【技术实现步骤摘要】
本揭示内容是有关于一种机器学习技术，特别是关于一种机器学习方法。
技术介绍
1、在训练模型时，对于不利情境(adverse scenario)下的物件，模型倾向作出过于自信的判断，即，模型容易将非特定类别的物件分类至特定类别，以产生伪阳性的判断，或是漏掉特定物件，以产生伪阴性的判断。此外，在融合不同感测器的物件数据时，有些感测器受到不利情境的影响较高，处理器却平等考虑所有的物件数据，使得模型表现不佳。因此，要如何克服上述缺点为本领域重要的课题。
技术实现思路
1、本专利技术实施例包含一种机器学习方法。机器学习方法包括：通过第一侦测器处理第一感测数据，以产生第一物件数据；通过第一侦测器产生第一物件数据的第一不确定性分数；通过不同于第一侦测器的第二侦测器处理第二感测数据，以产生第二物件数据；通过第二侦测器产生第二物件数据的第二不确定性分数；通过模型，依据第一不确定性分数及第二不确定性分数产生对应第一侦测器的第一权重数据及对应第二侦测器的第二权重数据；至少依据第一权重数据及第二权重数据产生预测数...
【技术保护点】
1.一种机器学习方法，其特征在于，包括：
2.根据权利要求1所述的机器学习方法，其中产生该预测数据包括：
3.根据权利要求1所述的机器学习方法，其中产生该第一权重数据及该第二权重数据包括：
4.根据权利要求3所述的机器学习方法，其中该第一侦测器及该第二侦测器分别对应第一感测器及第二感测器，
5.根据权利要求4所述的机器学习方法，其中，还包括：
6.根据权利要求5所述的机器学习方法，其中产生该第一权重数据及该第二权重数据包括：
7.根据权利要求6所述的机器学习方法，其中该第一侦测器、该第二侦测器及该...
【技术特征摘要】
1.一种机器学习方法，其特征在于，包括：
2.根据权利要求1所述的机器学习方法，其中产生该预测数据包括：
3.根据权利要求1所述的机器学习方法，其中产生该第一权重数据及该第二权重数据包括：
4.根据权利要求3所述的机器学习方法，其中该第一侦测器及该第二侦测器分别对应第一感测器及第二感测器，
5.根据权利要求4所述的机器学习方法，其中，还包括：
6.根据权利要求5所述的机器学习方法，其中产生该第一权重数据及该第...
【专利技术属性】
技术研发人员：楼旸，徐倩，汪建平，栗永徽，詹念怡，林沂蓉，林彦承，
申请(专利权)人：鸿海精密工业股份有限公司，
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。