为用于机器学习的方法自动选择数据集的方法和控制设备技术

提出了一种为用于机器学习的方法自动选择数据集以检测机动车辆的运行变量的方法，在该方法中在所述机动车辆的运行期间检测针对所述机动车辆的特定运行变量范围（10.3.1、10.3.2、A、B、C）的测量信号序列。该方法的特征在于，向所述运行变量范围（10.3.1、10.3.2、A、B、C）分配存储区域，每个存储区域具有多个槽（30），每个槽被设置用于存储包含检测到的测量信号序列的数据集，以及其中已经存储在所述槽（30）中的数据集能够分别用当前为同一存储区域新检测的数据集覆盖。对于存储区域的每个其中存储了数据集的槽（30），形成槽错误估计值并与所述测量信号序列一起存储。优先覆盖以下数据集，所述数据集的槽错误估计值比较小。所述数据集的槽错误估计值比较小。所述数据集的槽错误估计值比较小。

【技术实现步骤摘要】
【国外来华专利技术】为用于机器学习的方法自动选择数据集的方法和控制设备


[0001]本专利技术涉及一种为用于机器学习的方法自动选择数据集以检测机动车辆的运行变量的方法，在该方法中在所述机动车辆的运行期间检测针对所述机动车辆的特定运行变量范围的测量信号序列。在设备方面，本专利技术涉及根据权利要求11的前序部分的控制设备。这样的方法和这样的控制设备以本身是已知的为前提。

技术介绍

[0002]数据是机器学习算法的“燃料”，在机器学习算法中基于大型数据库对用于确定难以检测的变量的函数建模。在技术系统中，信号用数据记录器记录并且本地存放或存放在分布式的存储器（例如云）中以供以后的进一步处理。
[0003]通过这种方式会累积非常大量的数据，这些数据通常不容易用于机器学习。除了数据预处理之外，大多数机器学习方法都需要从可用数据中产生训练数据集、验证数据集和测试数据集。
[0004]作为具体的示例，下面应当首先考虑以下场景。用于机器学习的计算模型应当在开始批量制造机动车辆之前加以训练、验证和测试，该计算模型可以确定行驶道路路面上的水膜深度。水膜深度是待检测的道路本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种为用于机器学习的方法自动选择数据集以检测机动车辆的运行变量的方法，在该方法中在所述机动车辆的运行期间检测针对所述机动车辆的特定运行变量范围（10.3.1、10.3.2、A、B、C）的测量信号序列，其特征在于，向所述运行变量范围（10.3.1、10.3.2、A、B、C）分配存储区域，每个存储区域具有多个槽（30），每个槽被设置用于存储包含检测到的测量信号序列的数据集，以及其中已经存储在所述槽（30）中的数据集能够分别用当前为同一存储区域新检测的数据集覆盖，对于存储区域的每个其中存储了数据集的槽（30），形成包含在该数据集中的测量信号序列的槽错误估计值并与所述测量信号序列一起存储，并且在覆盖时优先覆盖以下数据集，所述数据集的槽错误估计值小于为同一存储区域形成的其他槽错误估计值。2.根据权利要求1所述的方法，其特征在于，使用计算模型（12）从当前检测的测量信号序列中计算所述机动车辆的运行特征参数，与此并行地用参考值传感器（14）测量所述运行特征参数，并且根据计算的运行特征参数与测量的运行特征参数的偏差来形成所述槽错误估计值。3.根据前述权利要求中任一项所述的方法，其特征在于，所述计算模型（12）是要通过用于机器学习的方法训练的计算模型（12）。4.根据权利要求2和3所述的方法，其特征在于，只有那些在机器学习时已经为其计算了槽错误估计值的数据集被释放以进行覆盖。5.根据权利要求4所述的方法，其特征在于，在所述机动车辆的行驶周期中仅释放在机器学习时已经为其计算了槽错误估计值的数据集的预定部分以进行覆盖。6.根据权利要求5所述的方法，其特征在于，当所有被释放以进行覆盖的数据集在能够开始机器学习过程之前都已被覆盖时，根据随机原则选择下...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：罗伯特，
类型：发明
国别省市：