申请/专利权人:罗伯特·博世有限公司
申请日:2020-05-28
公开(公告)日:2020-12-01
公开(公告)号:CN112016695A
主分类号:G06N20/00(20190101)
分类号:G06N20/00(20190101);G06N20/10(20190101);G06N3/08(20060101);G06N3/04(20060101);G06N5/00(20060101)
优先权:["20190529 DE 102019207911.3"]
专利状态码:在审-实质审查的生效
法律状态:2022.06.17#实质审查的生效;2020.12.01#公开
摘要:用于预测学习曲线的方法、设备和计算机程序。本发明涉及一种用于预测迭代训练方法的学习曲线的方法(30)。该方法(30)包括获得所述训练方法的超参数θ和成本函数的至少一个在前的值的步骤和借助第二机器学习系统(12)根据所述超参数θ并且根据所述学习曲线的至少一个在前的值预测学习曲线的步骤。此外,本发明涉及用于实施该方法(30)的计算机程序和设备以及一种机器可读的存储元件,在所述存储元件上存储有该计算机程序。
主权项:1.一种用于预测第一机器学习系统(10)的迭代训练方法的学习曲线(13)的方法(30),其中所述学习曲线(13)包括多个值,尤其值的顺序的时间序列,其中所述学习曲线(13)的值分别与所述迭代训练方法的迭代步骤相关联,并且所述学习曲线(13)的值分别对应于所述迭代训练方法的相应迭代步骤的成本函数的值或分别表征在实施所述迭代训练方法的相应迭代步骤之后所述第一机器学习系统(10)就训练数据而言的性能(英语performance),其中所述迭代训练方法被用于训练所述第一机器学习系统(10)并且通过超参数θ来参数化,该方法包括如下步骤:获得所述超参数θ的值和所述学习曲线(13)的至少一个值(),所述值根据所述训练方法的至少一个在前实施的迭代步骤被确定;以及借助第二机器学习系统(12)根据所述超参数θ的值并且根据所述学习曲线(13)的所述至少一个值()预测所述学习曲线(13)的尤其直接随后的值();以及根据所述学习曲线(13)的所预测的值()判定:是否保持所述迭代训练方法的超参数θ的值。
全文数据:
权利要求:
百度查询: 罗伯特·博世有限公司 用于预测学习曲线的方法、设备和计算机程序
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。