【技术实现步骤摘要】
本专利技术涉及一种用于确定人工神经网络的最佳架构的方法，利用该方法可以节省在确定该最佳架构时的资源，而且利用该方法，同时也可以提高在确定该最佳架构时的精度。
技术介绍
1、机器学习算法基于：使用统计方法，以便对数据处理系统进行训练，使得该数据处理系统可以在该数据处理系统最初未曾明确为了特定任务而被编程的情况下执行该特定任务。在此，机器学习的目的在于构建可以从数据中学习并做出预测的算法。这些算法创建数学模型，利用这些数学模型例如可以对数据进行分类。
2、这种机器学习算法的示例是人工神经网络。这种人工神经网络基于生物神经元，并且允许从现有的训练数据中学习未知的系统行为而且然后将所学习到的系统行为也应用于未知的输入参量。在此，神经网络由具有理想化神经元的层组成，这些神经元按照该网络的拓扑以不同方式来彼此连接。第一层检测并且在此传输输入值，该第一层也称为输入层，其中在该输入层中的神经元的数目对应于要被处理的输入信号的数目。最后一层也称为输出层，并且具有与要提供的输出值一样多的神经元。在该输入层与该输出层之间还存在至少一个中间层，该中...
【技术保护点】
1.一种用于确定人工神经网络的最佳架构的方法，其中所述方法(1)具有如下步骤：
2.根据权利要求1所述的方法，其中用于基于所述有向图来确定最佳架构的策略针对所述有向图的每个节点都说明所要确定的轨迹经过所述有向图的相对应的节点的概率，其中所述概率分别与被分配给所述有向图的通向相对应的节点的边的流成比例，而且其中通过分别选择具有最高概率的边和/或与所述概率成比例地来确定所述轨迹。
3.根据权利要求1或2所述的方法，其中基于至少一个目标组件的硬件状况来确定针对所确定的轨迹的所述奖励。
4.一种用于训练人工神经网络的方法，其中所述方法具有如
【技术特征摘要】
1.一种用于确定人工神经网络的最佳架构的方法，其中所述方法(1)具有如下步骤：
2.根据权利要求1所述的方法，其中用于基于所述有向图来确定最佳架构的策略针对所述有向图的每个节点都说明所要确定的轨迹经过所述有向图的相对应的节点的概率，其中所述概率分别与被分配给所述有向图的通向相对应的节点的边的流成比例，而且其中通过分别选择具有最高概率的边和/或与所述概率成比例地来确定所述轨迹。
3.根据权利要求1或2所述的方法，其中基于至少一个目标组件的硬件状况来确定针对所确定的轨迹的所述奖励。
4.一种用于训练人工神经网络的方法，其中所述方法具有如下步骤：
5.根据权利要求4所述的方法，其中所述训练数据具有传感器数据。
6.一种用于基于人工神经网络来控制可控系统的方法，其中所述方法具有如下步骤：
7.一种用于确定人工神经网络的最佳架构的系统，其中所述系统(20)具有：提供单元(21)，所述提供单元被设计为提供所述人工神经网络的可能的架构的集合；映射单元(22)，所述映射单元被设计为将所述人工神经网络的可能的架构的集合映射到有向图上，其中所述有向图的节点分别表示所述可能的架构之一的子集，其中初始节点表示输入层，其中所述有向图的末端节点分别表示具有输出层的子集，而且其中所述有向图的边分别表示在子集之间的可能的链接；分配单元(23)，所述分配单元被设计为：针对所述有向图的每条边，分别将流分配到相对应的边；规定单元(24)，所述规定单元被设计为：规定用于基于所述有向图来确定最佳架构的策略；以及确定单元(25)，所述确定单元被设计为通过如下方式来确定所述人工神经网络的最佳架构：基于所规定的策略来重复确定从初始节点到末端节点的轨迹，为所确定的轨迹确定奖励，基于针对所述轨迹所确定的奖励和被分配给沿着所述轨迹的边的流，为所确定的轨迹确定成本函数，而且基于所述成本函数，分别更新被分配给沿着所述轨迹的边的流，其中，一直重复确定轨迹、确定奖励、确定成本函数和更新这些流的...
【专利技术属性】
技术研发人员：J·H·梅岑，
申请(专利权)人：罗伯特·博世有限公司，
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。