用于对第一经训练机器学习模型的至少一个模型输出进行校正的计算机实现方法技术

本发明专利技术涉及一种用于对第一经训练机器学习模型的至少一个模型输出进行校正的计算机实现方法，包括下述步骤：a.提供所述第一经训练机器学习模型的所述至少一个模型输出；其中所述第一经训练机器学习模型被配置用于确定所述至少一个模型输出，所述至少一个模型输出包括用于对技术单元或所述技术单元的部件进行控制的至少一个控制参数或至少一个运动参数；b.使用至少一个接受测试来验证所述至少一个模型输出，从而导致与所述至少一个模型输出的未通过或通过有关的至少一个测试裁决；其中所述至少一个测试裁决包括与所述至少一个模型输出是已经通过还是未通过所述至少一个接受测试有关的至少一个指示以及与所述至少一个模型输出从至少一个期望输出的偏差有关的至少一个指示；c.如果所述第一经训练机器学习模型未通过所述至少一个接受测试，则使用第二经训练机器学习模型基于所述至少一个测试裁决和所述至少一个模型输出来确定至少一个校正参数；d.通过在所述第一经训练机器学习模型的所述至少一个模型输出上应用所述至少一个校正参数，来调整所述至少一个模型输出；以及e.提供至少一个经调整的输出作为至少一个经校正的模型输出。进一步地，本发明专利技术涉及计算机程序产品、技术系统和校正模块。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术涉及用于对第一经训练机器学习模型的至少一个模型输出进行校正的计算机实现方法。进一步地，本专利技术涉及对应的计算机程序产品、对应的技术系统和校正模块。

技术介绍

1、人工智能(“ai”)系统(诸如，机器学习模型)是从现有技术已知的。ai系统是下述软件程序：其行为是从数据学习的，而不是被显式编程的。学习过程被称为“训练”，其要求充足的数据和显著的计算资源。从而，经训练的ai系统解决它针对其而被训练的具体任务，诸如，系统属性或异常的预测。不同于传统软件，ai系统的所学习的行为高度依赖于包括在训练期间使用的参数的数据，即，训练数据。

2、例如，自适应单纯形架构(“asa”)使用监督学习模型以实时计算例如机器人运动规划。神经单纯形架构(“nsa”)使用强化学习模型以计算例如针对自主交通工具的控制参数。

3、当训练数据是在其上稍后将在现场应用ai系统的数据的代表性样本时，ai系统的性能将是高的。然而，在真实世界场景中，普遍遇到域漂移或域偏移。域漂移意味着分布在训练和测试或应用数据之间偏移。普遍的是，经训练的ai系统在训练之后表现好，并本文档来自技高网...

【技术保护点】

1.用于对第一经训练机器学习模型的至少一个模型输出进行校正的计算机实现方法，包括下述步骤：

2.根据权利要求1所述的计算机实现方法，进一步包括下述步骤中的至少一个：由控制器执行所述至少一个经校正的模型输出，以用于对所述技术单元或所述技术单元的部件进行控制；其中所述控制器优选地是高性能控制器；以及

3.根据权利要求1或权利要求2所述的计算机实现方法，其中所述至少一个控制参数或所述至少一个运动参数是从包括下述各项的组中选择的参数：控制律、控制动作和控制规划。

4.根据前述权利要求中任一项所述的计算机实现方法，其中所述验证是在所述至少一个模型输出被释放或转发...

【技术特征摘要】
【国外来华专利技术】

1.用于对第一经训练机器学习模型的至少一个模型输出进行校正的计算机实现方法，包括下述步骤：

2.根据权利要求1所述的计算机实现方法，进一步包括下述步骤中的至少一个：由控制器执行所述至少一个经校正的模型输出，以用于对所述技术单元或所述技术单元的部件进行控制；其中所述控制器优选地是高性能控制器；以及

3.根据权利要求1或权利要求2所述的计算机实现方法，其中所述至少一个控制参数或所述至少一个运动参数是从包括下述各项的组中选择的参数：控制律、控制动作和控制规划。

4.根据前述权利要求中任一项所述的计算机实现方法，其中所述验证是在所述至少一个模型输出被释放或转发以用于执行之前执行的。

5.根据前述权利要求中任一项所述的计算机实现方法，其中在所述技术单元或所述技术单元的部件的情境中，所述至少一个模型输出由碰撞避免路径、任何其他路径或轨迹的至少一个参数表示。

6.根据权利要求5所述的计算机实现方法，其中所述至少一...

【专利技术属性】
技术研发人员：J·弗洛里希，T·约内斯库，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：