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。

公开(公告)号：CN112990248A

公开(公告)日：2021-06-18

申请号：CN202011379943.1

申请日：2020-12-01

Applicant: 罗伯特·博世有限公司 ,  卡内基梅隆大学

Inventor： R·法托尼 ,  F·施密特 ,  J·Z·科尔特

IPC: G06K9/62

Abstract: 本发明涉及用于训练分类器的装置和方法。一种用于训练分类器（60）、具体地二元分类器的计算机实施的方法，该分类器用于根据不可分解的度量对输入信号（）进行分类以优化性能，该不可分解的度量衡量对应于一组训练数据的输入信号（）的类别（）和从所述分类器获得的所述输入信号的对应预测类别（）之间的对齐，所述方法包括以下步骤：‑提供加权因子，这些加权因子表征所述不可分解的度量如何依据来自所述类别（）和所述预测类别（）的混淆矩阵的多个项；‑依据提供的所述加权因子来训练所述分类器（60）。