CN111359074A - 个人化参数学习方法、睡眠辅助装置及存储介质 - Google Patents

Abstract

一种个人化参数学习方法、睡眠辅助装置及存储介质。个人化参数学习方法包括以下步骤：在一睡眠辅助装置以一输入参数设定执行后，一处理装置根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。根据测量睡眠品质，处理装置产生多个候选参数设定。处理装置产生对应于这些候选参数设定的多个预测睡眠品质。处理装置根据这些预测睡眠品质，选择这些候选参数设定的其中之一，以获得一推荐参数设定。

Description

个人化参数学习方法、睡眠辅助装置及存储介质

技术领域

本发明涉及一种个人化参数学习方法、睡眠辅助装置及存储介质。

背景技术

良好的睡眠品质有助于身体健康。研究发现，声音、照明和其他因素的调整有助于改善睡眠品质。因此，研究人员开发了一种睡眠辅助技术(sleep-aid)。

在睡眠辅助技术中，使用者可以手动调节睡眠辅助装置的参数来控制声音和光线。然而，每个人的生理时钟不同，并且其生理状况也不同。如何设置适当的个人化参数成为睡眠辅助技术的主要瓶颈。

发明内容

本发明涉及一种个人化参数学习方法、睡眠辅助装置及存储介顾。

根据本发明的一实施例，提出一种睡眠辅助装置的个人化参数学习方法。个人化参数学习方法包括以下步骤：在一睡眠辅助装置以一输入参数设定执行后，一处理装置根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。根据测量睡眠品质，处理装置产生多个候选参数设定。处理装置产生对应于这些候选参数设定的多个预测睡眠品质。处理装置根据这些预测睡眠品质，选择这些候选参数设定的其中之一，以获得一推荐参数设定。

根据本发明的另一实施例，提出一种睡眠辅助装置。睡眠辅助装置包括一处理装置。处理装置包括一计算模块、一参数学习模块及一睡眠品质预测模块。计算模块用于在睡眠辅助装置以一输入参数设定执行后，根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。参数学习模块用于根据测量睡眠品质，产生多个候选参数设定。睡眠品质预测模块用于产生对应于这些候选参数设定的多个预测睡眠品质。参数学习模块还用于产生对应于这些候选参数设定的多个预测睡眠品质。

根据本发明的再一实施例，提出一种非暂态电脑可读取存储介质。非暂态电脑可读取存储介质用于储存一程序代码。程序代码用于供一电脑执行一个人化参数学习方法。个人化参数学习方法包括以下步骤：在一睡眠辅助装置以一输入参数设定执行后，一处理装置根据一使用者的一主观回馈，计算出使用者的一测量睡眠品质。根据测量睡眠品质，处理装置产生多个候选参数设定。处理装置产生对应于这些候选参数设定的多个预测睡眠品质。处理装置根据这些预测睡眠品质，选择这些候选参数设定的其中之一，以获得一推荐参数设定。

