公开(公告)号：CN117591908A

公开(公告)日：2024-02-23

申请号：CN202311030056.7

申请日：2023-08-15

Applicant: 罗伯特·博世有限公司

Inventor： R·Z·A·法索尼 ,  F·J·C·孔德萨 ,  B·K·索伦 ,  F·舍恩 ,  F·郎 ,  T·阿尔贝 ,  M·库卡 ,  A·亨克

IPC: G06F18/24 ,  G06N3/0895

Abstract: 一种方法包括：接收包括多个被加标签样本的被加标签数据集，并且使用被加标签数据集来初始训练机器学习模型。所述方法还包括接收包括多个未加标签样本的未加标签数据集。所述方法还包括计算所述多个被加标签样本中的每个相应样本和所述多个未加标签样本中的每个相应样本的隐表示空间。所述方法还包括：基于所述隐表示空间来生成k‑最近邻相似性图，通过使用专家导出的相似性图扩充k‑最近邻相似性图来生成组合相似性图，以及使用组合相似性图将标签传播到所述多个未加标签样本中的每个相应样本。所述方法还包括使用被加标签数据集以及具有使用组合相似性图而被传播有标签的样本的未加标签数据集来随后训练机器学习模型。

公开(公告)号：CN117592542A

公开(公告)日：2024-02-23

申请号：CN202311036624.4

申请日：2023-08-16

Applicant: 罗伯特·博世有限公司

Inventor： A·亨克 ,  B·K·索伦 ,  F·舍恩 ,  F·C·孔德萨 ,  F·郎 ,  M·库卡 ,  R·法托尼 ,  T·阿尔贝尔

IPC: G06N3/0895 ,  G06F18/214 ,  G06F18/21 ,  G06N20/00

Abstract: 一种方法包括响应于不满足至少一个收敛标准：接收包括多个标记样本的标记数据集；接收包括多个未标记样本的未标记数据集；标识多个标记‑未标记样本对；对每个标记样本和每个对应的未标记样本应用数据扩充变换；使用机器学习模型为每至少一个标记‑未标记样本对计算潜在表示空间；使用机器学习模型为每个标记‑未标记样本对的每个未标记样本生成标记预测；基于相应的潜在表示空间和相应的标记预测，计算多个标记‑未标记样本对中的每个标记‑未标记样本对的损失函数；将优化函数应用于每个相应的损失函数；以及响应于应用优化函数，更新多个标记‑未标记样本对中的每个标记‑未标记样本对的权重值。