[发明专利]用于监测机器学习模型的方法和装置

权利要求书

1.一种用于确定第一控制模型(10)的质量度量(qm)以监测或控制工业过程(50)的方法，

其中所述第一控制模型(10)是人工神经网络ANN，包括第一输入(11)、第一输入层(12)、多个第一隐藏层(14)、第一输出层(18)、以及第一输出(19)，所述方法包括以下所述步骤：

借助于第一输入数据集(31)作为第一输入(11)来训练所述第一控制模型(10)，产生经训练的第一控制模型(10T)；

将所述经训练的第一控制模型(10T)复制到第二控制模型(20)，

其中所述第二控制模型(20)包括第二输入(21)、第二输入层(22)、多个第二隐藏层(24)、第二输出层(28)、以及第二输出(29)，所述第二输出(29)被配置为输出所述第一控制模型(10)的所述质量度量(qm)，

其中，在复制之后，所述第二输入层(22)与所述第一输入层(12)相同，所述多个第二隐藏层(24)与所述多个第一隐藏层(14)相同，并且所述第一输出层(18)被所述第二输出层(28)替代；

冻结所述多个第二隐藏层(24)的至少部分；

借助于所述第一输入数据集(31)作为第二输入(21)来训练所述第二控制模型(20)，产生经训练的第二控制模型(20T)；以及

借助于第二输入数据集(32)作为第二输入(21)来运行所述经训练的第二控制模型(20T)，其中所述第二输出(29)输出所述第一控制模型(10)的所述质量度量(qm)。

2.根据权利要求1所述的方法，

其中所述最后一个步骤被周期性地和/或应要求重复。

3.根据权利要求1或2所述的方法，还包括以下所述步骤：

将所述质量度量(qm)与预定义度量进行比较；以及

如果所述质量度量(qm)在所述预定义度量外，则执行预定义动作。

4.根据权利要求3所述的方法，

其中所述预定义动作包括以下至少一项：

输出警报，和/或

重新训练所述第一控制模型(10)。

5.根据权利要求4所述的方法，其中重新训练所述第一控制模型(10)包括以下所述步骤：

解冻所述经训练的第二控制模型(20T)的所述隐藏层(24)；

借助于第三输入数据集(33)作为第二输入(21)来训练所述第二控制模型(20)，其中所述第三输入数据集(33)是选自多个第二输入数据集(32)的历史数据集，其中所述第二输出(29)输出所述质量度量(qm)；

冻结所述第二控制模型(20)的所述隐藏层(24)；

将所述质量度量(qm)与预定义度量进行比较；以及

如果所述质量度量(qm)在所述预定义度量内，则借助于所述第三输入数据集(33)作为第一输入(11)来训练所述第一控制模型(10)，产生校正后的经训练的第一控制模型(10T2)。

6.根据权利要求5所述的方法，还包括以下所述步骤：

如果所述质量度量(qm)在所述预定义度量外，则重复解冻、训练、冻结、以及比较的所述步骤。

7.根据前述权利要求中任一项所述的方法，

其中训练和/或重新训练所述第一控制模型(10)和/或所述第二控制模型(20)包括：进行预测和/或使用预测。

8.一种包括指令的计算机程序产品，当所述程序由计算机和/或人工神经网络ANN执行时，所述指令使所述计算机和/或所述ANN执行根据权利要求1至7中任一项的所述方法。

9.一种计算机可读存储介质，其中根据权利要求8所述的计算机程序被存储在所述计算机可读存储介质上。

10.一种第一控制模型(10)和/或第二控制模型(20)，被配置用于执行权利要求1至7中任一项。

11.根据权利要求1至7或10中任一项所述的第一控制模型(10)用于监测和/或控制工业过程(50)的用途。