【技术实现步骤摘要】
【国外来华专利技术】训练机器学习模型以进行数据驱动的决策
[0001]本公开尤其涉及用于训练机器学习模型的方法和系统、计算机程序产品以及机器学习模型。
技术介绍
[0002]目前,为了进行决策,例如为了确定有故障的和要更换的部件,或者在对指标(Kennzahlen)进行定期评估的情况下,人们经常对确定的数据进行分类。然而,这种决策经常需要许多时间,并且在一些应用情况下在短反应时间之内的数据驱动的决策是必要的。此外,可以为要监控的系统开发专门的分析工具,然而这通常是非常耗费的,并且在被监控的系统改变的情况下,通常必须烦琐地进行适配。可能的是,例如通过提供多个分别具有自行车的照片和说明“自行车”以及没有自行车的其他照片和说明“没有自行车”,利用数据和这些数据的分类来训练人工智能KI。然而,这种KI的学习过程典型地是漫长的,因为例如在许多情况下使用几千个数据集,而且KI常常容易出错,这限制可能的应用范围。
技术实现思路
[0003]本专利技术的任务是实现一种改进的、自动化的、数据驱动的决策。
[0004]根据一个方面,提供一种用于训练机器学习模型以用于基于数据的决策的方法。该方法包括采集数据,即采集测量数据。所述数据、即测量数据通过一个或多个计算机来采集,并(要么在该方法的范围内要么事先)借助一个测量装置或多个测量装置获得。测量装置(分别)以用于测量物理变量的传感器的形式构成。这些数据包括例如多个通过一个或多个测量装置采集的值和/或关于维护过程或状态的说明。数据以时间序列数据的形式采集。一个或多个计算机获得与数据、尤其 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于训练机器学习模型(51,57)的方法,该方法包括:
‑ꢀ
通过一个或多个计算机(52)采集(S10)借助一个或多个测量装置(60
‑
62)所获得的、时间序列数据形式的数据(70),所述测量装置分别呈用于测量物理变量的传感器的形式;
‑ꢀ
通过所述一个或多个计算机(52)接收(S12)与所述数据(70)有关的多个分类数据单元;
‑ꢀ
通过所述一个或多个计算机(52)并且针对每个分类数据单元接收(S13)所述数据(70)的选定部分(71);和
‑ꢀ
通过所述一个或多个计算机(52)分别基于所述分类数据单元中的至少一个分类数据单元和所述数据(70)的相应的至少一个选定部分(71)训练(S14)多个机器学习模型(51),其中所述多个机器学习模型(51)是同一机器学习模型的多个实例。2.根据权利要求1所述的方法,其中所述数据(70)的每个选定部分(71)的特性以参数的形式被提取,并且分别基于所述参数执行所述多个机器学习模型(51)的训练(S14)。3.根据权利要求1或2所述的方法,此外包括:
‑ꢀ
借助所述一个或多个计算机(52)在至少一个界面(81)上多次提供(S11)所述数据(70),用于为多个用户显示。4.根据上述权利要求中任一项所述的方法,其中所述数据(70)显示一个或多个机器、尤其一个或多个燃气涡轮机(10)的测量值。5.根据上述权利要求中任一项所述的方法,其中针对所述机器学习模型(51)中的每个机器学习模型确定预测精度。6.根据权利要求5所述的方法,其中所述预测精度被显示在界面(84)上。7.根据权利要求6所述的方法, 其中经由所述界面(84),所述机器学习模型中的一个或多个机器学习模型是可选择的并且被选择。8.根据上述权利要求中任一项所述的方法,其中从所述多个机器学习模型(51)的参数计算出上级的机器学习模型(57)。9.根据权利要求8所述的方法,其中各个机器学习模型(51)利用不同的加权因子来加权,用于计算出所述上级的机器学习模型(57)。10.根据就引用权利要求5而言的权利要求9所述的方法,其中所述加权因子基于所述预测精度来确定。11.一种用于对数据(70)进行分类的方法,该方法包括:
‑ꢀ
提供(S1)根据权利要求8至10中任一项所述的方法所计算出的上级的机器学习模型(57);
‑ꢀ
【专利技术属性】
技术研发人员:S,
申请(专利权)人:劳斯莱斯德国有限两合公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。