对任务神经网络的输出的不确定性的快速估计制造技术

一种用于训练测量网络的方法，该测量网络确定已经经过训练的任务网络在将测量数据记录处理成关于指定任务的输出时的不确定性，该方法具有如下步骤：将来自训练数据集中的测量数据的每个训练记录输送给确定性任务网络的多个变体，或者多次输送给概率任务网络，并且这样映射到多个输出；将相应的训练记录输送给测量网络并且映射到所述多个输出的分布的预测，其中，该测量网络的处理链包括任务网络的处理链的一部分；利用指定的成本函数，评价该分布的该预测与所述多个输出的一致程度；而且·对表征该测量网络的不属于该任务网络的处理链的那个部分的行为的网络参数进行优化，目的在于：在进一步处理训练记录时，改进通过成本函数进行的该评价。

【技术实现步骤摘要】

本专利技术涉及对神经网络的运行的监控，这些神经网络将所输入的测量数据记录处理成关于指定输出的输出。

技术介绍

1、为了评估测量数据、诸如来自至少部分自动化驾驶的车辆的环境中的图像或雷达数据，通常使用神经网络。类似于人类驾驶员，这些网络可以利用有限数量的场景来被训练，并且接着泛化到在训练中未见过的大量场景。这些网络将所输入的测量数据映射到关于指定任务(task)的输出，并且因而也称为任务网络。

2、尤其是对于安全关键型应用，可能重要的是：也检测由任务网络提供的输出的不确定性。这类似于：在确定物理量时，经常执行详细的误差计算，该误差计算基于可直接测量的参量的测量不确定性来确定从中导出的所寻求的参量的可能误差。

技术实现思路

1、本专利技术提供了一种用于训练测量网络的方法，该测量网络确定已经经过训练的任务网络在将测量数据记录处理成关于指定任务的输出时的不确定性。

2、该方法使用来自训练数据集中的测量数据的训练记录。在该上下文中，术语“记录”和“数据集”按照机器学习领域的一般语言用法来使用。记本文档来自技高网...

【技术保护点】

1.一种用于训练测量网络(2)的方法(100)，所述测量网络确定已经经过训练的任务网络(1)在将测量数据记录(3)处理成关于指定任务的输出(4)时的不确定性，所述方法具有如下步骤：

2.根据权利要求1所述的方法(100)，其中

3.根据权利要求2所述的方法(100)，其中，所述测量网络(2)包括多个子网络(21-23)，所述子网络处理(122a)不同特征图(11-16)或者特征图(11-16)的不同汇编。

4.根据权利要求1至3中任一项所述的方法(100)，其中

5.根据权利要求1至4中任一项所述的方法(100)，其中，通过停用对所述任务网...

【技术特征摘要】

1.一种用于训练测量网络(2)的方法(100)，所述测量网络确定已经经过训练的任务网络(1)在将测量数据记录(3)处理成关于指定任务的输出(4)时的不确定性，所述方法具有如下步骤：

2.根据权利要求1所述的方法(100)，其中

3.根据权利要求2所述的方法(100)，其中，所述测量网络(2)包括多个子网络(21-23)，所述子网络处理(122a)不同特征图(11-16)或者特征图(11-16)的不同汇编。

4.根据权利要求1至3中任一项所述的方法(100)，其中

5.根据权利要求1至4中任一项所述的方法(100)，其中，通过停用对所述任务网络(1)的神经元或其它处理单元的随机抽取选择，生成(113)所述任务网络(1)的所述变体(1')。

6.根据权利要求1至5中任一项所述的方法(100)，其中

7.根据权利要求6所述的方法(100)，其中，选择(123a)狄利克雷分布作为分布函数(4#)。

8.根据权利要求1至7中任一项所述的方法(100)，其中

9.根据权利要求8所述的方法(100)，其中，根据通过所述测量网络(2*)所预测的分布(5)的至少一个分布参数和/或至少一个统计特征参量，确定(161)所述不确定性(6)。

10.根据权利要求8...

【专利技术属性】
技术研发人员：L·高尔霍夫，B·朱，C·朔恩，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：