[發明專利]用于創建機器學習系統的方法、設備和計算機程序在審
| 申請號： | 202010534270.6 | 申請日： | 2020-06-12 |
| 公開（公告）號： | CN112085207A | 公開（公告）日： | 2020-12-15 |
| 發明（設計）人： | F.胡特爾;A.澤拉;T.埃爾斯肯;T.布洛克斯;T.賽基亞;Y.馬拉奇 | 申請（專利權）人： | 羅伯特·博世有限公司 |
| 主分類號： | G06N20/00 | 分類號： | G06N20/00;G06N3/08 |
| 代理公司： | 中國專利代理(香港)有限公司 72001 | 代理人： | 姬亞東;申屠偉進 |
| 地址： | 德國斯*** | 國省代碼： | 暫無信息 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 用于 創建 機器 學習 系統 方法 設備 計算機 程序 | ||
1.用于創建機器學習系統的方法，
其中第一參數集（α）表征所述機器學習系統的體系架構，并且第二參數集（w）是所述機器學習系統的參數化，所述方法包括以下步驟：
根據第一成本函數（Lval）對所述第一參數集進行迭代優化，并且根據第二成本函數（Ltrain）對所述第二參數集進行迭代優化，
其中所述第一成本函數（Lval）和所述第二成本函數（Ltrain）分別取決于所述第一參數集（α）和所述第二參數集（w）；
根據所述第一參數集（α）確定所述第一成本函數（Lval）的Hesse矩陣的特征值；
當所述特征值之一大于可預給定的閾值時，中斷所述優化。
2.根據權利要求1所述的方法，其中，當所述Hesse矩陣的最大特征值大于所述可預給定的閾值時中斷所述迭代優化。
3.根據權利要求1或2所述的方法，其中，對可預給定數量k個依次執行的最后迭代步驟、特別是優化所述第一參數集的最后迭代步驟的最大特征值確定第一平均值，
其中對可預給定數量k個在所述最后迭代步驟之前執行的迭代步驟的最大特征值確定第二平均值，
其中當所述第二平均值與所述第一平均值之比超過所述可預給定的閾值時，中斷所述優化。
4.根據權利要求3所述的方法，其中，根據分別最后5個迭代步驟的所確定的最大特征值來確定所述平均值，
其中所述閾值大于0.6。
5.根據前述權利要求中任一項所述的方法，其中，至少所述第二成本函數具有用正則化因子加權的正則化項。
6. 根據權利要求5所述的方法，其中，所述正則化項為或正則化，并且所述正則化因子對應于值之一，其中i={3;6;9;27;81}。
7.根據前述權利要求中任一項所述的方法，其中，在所述優化時根據訓練數據來確定所述成本函數，
其中至少擴充用于所述第二成本函數的訓練數據。
8.一種計算機程序，其包括指令，所述指令被設計成在計算機上執行所述指令時促使所述計算機執行根據前述權利要求中任一項所述的方法。
9.機器可讀存儲元件，其上存儲有根據權利要求8所述的計算機程序。
10.設計為執行根據前述權利要求1至7中任一項所述的方法的設備。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于羅伯特·博世有限公司，未經羅伯特·博世有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010534270.6/1.html，轉載請聲明來源鉆瓜專利網。
