【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
技术实现思路
【技术保护点】
1.用于自动量化由用于所测量的传感器数据或图像数据的经训练的回归模型提供的预测的不确定性的计算机实现的方法，所述经训练的回归模型被建立以控制、监视或分析机器、交通或医疗保健系统中的图像，所述方法包括：
2.根据权利要求1的方法，其中生成不确定性层包括如下步骤：
3.根据权利要求2的方法，其中根据普通最小二乘模型，将潜在表示与经验方差相组合。
4.根据权利要求2的方法，其中所述潜在表示与经验方差相组合，作为具有在潜在表示上定义的线性核的高斯过程模型。
5.根据前述权利要求中任一项的方法，其中所述训练数据(Xraw)是训练数据(X*)的子集，包括比用于训练回归模型(f)的整个训练数据集更少的训练数据。
6.根据权利要求5的方法，其中训练数据(X*)的子集包括训练数据(Xraw)的均匀分布的随机样本。
7.根据前述权利要求1-5中任一项的方法，其中训练数据(X*)的子集包括表示从在整个训练数据集(Xraw)上的聚类分析中产生的聚类的聚类中心的数据样本。
8.根据前述权利要求中任一项的方法，其中预测的不确
9.根据前述权利要求中任一项的方法，其中所述不确定性层(UL)包括不确定性核心元素(CE)，所述不确定性核心元素(CE)是在生成不确定性层(UL)期间取决于训练数据(X*)的子集来计算的，并且其中在输出针对所测量的传感器数据或图像数据的预测的不确定性值期间，所计算的不确定性核心元素(CE)被重新使用。
10.根据前述权利要求中任一项的方法，其中所述经训练的回归模型被应用于制造过程中或自主驾驶中或医疗保健支持中的状况监视或质量控制或图像识别。
11.一种直接可加载到数字计算机的内部存储器中的计算机程序产品，包括当所述产品在所述数字计算机上运行时用于执行权利要求1-10中任一项所述的步骤的软件代码部分。
12.用于自动量化由用于所测量的传感器数据或图像数据的经训练的回归模型提供的预测的不确定性的辅助装置，所述经训练的回归模型被建立以控制、监视或分析机器、交通或医疗保健系统中的图像，所述辅助装置包括至少一个处理器，所述至少一个处理器被配置为执行如下步骤：
13.根据权利要求12的辅助装置，其中所述辅助装置被安装和/或部署在提供所测量的传感器数据或图像数据的传感器被部署于其的设备或系统上，或者云上，或者边缘设备上。
14.不确定性建模装置，包括至少一个处理器，所述至少一个处理器被配置为执行如下步骤：
15.根据权利要求14的不确定性建模装置，其中所述不确定性层由所述至少一个处理器通过执行如下步骤来生成：
...【技术特征摘要】
【国外来华专利技术】
1.用于自动量化由用于所测量的传感器数据或图像数据的经训练的回归模型提供的预测的不确定性的计算机实现的方法，所述经训练的回归模型被建立以控制、监视或分析机器、交通或医疗保健系统中的图像，所述方法包括：
2.根据权利要求1的方法，其中生成不确定性层包括如下步骤：
3.根据权利要求2的方法，其中根据普通最小二乘模型，将潜在表示与经验方差相组合。
4.根据权利要求2的方法，其中所述潜在表示与经验方差相组合，作为具有在潜在表示上定义的线性核的高斯过程模型。
5.根据前述权利要求中任一项的方法，其中所述训练数据(xraw)是训练数据(x*)的子集，包括比用于训练回归模型(f)的整个训练数据集更少的训练数据。
6.根据权利要求5的方法，其中训练数据(x*)的子集包括训练数据(xraw)的均匀分布的随机样本。
7.根据前述权利要求1-5中任一项的方法，其中训练数据(x*)的子集包括表示从在整个训练数据集(xraw)上的聚类分析中产生的聚类的聚类中心的数据样本。
8.根据前述权利要求中任一项的方法，其中预测的不确定性值(var(y))是预测(y)的方差。
9.根据前述权利要求中任一项的方法，其中所述不确定性层(ul)包括不确定性核心元素(ce)，所述不确定性核心元素(ce...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。