为了对本发明的上述及其他方面有更好的了解，下文特别列举实施例，并配合所附附图详细说明如下。

附图说明

图1为根据本发明的一实施例的睡眠辅助装置的示意图；

图2为根据本发明的一实施例的个人化参数学习方法的流程图；

图3为根据本发明一实施例的使用者界面的示意图；

图4为本发明的步骤S120的流程图；

图5为根据本发明一实施例的使用者界面的示意图；

图6A为未采用本发明个人化参数学习方法的传统睡眠辅助装置的效能曲线；

图6B为采用本发明个人化参数学习方法的睡眠辅助装置的效能曲线。

附图标记说明

100：睡眠辅助装置

110：处理装置

111：计算模块

112：睡眠品质预测模块

113：参数学习模块

120：环境控制器

130：感测器

140：使用者界面

150：储存装置

C1、C2：效能曲线

HL：历史列表

OF：客观回馈

S110、S120、S121、S122、S123、S130、S140：步骤

SF：主观回馈

SQ1：测量睡眠品质

SQ2：预测睡眠品质

PMS0：先前的输入参数设定

PMS1：输入参数设定

PMS2：候选参数设定

PMS3：推荐参数设定

具体实施方式

在以下的实施例中，提供了一种睡眠辅助装置的个人化参数学习方法。在个人化参数学习方法中，使用了一种增强式学习演算法，以获得一推荐参数设定，从而可以提高睡眠品质。

请参照图1，其为根据本发明的一实施例的睡眠辅助装置100的示意图。睡眠辅助装置100例如是一智能手机、床头灯、智能家用电器或智能遥控器。举例来说，睡眠辅助装置100可以包括一处理装置110、多个环境控制器120、多个感测器130、一使用者界面140及一储存装置150。环境控制器120例如是一扬声器控制器、一光源控制器、一空调控制器或一空气净化器控制器。感测器130例如是一可穿戴设备、一录音机、一相机或一心跳感测器。使用者界面140例如是一触控面板、一麦克风或一键盘。储存装置150例如是一硬盘、一存储器或一云端储存中心。

在处理装置110中，一计算模块111、一睡眠品质预测模块112及一参数学习模块113用于执行个人化参数学习方法。计算模块111、睡眠品质预测模块112及参数学习模块113例如是一程序代码模块、一固件或一晶片。以下是通过一流程图详细说明上述各项元件的运作方式。

请参照图2，其为根据本发明的一实施例的个人化参数学习方法的流程图。在一实施例中，可以通过一非暂态电脑可读取存储介质储存程序代码，并由一电脑执行个人化参数学习方法。在步骤S110中，处理装置110的计算模块111在该睡眠辅助装置100以一输入参数设定PMS1执行后，计算出使用者的一测量睡眠品质SQ1。在一实施例中，测量睡眠品质SQ1可以根据使用者的一主观回馈SF的计算而获得。使用者是通过使用者界面140输入主观回馈SF。举例来说，请参照图3，其为根据本发明一实施例的使用者界面140的示意图。在使用者界面140中，5个星号用于供使用者选择。使用者可以选择部分的星号来输入主观回馈SF。

或者，在另一实施例中，测量睡眠品质SQ1可以根据主观回馈SF及感测器130的客观回馈OF的计算来获得。客观回馈OF例如是打鼾或心率。主观回馈SF是根据使用者的实际感受来获得；客观回馈OF则是根据使用者的测量结果来获得。

在步骤S110中，根据主观回馈SF来计算出测量睡眠品质SQ1。对于同样的输入参数设定PMS1，不同使用者基于其主观回馈SF，而可能会获得不同的测量睡眠品质SQ1。因此，测量睡眠品质SQ1的分数可以准确地代表使用者的个人感受。记录输入参数设定PMS1与测量睡眠品质的关系的历史列表HL储存于储存装置150中。举例来说，请参照表一，其示例说明根据一实施例的历史列表HL。输入参数设定PMS1的其中一列记录为[8，2，3，3]，且其对应的测量睡眠品质SQ1为3.5。请参照图3，测量睡眠品质SQ1是显示于分数栏位中。

表一

接着，在步骤S120中，处理装置110的参数学习模块113根据测量睡眠品质SQ1，产生多个候选参数设定PMS2。请参照图4，其为本发明的步骤S120的流程图。步骤S120是采用增强式学习技术(Reinforcement Learning technology)来产生候选参数设定PMS2。步骤S120包括步骤S121～S123。在步骤S121中，参数学习模块113判断测量睡眠品质SQ1是否高于一预定值(例如是3.5)。若测量睡眠品质SQ1高于该预定值，则进入步骤S122；若测量睡眠品质SQ1不高于预定值，则进入步骤S123。

