M280241 八、新型說明： 【新型所屬之技術領域】 本創作係-種創新的自動投射器，特別是指—種搭配類神經 網路學習魏使_投射器具，當投射n、位移馳參數改變時， 本創作能經由影像投射器（或第―、二平台編碼器）配合類神經 網路投射學習後，立即可讓第一馬達與第二馬達協同修正，以達 到快速學習後自動調整投射之功能者。 【先前技術】 現今的各種自動控制學習技術愈來愈普遍地運用在教育及生 產業界之中内，其不斷創作改良的精神就在於提昇控制、調整的 效果域準度，促進人類科技更快速的提昇。近年來，由於電腦 的叶异能力大幅增加使人工智慧之研究突飛猛進，而本案創作人 也，行學習參數最佳之類神經網路軟體開發，以做為球類自動投 复—自動予白杈射之工具；同樣由於人工智慧科學技術發展. 其中糟由模仿人類細胞學料性的人工智慧網路、類神經網路技 術的相關n材設備也正受到學界及業界的細討論與重視。 η —般所知之類神經網路具備有辨別、分類、學料功能，且 *、員神〜網路的特殊架構在處理非線性問題上有極佳表現。因此 2經網路所具備之優秀的學習能力，可以經由學習、調整網路 u、成預《之控制目標，更進—步地，相對應設計的器材設備 可以在此魏下產生學習的表現。 M280241 由於回饋式類神經網路的學習效果較其他學習類神經網路為 佳，所以在人工智慧與訊號處理中被廣泛使用。但傳統的回饋式 類神經網_搭配酣並未完整，其反應_數獅學習效果過 於緩慢。目前國内外已有許多研究者從事致力於如何設計出最佳 之器材以搭配回饋式類神經網路系統。 而本案創作人即制自行開發的學習參數最佳化之類神經網 路軟體，並經由設計一搭配前述類神經網路軟體之自動投射器， • 且能達到快速學習後自動調整投射之功能者。 【新型内容】 本創作主要目的，係在於提供—種搭_神經網路學習功能 使用的投射☆、具，其包含有投射n、位移籃框、影像投射器、第 -平台及第二平台，藉由前述設備配合儲存於類神經網路中的投 射資料’纽移監框茶數改變或投射脖數改變時，也只要經由 • 練投射1(本案以影像投職紅魏明）配合瞬經網路投射 决速學搜’立即可讓第—馬達與第二馬達改變修正，以達到自 動且快速學習調整投射之功能者。 有關本創作為達成上述目的，所採用之技術、手段及其他之 功效’兹舉-較佳實施例，並配合圖示詳細說明如下，相信本創 作上述之目的、特徵及其他之優點，當可由之得一深入而具體瞭 解，f先請配合參閱第—、二_示，本辦顺供之自動投射 M280241 器係包含有—第—平台（10)、-第二平台（2 ◦)、-位移籃 C (30)、一第二馬達（4〇)、一第一馬達（5〇)、一投射器 (6 〇 )、原點開關（7 0 )、一類神經網路學習控制系統（8 〇 ) 及一影像投射器（9 0 )，其特徵結構如下： 忒第一平台（1 0 )，係一工作台面，在該第一平台（1 〇 ) 上安裝有第一滑軌（1 1)(本實施例係線性滾珠滑軌），該第一 滑軌（11)向外傳遞出位置的數據資料，且於相對第一滑軌（工 • 1)的另一端製設有投籃區（12); 該第二平台（2 0)，係一工作台面，其係滑設在該第一平台 (10)的第一滑執（工工）上，且該第二平台（2 〇)上裝設 有第二滑執（2 1 )(本實施例係採線性滾珠滑執），該第二滑執 (21 )向外傳遞出位置的數據資料，該第二滑軌（2丄）方向 垂直於該第一滑軌（11)的方向，且於第二平台（2 〇)上設 冑帶動第二平台（2 0)在第一滑軌（11)上位移之螺桿系統 響（圖中未示編號）； 該位移籃框（3 0 )，係安裝在該第二平台（2 〇 )的第二滑 執（21)上，該位移籃框（3 〇)隨該位移藍框（3 〇)的第 二滑執（2 1)内的精㈣桿系統被帶動，此外，該位移藍框（3 〇 )依設計可顧-般昇降設計進行高度之調整（例如：執道昇 降模式、昇降螺鎖定位模式）； 該第二馬達（4 Q )通f是糊步進馬達，係設在該第一平 台（1 0 )的投籃區（1 2 )，且筮-巨、去，，、 j且弟—馬達（4 0)的旋轉軸向為 M280241 垂直方向； 、該第—馬達（5 Q )通常是_步進馬達，係設在該第二馬 =4 ◦)上，且第—馬達（5 0 )被該第二馬達（4 0 )旋轉 可動’而第-馬達（5 〇)的旋轉轴向為水平方向； 。亥才又射為（6 Q ) ’係由置物籃（6丄）、投射臂（6 2 )級 合而成’該投射臂（6 2 )縣設在該第—馬達（5 〇 )上，投 =器（6 G)的投射臂（6 2)—端被該第—馬達（5 〇)鱗 π動而才又射臂（6 2 )的另-端則固定連接該置物籃⑺工）； 該原點開關（7 0 )，係依需求對應該第一平台（工〇 )之第 -滑執（11)與第二平台（2 〇)之第二滑執（2丄）裝設， 且係感測該第-滑軌（i i)與第二滑軌（2丄）的運作原點位 置之用’同時設有極限開關（7工），可保護第一滑執（丄D與 第二滑執（21)運作末端位置用途。 