[发明专利]用于训练人工神经网络的方法、人工神经网络和相应计算机程序

权利要求书

1.一种用于训练人工神经网络(60)的方法(900)，所述人工神经网络尤其是贝叶斯神经网络，所述方法用于借助训练数据组(D)来控制技术系统(40)，所述方法具有根据损失函数(I)来匹配所述人工神经网络的参数的步骤(901)，其中，所述损失函数(I)包括第一项，所述第一项表示对所述训练数据组(D)的通过所述人工神经网络(60)的分类与所述训练数据组(D)的期望分类(y)之间的距离的下边界(ELBO)的估计，其特征在于，所述损失函数(I)包括第二项，所述第二项构型成使得通过所述人工神经网络(60)的不同样本(t)来调节所述训练数据组(D)中的偶然不确定性的差异。

2.根据权利要求1所述的方法(900)，其中，所述第一项表示所述下边界(ELBO)，尤其其中，所述第一项包括规则化部分和负对数标准似然函数。

3.根据权利要求1或2所述的方法(900)，其中，所述第二项表示所述训练数据组(D)的方差确定与所述训练数据组(D)的在所述贝叶斯神经网络(60)的所有样本上的平均方差确定之间的平方距离。

4.根据权利要求3所述的方法(900)，其中，所述第二项包括超参数(α)。

5.根据以上权利要求中任一项所述的方法(900)，其中，借助所述损失函数(I)根据以下规则来估计所述下边界(ELBO)：

其中，θ是权重w^(t)的概率分布的参数，w^(t)是样本t的权重，D是训练数据，T是样本的总数，q是变化后验、尤其是所述权重(w^(t))的近似后验概率。

6.一种计算机程序，所述计算机程序设置用于实施根据权利要求1至5中任一项所述的方法(900)的所有步骤。

7.一种机器可读的存储介质，在所述存储介质上存储有根据权利要求6所述的计算机程序。

8.一种人工神经网络(60)，所述人工神经网络尤其是贝叶斯神经网络，所述人工神经网络借助根据权利要求1至5中任一项所述的方法(900)所训练。

9.一种根据权利要求8所述的人工神经网络(60)的应用，所述人工神经网络尤其是贝叶斯神经网络，所述人工神经网络用于控制技术系统、尤其机器人、车辆、工具或工具机(11)。

10.一种计算机程序，所述计算机程序设置用于实施根据权利要求8所述的人工神经网络(60)的根据权利要求9所述的应用的所有步骤，所述人工神经网络用于控制技术系统。

11.一种机器可读的存储介质，在所述存储介质上存储有根据权利要求10所述的计算机程序。

12.一种用于控制技术系统的设备，所述设备设置用于按照权利要求9来使用根据权利要求8所述的人工神经网络(60)。