在步骤S122中，在一第一范围内随机变动一个参数。第一范围例如是+1～-1。若测量睡眠品质SQ1高于预定值，则当前的输入参数设定PMS1是适合于使用者的，故输入参数设定PMS1的参数只需要略微变动。举例来说，先前的输入参数设定PMS0为[1，1，2，3]，且当前的输入参数设定PMS1为[8，2，3，3]，[8，2，3，3]的一个参数被随机地在+1～-1的范围内变动，而获得[8，2，3，3]、[8，3，3，3]及[8，2，2，3]。[8，2，3，3]、[8，3，3，3]、[8，2，2，3]及[1，1，2，3]则作为候选参数设定PMS2。

在步骤S123中，在一第二范围内随机变动两个参数。第二范围例如是+3～-3。若测量睡眠品质SQ1不高于预定值，则当前的输入参数设定PMS1并不适合于使用者，故输入参数设定PMS1的参数需要大幅地变动。举例来说，先前的输入参数设定PMS0为[1，1，2，3]，且当前的输入参数设定PMS1为[8，2，3，3]，[8，2，3，3]的两个参数被随机地在+3～-3的范围内变动，而获得[8，5，1，3]、[8，2，1，6]及[7，2，5，3]。[8，2，3，3]、[8，5，1，3]、[8，2，1，6]、[7，2，5，3]及[1，1，2，3]则作为候选参数设定PMS2。

在表一及图3的例子中，测量睡眠品质SQ1是为“3.5”，故执行步骤S123，且候选参数设定PMS2为“[8，2，3，3]、[8，5，1，3]、[8，2，1，6]、[7，2，5，3]及[1，1，2，3]”。

接着，在步骤S130中，处理装置110的睡眠品质预测模块112产生对应于候选参数设定PMS2的多个预测睡眠品质SQ2。在此步骤中，睡眠品质预测模块112搜寻历史列表HL，以产生预测睡眠品质SQ2。举例来说，候选参数设定PMS2的其中之一可以是[8，5，1，3]。通过与[8，5，1，3]进行比较，表一的输入参数设定PMS1中，最接近者为[8，3，2，2]，故以“5.0”作为预测睡眠品质SQ2。在一实施例中，候选参数设定PMS2是为“[8，2，2，3]、[8，5，1，3]、[8，2，1，6]、[7，2，5，3]及[1，1，2，3]”，故预测睡眠品质SQ2分别是为“3.5、5.0、3.5、3.5、4.0”。

然后，在步骤S140中，处理装置110的参数学习模块113根据预测睡眠品质SQ2，选择候选参数设定PMS2的其中之一，以获得一推荐参数设定PMS3。举例来说，对应于最高预测睡眠品质SQ2的候选参数设定PMS2可以被选择为推荐参数设定PMS3。在表一的例子中，预测睡眠品质SQ2是为“3.5、5.0、3.5、3.5、4.0”，最高预测睡眠品质SQ为5.0，故推荐参数设定PMS3是为[8，5，1，3]。请参照图5，使用者界面140显示出推荐参数设定PMS3是为[8，5，1，3]。

请参照图6A及6B。图6A为未采用本发明个人化参数学习方法的传统睡眠辅助装置的效能曲线C1。图6B为采用本发明个人化参数学习方法的睡眠辅助装置100的效能曲线C2。表二为未采用本发明个人化参数学习方法的传统睡眠辅助装置的效能数据。表三为采用本发明个人化参数学习方法的睡眠辅助装置100的效能数据。

表二

表三

很明显地，效能曲线C2的测量睡眠品质SQ1的平均高于效能曲线C1的测量睡眠品质SQ1的平均。此外，效能曲线C2的标准差低于效能曲线C1的标准差。因此，采用增强式学习演算法的个人化参数学习方法可以对参数设定获得准确的推荐，使得睡眠品质能够获得改善。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种睡眠辅助装置的个人化参数学习方法，其特征在于：该个人化参数学习方法包括：

