用来训练和评估用于分类应用的评估模型的方法和装置制造方法及图纸

用来训练和评估用于分类应用的评估模型的方法和装置。本发明专利技术涉及一种用于利用周期性确定的输入数据集来评估经过训练的基于数据的评估模型以确定用于控制或监控技术系统的模型输出的方法，该方法具有如下步骤：

【技术实现步骤摘要】
用来训练和评估用于分类应用的评估模型的方法和装置


[0001]本专利技术涉及一种用来提供用于对来自传感器系统中的输入数据进行分类的评估模型的方法以及尤其是用于鲁棒地确定分类结果和对此的置信度值的措施。

技术介绍

[0002]用于采集物理量的传感器通常被连续扫描。这样，例如可以借助于适合的传感器来采集压力、质量流量、加速度、温度、振动、摄像机图像、音频信息等等。接着，通过传感器或传感器系统，通常对于每个采样步长都提供传感器值、传感器信号时间序列或图像信息，作为电或数字化信号。这些传感器数据通常形成用于在评估模型中进一步处理的输入数据集。
[0003]为了评估，可以分析和评估这种输入数据集。尤其是，评估模型可以基于数据地被构造成回归模型或者分类模型，使得输入数据集被分配给至少一个回归结果或者至少一个分类结果。

技术实现思路

[0004]按照本专利技术，提供了一种按照权利要求1所述的用于借助于基于数据的评估模型来评估传感器信号数据以确定分类结果的方法以及一种相对应的按照并列独立权利要求所述的装置。
[0005]其它的设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于利用周期性确定的输入数据集(S)来评估经过训练的基于数据的评估模型(4)以确定用于控制、调节、运行或监控技术系统(6)的模型输出(A)的方法，所述方法具有如下步骤：
‑
针对预先给定的数目的时间上连续的采样步长来采集(S1)输入数据集(S)；
‑
将所述输入数据集(S)组合(S2)成经过验证的输入数据集(S)的输入数据包(P)；
‑
借助于所述基于数据的评估模型(4)来确定(S3)针对所述输入数据包(P)中的输入数据集(S)中的每个输入数据集的评估结果，其中在每次评估时使所述评估模型(4)的一个或多个模型参数在数值上减小或者设置到0；
‑
将各个评估结果(Z)聚合(S4)，以便获得所述模型输出(A)。2.根据权利要求1所述的方法，其中所述输入数据集(S)包括一个或多个传感器信号，尤其是以一个或多个状态参量、一个或多个传感器信号时间序列和/或一个或多个图像数据为形式。3.根据权利要求1或2所述的方法，其中所述基于数据的评估模型(4)包括具有一层或多层人工神经元的人工神经网络，其中所述模型参数(W1，W2，...，Wn，b)针对所述神经元中的每个神经元都包括权重向量的权重以及偏置值。4.根据权利要求1至3中任一项所述的方法，其中所述评估模型(4)的在数值上被减小或被设置到0的一个或多个模型参数通过随机选择来被选择。5.根据权利要求4所述的方法，其中在数值上被减小或被设置到0的模型参数的数目在所述模型参数的总数的1％与10％之间、优选地在5％与20％之间。6.根据权利要...

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