【技术实现步骤摘要】
本专利技术涉及使用神经网络评估测量数据，例如图像数据。
技术介绍
1、对于车辆或机器人在交通中的自动驾驶而言至关重要的是，车辆或机器人恰当地语义检测相应的交通状况并对这种情况执行适当的响应。为此目的，使用一个或多个传感器持续监控车辆或机器人的环境。所记录的传感器数据通常使用神经网络而得以评估，因为它们能够泛化到训练中未见过的状况。借此于是也仿效出人类驾驶员例如在冬季驾驶车辆的能力，即使驾驶训练中的所有的驾驶课时都是在夏季进行的。
2、泛化能力与如下事实有关：新测量数据至少属于与用于训练神经网络的训练数据所属的相同域或分布。
技术实现思路
1、本专利技术提供了一种用于使得用于处理测量数据的神经网络fθ适配于测量数据的新记录xt的方法，其中该神经网络已基于源域和/或源分布的训练示例而得以训练并且该神经网络的行为是由参数向量θ表征的。
2、在此情况下，术语“记录(record)”表示相关联数据的数据集，相当于卡片箱(karteikasten)中索引卡(karteikart...
【技术保护点】
1.用于使得用于处理测量数据的神经网络fθ适配于测量数据的新记录xt的方法(100)，其中所述神经网络是基于源域和/或源分布的训练示例而得以训练的并且所述神经网络的行为是由参数向量θ表征的，其中所述方法具有步骤：
2.根据权利要求1所述的方法(100)，其中所述候选表示δC在工作空间Ψ中迭代地鉴于在被转换为候选参数向量θc之后由所述质量函数提供的值的改进方面被优化(121)。
3.根据权利要求2所述的方法(100)，其中所述候选表示δC在每次迭代时在根据所述候选表示δC的质量函数的梯度方向上被改变(121a)。
4.根据权利要求1至...
【技术特征摘要】
1.用于使得用于处理测量数据的神经网络fθ适配于测量数据的新记录xt的方法(100)，其中所述神经网络是基于源域和/或源分布的训练示例而得以训练的并且所述神经网络的行为是由参数向量θ表征的，其中所述方法具有步骤：
2.根据权利要求1所述的方法(100)，其中所述候选表示δc在工作空间ψ中迭代地鉴于在被转换为候选参数向量θc之后由所述质量函数提供的值的改进方面被优化(121)。
3.根据权利要求2所述的方法(100)，其中所述候选表示δc在每次迭代时在根据所述候选表示δc的质量函数的梯度方向上被改变(121a)。
4.根据权利要求1至3中任一项所述的方法(100)，其中将所述候选表示δc转换成候选参数向量θc包含：将所述原始参数向量θ添加到(131)所述映射h的结果h(δc)。
5.根据权利要求1至4中任一项所述的方法(100)，其中选择(111)具有矩阵w和向量b的线性映射h(δc)＝wδc+b。
6.根据权利要求1至4中任一项所述的方法(100)，其中选择(112)多层感知器作为映射h。
7.根据权利要求1至6中任一项所述的方法(100)，其中
8.根据权利要求1至7中任一项所述的方法(100)，其中根据所述神经网络f的原始训练...
【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。