用于训练神经网络的方法技术

用于训练神经网络（60）的计算机实现的方法，所述神经网络尤其被设立用于对物理测量参量进行分类，其中所述神经网络（60）借助于训练数据集（X）来被训练，其中为了进行所述训练，从所述训练数据集（X）中抽取包括输入信号（x）和所属的所希望的输出信号（y

【技术实现步骤摘要】
【国外来华专利技术】用于训练神经网络的方法
本专利技术涉及用于训练神经网络的方法、训练系统、这样训练的神经网络的应用、计算机程序和机器可读存储介质。
技术介绍
从“Improvingneuralnetworksbypreventingco-adaptationoffeaturedetectors”,arXivpreprintarXiv:1207.0580v1,GeoffreyE.Hinton,NitishSrivastava,AlexKrizhevsky,llyaSutskever,RuslanR.Salakhutdinov(2012)，公知一种用于训练神经网络的方法，其中在训练期间随机忽略特征检测器。该方法也以名称“Dropout（丢弃）”公知。从“BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift”,arXivpreprintarXiv:1502.03167v3,Sergeyloffe,ChristianSzegedy(2015)公知一种用本文档来自技高网...

【技术保护点】
1.用于训练神经网络（60）的计算机实现的方法，所述神经网络尤其被设立用于对物理测量参量进行分类，其中所述神经网络（60）借助于训练数据集（X）来被训练，其中为了进行所述训练，从所述训练数据集（X）中抽取包括输入信号（x）和所属的所希望的输出信号（y

【技术特征摘要】
【国外来华专利技术】20181219 DE 102018222347.51.用于训练神经网络（60）的计算机实现的方法，所述神经网络尤其被设立用于对物理测量参量进行分类，其中所述神经网络（60）借助于训练数据集（X）来被训练，其中为了进行所述训练，从所述训练数据集（X）中抽取包括输入信号（x）和所属的所希望的输出信号（yT）的对，其中在供应所述输入信号（x）的情况下并且根据所希望的输出信号（yT）根据所述神经网络（60）的输出信号（y）来进行对所述神经网络（60）的参数（θ）的适配，其特征在于，始终从整个训练数据集（X）中实现对的所述抽取。


2.根据权利要求1所述的方法，其中对的抽取与之前在训练过程中已经抽取了哪些对无关。


3.根据权利要求1或2所述的方法，其中所抽取的对的输入信号（x）利用增强函数（）来被增强。


4.根据权利要求3所述的方法，其中从所提供的增强函数（）的集合中选择所述增强函数（），所述集合取决于所述输入信号（x）。


5.根据权利要求4所述的方法，其中在从所述训练数据集（X）中随机抽取对的情况下，抽取到可预先给定的对的概率取决于所述可预先给定的对的输入信号（x）的所提供的增强函数（）的数目（）。


6.根据权利要求1至5中任一项所述的方法，其中根据所确定的梯度（g）来进行对所述参数（θ）的适配，而且为了确定所述梯度（g），通过考虑从所述训练数据集（X）中被抽取的对的逐渐增加的数目（n）来一直使所述梯度（g）的估计值（m1）细化，直至满足可预先给定的中断条件，所述中断条件取决于所述梯度（g）的估计值（m1...

【专利技术属性】
技术研发人员：F·施密特，T·萨克塞，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE