VIRTUELLES TRAININGSVERFAHREN FÜR EIN NEURONALES NETZ ZUR ANSTEUERUNG EINER TECHNISCHEN VORRICHTUNG

    公开(公告)号:EP4439384A1

    公开(公告)日:2024-10-02

    申请号:EP24159401.9

    申请日:2024-02-23

    申请人: dSPACE GmbH

    IPC分类号: G06N3/008 G06N3/092 G06N3/096

    CPC分类号: G06N3/092 G06N3/008 G06N3/096

    摘要: Ein Verfahren zu Training eines neuronalen Netzes zur Ansteuerung einer technischen Vorrichtung in einer virtuellen Trainingsumgebung. Das Verfahren umfasst eine Einrichtung einer ersten Datenverbindung zwischen dem neuronalen Netz und einer ersten Simulation der technischen Vorrichtung und ein anschließendes Training des neuronalen Netzes durch Ansteuerung der ersten Simulation. Nach Erreichung eines ersten Trainingsziels wird die erste Datenverbindung getrennt und eine zweite Datenverbindung zwischen dem neuronalen Netz und einer zweiten Simulation der technischen Vorrichtung eingerichtet, um das neuronale Netz durch Ansteuerung der zweiten Simulation zu trainieren. Die zweite Simulation ist realistischer ausgestaltet als die erste Simulation und erfordert durch ihren höheren Realismus mehr mathematische Operationen für einen Simulationsdurchlauf.

    DETERMINING WHETHER A GIVEN INPUT RECORD OF MEASUREMENT DATA IS COVERED BY THE TRAINING OF A TRAINED MACHINE LEARNING MODEL

    公开(公告)号:EP4428762A1

    公开(公告)日:2024-09-11

    申请号:EP23160419.0

    申请日:2023-03-07

    申请人: Robert Bosch GmbH

    IPC分类号: G06N3/096 G06N7/01

    摘要: A method (100) for detecting whether a given input record (2) of measurement data that is inputted to a trained machine learning model (1) is in the domain and/or distribution (2a#) of training examples (2a) with which the machine learning model (1) was trained, comprising the steps of:
    • determining (110), from each training example (2a), a training style (4a) that characterizes the domain and/or distribution (2a#) to which the training example (2a) belongs;
    • determining (120), from the given input record (2) of measurement data, a test style (4) that characterizes the domain and/or distribution to which the given record (2) of measurement data belongs;
    • evaluating (130), based on the training styles (4a) and the test style (4), to which extent (5) the test style (4) is a member of the distribution (4a#) of the training styles (4a); and
    • based at least in part on the outcome (5) of this evaluation, determining (140) whether the given (2) record of measurement data is in the domain and/or distribution (2a#) of the training examples (2a).