于规则的模型，被配置为基于至少一个预定义规则来评估获得的输出；以及模型训练器，被配置为基于评估获得的输出的结果来训练机器学习模型。

根据示例实施例的另一方面，提供一种用于包括多个机器学习模型和多个基于规则的模型的混合模型的系统，所述系统包括：至少一个计算机子系统；以及至少一个组件，由至少一个计算机子系统执行。至少一个组件包括：第一基于规则的模型，被配置为基于至少一个预定义规则从第一输入获得第一输出；第一机器学习模型，被配置为从第二输入获得第二输出；第二基于规则的模型或第二机器学习模型，被配置为从获得的第一输出和获得的第二输出获得第三输出；以及模型训练器，被配置为基于获得的第三输出的误差，训练第一机器学习模型。