該類神經網路學習控制系統（8 〇 )，係安裝連接在第一平台 (1 0 )及第二平台（2 〇 )上，且逐一連接各原點開關（7 〇 )， 該第-平台（10)動力系統、該第二平台（2〇)動力系統、 該第二馬達（4 0 )與該第-馬達（5 〇 )，運用類神經網路學習 控制系統（8 0)接受該第一滑軌（1 1)與第二滑軌（21) 的位置數據資料，且類神經網路學習控制系統（8 〇)會將數據 資料及投射結果學習後提供該第一馬達（5 〇)較佳控制； $亥衫像投射為（9 0 )，係對應裝設在該第一平台（1 〇 )及 M280241 第二平台彳2 q 1 口 上方，且將該位移籃框（3 0)的位置資料神 取向外傳遞，並輪L達（4猶 城抛 射速度的依據（本_可以辑—、：平台、== 尺進行相同影像投射器（9 0)的工作）；疋子 、上所返gp為本新型較佳實施例各相 置及其構造之概述。 ㈣相互關係位 【實施方式】 再請配合第. 四 為了清楚說明本_的作動方式與功效， 圖所示： 2倾崎運作自動投射科，纖神_路學習控制系 8 0)，逐一連接控制第一平台（10)及第二平台（2 0) 上的線性滾珠滑執（第—滑執（U)與第二_ (2 i)) Z移fi(3Q)移_預_定位位置，翻各原點開關（7 I感測出該第-滑執（i i)與第二滑軌（2 U 到達原點與否； …接著本創作衫像投射器㈠〇 )對應將該位移籃框（3 或I:平台(10 )、第二平台(2 0)的位置資料編碼向外傳遞， 力二馬達（4 Q)旋轉角度的依據，依此數據控制該第 -馬達（4 ◦)旋轉帶動對應該投射器（6 ◦)，使投射 的方向角度對應該位移驗（3Q)蚊位位置（請參卿四圖）； 緊接著，該類神經網路學習控制系統（8 0)運算出該位移 M280241 籃框（3 Ο )與投射器（6 π、ΑΑα 控制系統(8 0)會(人工二)物…類_^ 速产（第4達（5 η )調整該第—馬達（5 Q)的拋射 =馬達(50)的旋動角度固定)，而裝 (5 0 )上的投射臂（6 2 )备 …、 中的賴（Α); 胃被喊轉拋出該置物籃（61: 直到該類神經網路學習控制系統（8 0)不斷訓練出充足的 貧料庫後，該類神經網路學習控制系統（8 0)將可以快速精準 地讓球體⑷投人該位移餘（3 Q )内，達成本創作快速學 習後自動調整投射之功能者。 最重要的是，可任意調節位置之位移籃框（3◦)具有垂直 方向的:平台（1 0 )及第二平台（2 〇 )，並且運用線性滾珠 β軌（第W執（i i )與第二滑軌（2 i ))的精密螺桿動力系 統帶動該位移籃框（3 〇 )進行各種位置的位移；_投射器（6 〇)則利用第一馬達（5 0)與第二馬達（4 0)進行投射動作。 另一方面，第一平台（1〇)的第一滑軌（1 1)與第二平 台（2 〇)的第二滑軌（21)不僅可以係採線性滾珠滑軌，也 可以是常見的鳩尾形狀之滑軌，而該第二平台（2 0)及位移籃 框（3 0)也是運用習用的鳩尾槽座進行相對配合運作。 本創作的原點開關（7 〇)可以運用一般的感測元件；而該 10 M280241 影像投射H (90)可叹财光學騎元件配合光_元件進 行量測’ _-簡元件配合位移驗上_光元絲可以進行 感測，不但其感測更廣泛、無死角’且同樣可以讓位移籃框（= 0)的定位位置受到精密的控制及檢測。 本創作另可裝設燈泡（i 0 0)於整體之上方，利用燈泡（工
0 0 )保持亮度穩錄態，達到影像取得正讀，降低誤差值的功 能（燈泡（1 〇〇)設計請參閱第一圖）。 、力 、、、不U ’本案之創新結構設計係'包含有-投射器、一位移擊 框、影像投射器、第-平台及第二平台，該投射器的投射動作受二 於水平轴向的第-馬達，該第—馬達又裝設在垂餘向的第二馬達 上’且雜移監框設置在第—軸平台的滑執上，該第—A真壯 設於墟直之第二平台的滑軌上；#本創作位移t框參數或购= 茶數改變時’也只要經由影像投㈣配合_經網路投射學 立即可配合第-平台、第二平台、第—馬達與第二馬達改變二正， 以達到自動且快速學習調整投射之功能者；所以本創作之『具有產 ==性』應已毋_，除此之外，在本案實施例所揭露出 、竹支何，於申請之前並未曾見於諸刊物，亦未曾被公開使用， Γ但具有如上所述功效增進之事實，更具有不可輕忽的附加功效， 創麵『新雛』以及『卿』㈣合專利法規，查 便^新型專利之申請，祈請惠予審查並早曰賜准專利，實感德 M280241 【圖式簡單說明】 第一圖係本創作整體外觀立體圖。 第二圖係本創作系統上視圖。 第二圖係本創作投射器外觀圖。 第四圖係本創作的系統作業示意圖。 【主要元件符號說明】 第一平台（1 0 ) 第一滑軌（1 1 ) 投籃區（1 2 ) 第二平台（20) 第二滑執（21) 位移籃框（3 0) 第二馬達（4 0) 第一馬達（50) 投射器（6 0) 置物籃（61) 投射臂（6 2) 原點開關（7 0) 12 M280241 極限開關（71) 類神經網路學習控制系統（8 0) 球體（A) 影像投射器（9 0) 燈泡（10 0) 13