[发明专利]一种儿童伴学机器人及其早教系统自学习方法

说明书

本发明公开了一种儿童伴学机器人及其早教系统自学习方法，自学习方法包括：步骤A10，训练卷积神经网络；步骤A20，采用卷积神经网络对输入的图像提取特征向量；步骤A30，采用乘积量化技术对特征向量分组量化；步骤A40，根据Imagenet数据集生成基准字母表；步骤A50，获取未知的新事物的图像和类别，提取新事物图像的特征向量并分组量化，并在基准字母表中查找匹配的新事物字符串；在联想记忆模型中将新事物字符串与类别匹配连接，实现将新事物学习到早教系统中；步骤A60，获取待识别事物的图像，早教系统识别得到待识别事物的类别。本发明可以实现与儿童一起学习新知识，共同竞赛，提高儿童学习的乐趣。

技术领域

本发明涉及智能设备，特别是指一种儿童伴学机器人及其早教系统自学习方法。

背景技术

学龄前的儿童由于智力和身体的发育尚不完全，需要成年人长期陪伴和看管。而且儿童阶段是运动、语言、数学等能力发展最快的敏感期，其重要性不言而喻，这就需要家长付出大量的精力和成本来陪伴和教育儿童。目前现有的早教系统大多仅具备音频、视频的播放功能，部分早教系统虽然可通过语音或触控的方式与其进行简单的交互，但是交互的内容必须是系统数据库中已有的素材。也就是说，现有早教系统主要具备的是“点播”系统中已有的素材功能，由于早教系统不具备学习能力，导致系统无法学习到在实际应用中遇到的系统数据库未能涵盖的新知识，系统进而无法达到寓教于乐地与儿童一起学习识物、识字、算数等基本功能，无法满足与儿童一起共同成长的要求。

发明内容

针对目前的儿童早教系统不具备自学习功能导致的无法学习到系统未涵盖的新知识的技术问题，本发明提供一种儿童伴学机器人的早教系统自学习方法，通过伴学机器人的早教系统的自学习功能来提高儿童的学习乐趣，从而实现与儿童一起学习、共同成长的目的，并消除儿童的畏惧厌学情绪。

为实现上述技术目的，本发明采用如下技术方案：

一种儿童伴学机器人的早教系统自学习方法，包括以下步骤：

步骤A10，训练卷积神经网络；

构建卷积神经网络模型，以Imagenet数据集的所有样本图像作为输入、样本图像的类别作为标签，训练卷积神经网络；

步骤A20，提取图像特征信息；

采用步骤A10训练得到的卷积神经网络对输入的图像进行特征提取，输出特征向量；

步骤A30，对特征向量分组量化；

采用乘积量化技术将特征向量进行分组量化，形成m个子特征向量；

步骤A40，生成基准字母表；

将Imagenet数据集的所有样本图像，均按步骤A20和A30处理，得到每个样本图像的m个子特征向量；

对所有样本图像，取序列相同的子特征向量构成1个分组数据集，总共计m个分组数据集；

对每个分组数据集采用K-means算法计算得到k_s个类中心，记录每个分组数据集的k_s个类中心为1个类集合，总共m个类集合构成基准字母表；

将基准字母表预置于联想记忆模型的输入层；

步骤A50，学习新事物；

从早教系统外部获取未知的新事物的图像和类别；

将获取的新事物图像按步骤A20和步骤A30处理，得到新事物的m个子特征向量；遍历新事物的m个子特征向量，在基准字母表的与新事物的当前子特征向量序列相同的类集合中查找匹配的字母，得到长度为m的新事物字符串；