用于开发用于测试和测量的机器学习模型的系统和方法技术方案

一种测试和测量机器学习模型开发系统包括：用户接口；一个或多个端口，用于允许所述系统连接到一个或多个数据源；一个或多个存储器；以及一个或多个处理器，被配置成执行使所述一个或多个处理器执行下述操作的代码：在所述用户接口上显示一个或多个应用用户接口，所述应用用户接口允许用户提供用户输入；使用应用编程接口以基于所述用户输入来配置所述系统；从所述一个或多个数据源接收数据；将来自信号处理和特征提取模块的库的一个或多个模块应用于所述数据，以产生训练数据；将一个或多个机器学习模型应用于所述训练数据；提供所述一个或多个机器学习模型的监视；以及将所述一个或多个机器学习模型保存到所述一个或多个存储器中的至少一个。个存储器中的至少一个。个存储器中的至少一个。

【技术实现步骤摘要】
用于开发用于测试和测量的机器学习模型的系统和方法
[0001]相关申请的交叉引用本公开要求2021年9月29日提交的、名称为SYSTEM AND METHOD FOR DEVELOPING MACHINE LEARNING MODELS FOR TESTING AND MEASUREMENT的印度临时专利申请No. 202121044150的权益，该印度临时专利申请的公开内容以其全文通过引用并入本文。


[0002]本公开总体上涉及电子设备的测试，且具体涉及用于开发用于电子设备的测试和测量的机器学习模型的系统和方法。

技术介绍

[0003]电子设备的测试和测量产生测试数据，这可以在开发机器学习（ML）模型时有用。一般地，测试和测量研究和开发组（诸如，测试和测量系统、仪器和/或应用的制造商）并未准备好访问来自客户或用户的测试数据。类似地，客户可能不能访问用于开发其自身的机器学习模型的容易使用或可容易部署的工具包。不存在具体的或可容易得到的工具以开发用于部署所开发的机器学习模型的快速实验工具。
[0004]另外，针对时间序列数据的机器本文档来自技高网...

【技术保护点】

【技术特征摘要】
Deep Learning Runtime中的一个或多个。12.如权利要求1所述的测试和测量机器学习模型开发系统，其中使所述一个或多个处理器将一个或多个机器学习模型应用于所述训练数据的代码包括使所述一个或多个处理器执行下述操作的代码：应用来自一个或多个所保存的机器学习模型的库的机器学习模型。13.如权利要求12所述的测试和测量机器学习模型开发系统，其中一个或多个所保存的机器学习模型的库包括用于执行毛刺检测的经训练的机器学习模型、用于执行高速信号分类的经训练的机器学习模型、用于执行光收发器的调谐的经训练的机器学习模型和用于执行TDECQ测量的经训练的机器学习模型中的一个或多个。14.如权利要求12所述的测试和测量机器学习模型开发系统，其中所述一个或多个所保存的机器学习模型是根据开放神经网络交换（ONNX）标准而格式化的文件。15.如权利要求9所述的测试和测量机器学习模型开发系统，其中使用所述机器学习应用编程接口以访问所述一个或多个机器学习工具包包括：通过外观层来访问所述一个或多个机器学习工具包。16.一种用于操作机器学习模型开发系统的方法，所述方法包括：在用户接口上显示一个或多个应...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：特克特朗尼克公司，
类型：发明
国别省市：