【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
技术实现思路
【技术保护点】
1.一种用于提供关于机器学习模型(f)的全局行为的信息的计算机实现的方法，机器学习模型(f)是利用表示技术系统(20)的技术参数并用于评估所述技术系统的所测量传感器数据来训练的，所述方法包括：
2.根据前述权利要求所述的方法，其中合成传感器数据(z)是随机生成的，并且被适配于所测量传感器数据(x)的分布。
3.根据前述权利要求中任一项所述的方法，其中将所述多个(N个)合成传感器数据(z)的子集与所测量传感器数据(x)的子集进行组合，以形成用于训练代理模型(g)的代理训练数据(ytrain)。
4.根据权利要求3所述的方法，其中将所述多个(N个)合成传感器数据(z)的不同子集与所测量传感器数据(x)的不同子集进行组合，以形成用于计算一致性准确度(ACC)的代理测试数据(ytest)。
5.根据权利要求3和4所述的方法，其中将代理训练数据(ytrain)和代理测试数据(ytest)变换成传感器数据的可解释形式。
6.根据权利要求3-5中任一项所述的方法，其中针对不同数量(N个)的所生成的合成传感器数据(z)，计算并输出代理模
7.根据前述权利要求中任一项所述的方法，其中代理模型(g)被配置为符合预定义复杂度指数(d)，并且针对不同的预定义复杂度指数(d)，训练代理模型(g)并计算一致性准确度(ACC)，并且将它们输出到用户接口(33)。
8.根据前述权利要求中任一项所述的方法，其中如果机器学习模型(f)是分类模型，则代理模型(g)是决策树模型、广义线性规则模型、逻辑回归、广义加性模型之一，或者如果机器学习模型(f)是回归模型，则代理模型(g)是回归树模型、广义线性规则模型、线性回归、广义加性模型(GAM)之一。
9.根据前述权利要求中任一项所述的方法，其中向用户接口(33)输出经训练的代理模型(g)的可视化，所述可视化指示针对合成传感器数据(z)的决策路径。
10.根据前述权利要求中任一项所述的方法，其中向用户接口输出一致性准确度(ACC)的可视化，所述一致性准确度(ACC)优选地取决于合成传感器数据的数量的范围和/或复杂度指数(d)的范围。
11.根据前述权利要求中任一项所述的方法，其中从代理模型和一致性准确度导出优化参数，并且将所导出的优化参数应用于机器学习模型，从而生成改进的机器学习模型，并且将改进的ML模型应用于当前测量的传感器数据。
12.根据前述权利要求1-10中任一项所述的方法，其中接收当前测量的传感器数据(x)，并且输出都利用当前测量的传感器数据作为输入进行处理的机器学习模型(f)和经训练的代理模型(g)的结果。
13.根据前述权利要求1-10中任一项所述的方法，其中接收当前测量的传感器数据，并且利用当前测量的传感器数据作为输入，输出经训练的代理模型(g)的结果，而不是机器学习模型(f)的结果。
14.根据前述权利要求所述的方法，其中所述技术系统(20)是制造厂的设备、分配系统的设备、或任何种类的机器中的一个。
15.一种用于提供关于机器学习模型(f)的全局行为的信息的辅助装置，机器学习模型(f)是利用表示技术系统(19)的技术参数并用于评估所述技术系统(20)的所测量传感器数据来训练的，所述辅助装置包括至少一个处理器，所述处理器被配置为执行以下步骤：
16.一种可直接加载到数字计算机的内部存储器中的计算机程序产品，包括软件代码部分，所述软件代码部分用于当所述产品在所述数字计算机上运行时执行权利要求1至14的步骤。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于提供关于机器学习模型(f)的全局行为的信息的计算机实现的方法，机器学习模型(f)是利用表示技术系统(20)的技术参数并用于评估所述技术系统的所测量传感器数据来训练的，所述方法包括：
2.根据前述权利要求所述的方法，其中合成传感器数据(z)是随机生成的，并且被适配于所测量传感器数据(x)的分布。
3.根据前述权利要求中任一项所述的方法，其中将所述多个(n个)合成传感器数据(z)的子集与所测量传感器数据(x)的子集进行组合，以形成用于训练代理模型(g)的代理训练数据(ytrain)。
4.根据权利要求3所述的方法，其中将所述多个(n个)合成传感器数据(z)的不同子集与所测量传感器数据(x)的不同子集进行组合，以形成用于计算一致性准确度(acc)的代理测试数据(ytest)。
5.根据权利要求3和4所述的方法，其中将代理训练数据(ytrain)和代理测试数据(ytest)变换成传感器数据的可解释形式。
6.根据权利要求3-5中任一项所述的方法，其中针对不同数量(n个)的所生成的合成传感器数据(z)，计算并输出代理模型(g)和一致性准确度(acc)。
7.根据前述权利要求中任一项所述的方法，其中代理模型(g)被配置为符合预定义复杂度指数(d)，并且针对不同的预定义复杂度指数(d)，训练代理模型(g)并计算一致性准确度(acc)，并且将它们输出到用户接口(33)。
8.根据前述权利要求中任一项所述的方法，其中如果机器学习模型(f)是分类模型，则代理模型(g)是决策树模型、广义线性规则模型、逻辑回归、广义加性模型之一，或者如果机器学习模型(f)是回归模型，则代理模型(g)是回归树模型、广义线性规则模型、线性回归、广义加性模型(gam)之一...
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。