[发明专利]训练对差异可预测地响应的函数

权利要求书

1.一种训练机器可学习函数的计算机实现的方法（600），机器可学习函数将输入观察映射到函数输出，机器可学习函数包括一个或多个内部层和/或输出层，所述方法包括：

-访问（610）：包括多个训练输入观察的训练数据集；和机器可学习函数的参数集合；

-通过优化目标函数来学习（620）机器可学习函数的参数集合，其中优化包括因在机器可学习函数的一层处对输入观察之间的差异集合可预测地响应而奖励机器可学习函数，所述优化借助于包括在目标函数中的正则化目标来奖励所述可预测性，所述优化包括：

-获得（622）：来自训练数据集的第一输入观察；对应的第二输入观察；和来自差异集合的差异标记，其指示第一和第二输入观察之间的差异；

-应用（624）机器可学习函数，以在机器可学习函数的所述层处分别确定第一和第二输入观察的第一和第二表示；

-评估（626）正则化目标，其中正则化目标被配置为在给定第一和第二输入观察之间的差异标记的情况下，奖励第一和第二表示之间的互统计相关性。

2.根据权利要求1所述的方法（600），其中机器可学习函数是图像分类器或图像特征提取器。

3.根据权利要求2所述的方法（600），其中，机器可学习函数是用于在整体图像分类器中使用的图像特征提取器，所述图像特征提取器在未标记的训练数据集上被训练；所述方法还包括在标记的训练数据集上训练整体图像分类器。

4.根据权利要求2或3所述的方法（600），其中目标函数包括用于多个相应层的多个相应正则化目标。

5.根据权利要求2-4中任一项所述的方法（600），其中，第一和第二输入观察是表示相同类型场景的图像，差异标记指示场景中对象的属性的差异和/或场景的观察条件的差异。

6.根据权利要求5所述的方法（600），其中第一和第二图像表示车辆周围的环境；差异标记指示以下各项的群组中的至少一个：

-天气条件的差异，

-环境中对象遮挡水平的差异，

-环境中对象位置的差异，以及

-环境中对象取向的差异。

7.根据任一前述权利要求所述的方法（600），其中机器可学习函数是卷积网络。

8.根据任一前述权利要求所述的方法（600），其中评估正则化目标包括基于第一和第二表示以及差异标记来估计条件互信息。

9.根据权利要求8所述的方法（600），其中，根据可训练的互信息估计模型来估计互信息，所述方法还包括与机器可学习函数同时训练互信息估计模型。

10.根据任一前述权利要求所述的方法（600），其中，正则化目标还被配置为抑制第一和第二表示之间不以差异标记为条件的互相关性。

11.根据任一前述权利要求所述的方法（600），包括从第一输入观察和差异标记生成第二输入观察。

12.根据任一前述权利要求所述的方法（600），包括通过将机器可学习标记函数应用于第一和第二输入观察来确定差异标记。

13.根据任一前述权利要求所述的方法（600），还包括经由传感器接口获得提供对计算机控制系统和/或其环境的观察的传感器数据；将机器可学习函数应用于观察；以及基于机器可学习函数的输出来监视和/或控制计算机控制系统。