申请/专利权人：罗伯特·博世有限公司

申请日：2020-07-17

公开（公告）日：2021-01-19

公开（公告）号：CN112241784A

主分类号：G06N3/04(20060101)

分类号：G06N3/04(20060101);G06N3/08(20060101);B60R16/02(20060101);G05D1/02(20200101)

优先权：["20190719 EP 19187339.7"]

专利状态码：在审-实质审查的生效

法律状态：2022.08.05#实质审查的生效;2021.01.19#公开

摘要：公开了一种用于训练生成模型和判别模型的系统（100）。生成模型通过从潜在特征向量生成中间表示并从中间表示生成合成实例来从潜在特征向量生成合成实例。判别模型确定用于输入实例的多个部分的多个判别器得分，其指示部分是来自合成实例还是实际实例。通过反向传播来训练生成模型。在反向传播期间，基于用于合成实例的部分的判别器得分来更新损失相对于中间表示的条目的偏导数，其中至少部分基于中间表示的条目来生成合成实例的部分，并且其中如果判别器得分指示实际实例，则偏导数的值减小。

主权项：1.一种用于训练生成模型和判别模型的系统（100），其中，所述生成模型被配置为从潜在特征向量生成合成实例，并且所述判别模型被配置为确定用于输入实例的多个部分的多个判别器得分，用于所述输入实例的部分的判别器得分指示所述部分是来自合成实例还是实际实例，所述系统包括：-数据接口（120），用于访问一组实际实例（030）以及所述生成模型的参数（041）和所述判别模型的参数（042）；以及-处理器（140），被配置为通过重复地训练所述判别模型以减少在所述实际实例与由所述生成模型生成的合成实例之间的区分的第一损失并且训练所述生成模型以减少生成所述判别模型指示为实际实例的合成实例的第二损失来学习所述生成模型和所述判别模型的参数，其中：-所述生成模型被配置为通过从所述潜在特征向量生成中间表示并且从所述中间表示生成合成实例来从所述潜在特征向量生成合成实例；以及-所述处理器子系统（140）被配置为通过反向传播从潜在特征向量生成的合成实例的所述第二损失来训练所述生成模型，其通过：-使用所述判别模型来确定用于所述合成实例的所述多个部分的多个判别器得分；-计算所述损失相对于所述中间表示的梯度，所述梯度包括所述损失相对于所述中间表示的条目的偏导数；-基于用于所述合成实例的部分的判别器得分来更新所述损失相对于所述中间表示的条目的偏导数，其中所述合成实例的所述部分至少部分基于所述中间表示的所述条目而生成，并且其中，如果所述判别器得分指示实际实例，则所述偏导数的值减小；以及-基于更新的梯度进一步反向传播所述损失。

全文数据：

权利要求：

百度查询： 罗伯特·博世有限公司 训练生成模型和判别模型

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD