Die Erfindung betrifft ein Verfahren, insbesondere computer-implementiertes Verfahren zur Kalibrierung von zumindest einer Unsicherheit (σ) eines neuronalen Netzes (NN) zur Durchführung einer Regression, welches neuronale Netz (NN) dazu ausgestaltet ist, in Abhängigkeit von Eingangsdaten eine Aussage (μ) und eine der Aussage zugeordnete Unsicherheit (σ) auszugeben, ein Computerprogramm und ein Computerprogrammprodukt. Das Verfahren umfasst die Verfahrensschritte: - Bereitstellen von Kalibrierdaten (Ikal) für das neuronale Netz (NN), - Bereitstellen einer Indikation (Ind) bezüglich der Unsicherheit (σ) für alle Kalibrierdaten (Ikal), - Erzeugen einer Aussage und zugehörigen Unsicherheit für alle Kalibrierdaten durch Verarbeitung der Kalibrierdaten mittels des neuronalen Netzes (NN) in Übereinstimmung mit Parametern für das neuronale Netz (NN), - Vergleichen der erzeugten Unsicherheit (σ) mit einer Abweichung der erzeugten Aussage von der Indikation (Ind) unter Verwendung von zumindest einer Fehlerfunktion (Error) in Form einer Distanzmetrik, wobei für die Fehlerfunktion (Error) eine Skalierung (s) berücksichtigt wird, und - Optimieren der Skalierung (s) auf Grundlage des Vergleichs.
The invention relates to: a method, in particular a computer-implemented method, for calibrating at least one uncertainty (σ) of a neural network (NN) for performing a regression, which neural network (NN) is designed to output, depending on input data, a statement (μ) and an uncertainty (σ) associated with the statement; a computer program; and a computer program product. The method comprises the following method steps: - providing calibration data (Ikal) for the neural network (NN), - providing an indication (Ind) regarding the uncertainty (σ) for all calibration data (Ikal), - generating a statement and associated uncertainty for all calibration data by processing the calibration data by means of the neural network (NN) in accordance with parameters for the neural network (NN), - comparing the generated uncertainty (σ) with a deviation of the generated statement from the indication (Ind) using at least one error function (Error) in the form of a distance metric, a scaling (s) being taken into account for the error function (Error), and - optimising the scaling (s) on the basis of the comparison.
L'invention concerne : un procédé, en particulier un procédé mis en œuvre par ordinateur, pour étalonner au moins une incertitude (σ) d'un réseau neuronal (NN) pour effectuer une régression, lequel réseau neuronal (NN) est conçu pour délivrer, en fonction de données d'entrée, une instruction (μ) et une incertitude (σ) associée à l'instruction ; un programme informatique ; et un produit programme informatique. Le procédé comprend les étapes qui consistent à : - fournir des données d'étalonnage (Ikal) pour le réseau neuronal (NN), - fournir une indication (Ind) concernant l'incertitude (σ) pour toutes les données d'étalonnage (Ikal) , - générer une instruction et une incertitude associée pour toutes les données d'étalonnage par traitement des données d'étalonnage au moyen du réseau neuronal (NN) conformément à des paramètres pour le réseau neuronal (NN), - comparer l'incertitude générée (σ) avec un écart de l'instruction générée à partir de l'indication (Ind) à l'aide d'au moins une fonction d'erreur (Error) sous la forme d'une métrique de distance, une mise à l'échelle étant prise en compte pour la fonction d'erreur (Error), et - optimiser la mise à l'échelle sur la base de la comparaison.
KALIBRIERUNG VON UNSICHERHEITEN VON NEURONALEN NETZEN
CALIBRATING UNCERTAINTIES OF NEURAL NETWORKS
ÉTALONNAGE D'INCERTITUDES DE RÉSEAUX NEURONAUX
2024-10-03
Patent
Electronic Resource
German
IPC: | G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion |
Kalibrierung von Neuronalen Netzen für Detektionsmodelle
British Library Conference Proceedings | 2022
|Automatische Schiffsidentifikation mit Neuronalen Netzen
SLUB | 1996
|Modernes Motormanagement mit neuronalen Netzen
TIBKAT | 1998
|Wertorientiertes Risikocontrolling mit Künstlichen Neuronalen Netzen
IuD Bahn | 2003
|Regelung von Haertungsoefen mit Neuronalen Netzen
British Library Conference Proceedings | 1995
|