训练分类器或回归器以对时间序列进行鲁棒的分类和回归的方法和设备技术

用于训练机器学习系统(60)的计算机实现的方法，其中所述方法包括以下步骤：a.从多个训练时间序列(x

【技术实现步骤摘要】
【国外来华专利技术】训练分类器或回归器以对时间序列进行鲁棒的分类和回归的方法和设备


[0001]本专利技术涉及计算机实现的机器学习系统、用于训练所述机器学习系统的训练设备、计算机程序和机器可读存储介质。

技术介绍

[0002]由Wong等人的“Neural Network Virtual Sensors for Fuel Inj ection Quantities with Provable Performance Specifications”，2020年6月30日，在线提供https：//arxiv.org/abs/2007.00147vl公开了一种借助于可证明的鲁棒性训练来训练机器学习系统的方法。
[0003]本专利技术的优点
[0004]可以根据技术系统环境的传感器测量和/或技术系统的运行状态的传感器测量来操控所述技术系统。典型地，在此情况下使用机器学习系统来处理传感器测量。通常，这样的机器学习系统可以用作虚拟传感器，所述虚拟传感器可以基于传感器测量例如确定所述技术系统的运行状态，否则传感器无法确定该运行状态。
[0005]传感器通本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于训练机器学习系统(60)的计算机实现的方法，其中所述机器学习系统(60)被设置为基于技术系统的输入信号的时间序列(x)来确定输出信号(y)，所述输出信号表征所述技术系统的至少一个第一运行状态和/或至少一个第一运行变量的分类和/或回归结果，其中所述方法包括以下步骤：a.从多个训练时间序列(x
i
)中确定输入信号的第一训练时间序列(x
i
)以及与所述第一训练时间序列(x
i
)对应的期望训练输出信号(t
i
)，其中所述期望训练输出信号(t
i
)表征所述第一训练时间序列(x
i
)的期望分类和/或期望回归结果；b.确定第一对抗性示例(x
i
′
)，其中所述第一对抗性示例(x
i
′
)是所述第一训练时间序列(x
i
)与所确定的第一对抗性扰动的叠加，其中所述第一对抗性扰动的第一噪声值不大于可预给定的阈值，其中所述可预给定的阈值基于所述训练时间序列(x
i
)的所确定的噪声值；c.借助于所述机器学习系统(60)为所述第一对抗性示例(x
i
′
)确定训练输出信号(y
i
)；d.根据损失值的梯度来适配所述机器学习系统(60)的至少一个参数，其中所述损失值表征所述期望训练输出信号(t
i
)与所确定的训练输出信号(y
i
)的偏差。2.根据权利要求1所述的方法，其中，所述可预给定的阈值对应于所述多个训练时间序列(x
i
)的训练时间序列(x
i
)的平均噪声值。3.根据权利要求1或2任一项所述的方法，其中，根据马氏距离确定训练时间序列(x
i
)或对抗性扰动或对抗性示例(x
i
′
)的噪声值。4.根据权利要求3所述的方法，其中，根据公式来确定所述噪声值，其中s是训练时间序列(x
i
)或对抗性扰动或对抗性示例(x
i
′
)，是伪逆协方差矩阵，该伪逆协方差矩阵表征所述多个训练时间序列(x
i
)的至少一个子集的可预给定数量k个最大特征值和对应的特征向量。5.根据权利要求4所述的方法，其中，通过以下步骤确定所述伪逆协方差矩阵：e.确定训练时间序列(x
i
)的至少一个子集的协方差矩阵；f.确定至少一个最大特征值，优选预定义的多个最大特征值，所述协方差矩阵以及对应于一个或多个特征值的特征向量；g.根据以下公式确定所述伪逆协方差矩阵其中λ
i
是多个最大特征值中的第i个特征值，v
i
是与特征值λ
...

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