[发明专利]用来训练和评估用于分类应用的评估模型的方法和装置

说明书

用来训练和评估用于分类应用的评估模型的方法和装置。本发明涉及一种用于利用周期性确定的输入数据集来评估经过训练的基于数据的评估模型以确定用于控制或监控技术系统的模型输出的方法，该方法具有如下步骤：‑针对预先给定的数目的时间上连续的采样步长来采集输入数据集；‑将这些输入数据集组合成经过验证的输入数据集的输入数据包；‑借助于基于数据的评估模型来确定针对该输入数据包中的输入数据集中的每个输入数据集的评估结果，其中在每次评估时使该评估模型的一个或多个模型参数在数值上减小或者设置到0；‑将各个评估结果聚合，以便获得模型输出。

技术领域

本发明涉及一种用来提供用于对来自传感器系统中的输入数据进行分类的评估模型的方法以及尤其是用于鲁棒地确定分类结果和对此的置信度值的措施。

背景技术

用于采集物理量的传感器通常被连续扫描。这样，例如可以借助于适合的传感器来采集压力、质量流量、加速度、温度、振动、摄像机图像、音频信息等等。接着，通过传感器或传感器系统，通常对于每个采样步长都提供传感器值、传感器信号时间序列或图像信息，作为电或数字化信号。这些传感器数据通常形成用于在评估模型中进一步处理的输入数据集。

为了评估，可以分析和评估这种输入数据集。尤其是，评估模型可以基于数据地被构造成回归模型或者分类模型，使得输入数据集被分配给至少一个回归结果或者至少一个分类结果。

发明内容

按照本发明，提供了一种按照权利要求1所述的用于借助于基于数据的评估模型来评估传感器信号数据以确定分类结果的方法以及一种相对应的按照并列独立权利要求所述的装置。

其它的设计方案在从属权利要求中说明。

按照第一方面，提供了一种用于利用周期性确定的输入数据集来评估所提供的经过训练的基于数据的评估模型以确定用于控制或监控技术系统的模型输出的方法，该方法具有如下步骤：

-针对预先给定的数目的时间上连续的采样步长来采集输入数据集；

-将这些输入数据集组合成经过验证的输入数据集的输入数据包；

-借助于基于数据的评估模型来确定针对该输入数据包中的输入数据集中的每个输入数据集的评估结果，其中在每次评估时使该评估模型的一个或多个模型参数在数值上减小或者设置到0；

-将各个评估结果聚合，以便获得模型输出。

可以规定：基于数据的评估模型包括具有一层或多层人工神经元的人工神经网络，其中模型参数针对这些神经元中的每个神经元都包括权重向量的权重以及偏置值。

此外，输入数据集可包括一个或多个传感器信号，尤其是以一个或多个状态参量、一个或多个传感器信号时间序列和/或一个或多个图像数据为形式。

如果所要评估的输入数据集处在用于该训练的训练数据集的数据点内，则基于数据的评估模型、尤其是神经网络的模型输出通常具有高可靠性。在输入数据集处在训练数据的数据空间之外的情况下，模型预测的置信度只能通过神经网络在高度不确定的情况下来被评价。然而，对于安全关键的应用来说，需要以经改进的方式提供基于数据的评估模型的模型输出的具有高可靠性的置信度值。

原则上，存在将置信度值分配给基于数据的评估模型的模型输出的各种可能性。然而，此类方法通常不适用于计算时间预算有限的应用领域，如通常在嵌入式系统、诸如移动设备、IoT设备或移动技术系统的控制设备中就是这种情况。尤其是在分类模型作为评估模型的情况下，借助于集成对置信度或不确定性量度的确定是复杂的而且对Softmax置信度的计算太不可靠并且不准确。