在睡眠辅助装置以输入参数设定执行后，处理装置根据使用者的主观回馈，计算出该使用者的测量睡眠品质；

根据该测量睡眠品质，该处理装置产生多个候选参数设定；

该处理装置产生对应于该多个候选参数设定的多个预测睡眠品质；以及

该处理装置根据该多个预测睡眠品质，选择该多个候选参数设定的其中之一，以获得推荐参数设定。

2.根据权利要求1所述的个人化参数学习方法，其中在计算该使用者的该测量睡眠品质的步骤中，根据该使用者的该主观回馈及至少一感测器的客观回馈计算出该测量睡眠品质。

3.根据权利要求2所述的个人化参数学习方法，其中该感测器为穿戴设备、相机或录音机。

4.根据权利要求1所述的个人化参数学习方法，其中在产生该多个预测睡眠品质的步骤中，搜寻历史列表，该历史列表记录该测量睡眠品质与该输入参数设定的关系。

5.根据权利要求1所述的个人化参数学习方法，其中在产生该多个候选参数设定的步骤中，若该测量睡眠品质高于预定值，则该输入参数设定的一个参数被随机变动，以获得该多个候选参数设定；若该测量睡眠品质不高于该预定值，则该输入参数设定的两个参数被随机变动，以获得该多个候选参数设定。

6.根据权利要求1所述的个人化参数学习方法，其中在产生该多个候选参数设定的步骤中，若该测量睡眠品质高于预定值，则该输入参数设定的一个参数在第一范围内随机变动，以获得该多个候选参数设定；若该测量睡眠品质不高于该预定值，则该输入参数设定的两个参数在第二范围内随机变动，以获得该多个候选参数设定；该第一范围小于该第二范围。

7.根据权利要求1所述的个人化参数学习方法，其中该输入参数设定的参数为歌曲、光强度、音量或蓝光减少程度。

8.一种睡眠辅助装置，其特征在于：该睡眠辅助装置包括：

处理装置，包括：

计算模块，用于在该睡眠辅助装置以输入参数设定执行后，根据使用者的主观回馈，计算出该使用者的测量睡眠品质；

参数学习模块，用于根据测量睡眠品质，产生多个候选参数设定；以及

睡眠品质预测模块，用于产生对应于该多个候选参数设定的多个预测睡眠品质；

其中，该参数学习模块还用于产生对应于该多个候选参数设定的多个预测睡眠品质。

9.根据权利要求8所述的睡眠辅助装置，其中该计算模块根据该使用者的该主观回馈及至少一感测器的客观回馈计算出该测量睡眠品质。

10.根据权利要求9所述的睡眠辅助装置，其中该感测器为穿戴设备、相机或录音机。

11.根据权利要求8所述的睡眠辅助装置，其中该睡眠品质预测模块还用于搜寻历史列表，该历史列表记录该测量睡眠品质与该输入参数设定的关系。

12.根据权利要求8所述的睡眠辅助装置，其中若该测量睡眠品质高于预定值，则该参数学习模块随机变动该输入参数设定的参数，以获得该多个候选参数设定；若该测量睡眠品质不高于该预定值，则该参数学习模块随机变动该输入参数设定的两个参数，以获得该多个候选参数设定。

13.根据权利要求8所述的睡眠辅助装置，其中若该测量睡眠品质高于预定值，则该参数学习模块在第一范围内随机变动该输入参数设定的参数，以获得该多个候选参数设定；该测量睡眠品质不高于该预定值，则该参数学习模块在第二范围内随机变动该输入参数设定的两个参数，以获得该多个候选参数设定；该第一范围小于该第二范围。

14.根据权利要求8所述的睡眠辅助装置，其中该输入参数设定的参数为歌曲、光强度、音量或蓝光减少程度。

15.一种非暂态电脑可读取存储介质，用于储存程序代码，该程序代码用于供电脑执行个人化参数学习方法，其特征在于：该个人化参数学习方法包括：

在睡眠辅助装置以输入参数设定执行后，处理装置根据使用者的主观回馈，计算出该使用者的测量睡眠品质；

根据该测量睡眠品质，该处理装置产生多个候选参数设定；

该处理装置产生对应于该多个候选参数设定的多个预测睡眠品质；以及

该处理装置根据该多个预测睡眠品质，选择该多个候选参数设定的其中之一，以获得推荐参数设定。

Images