[发明专利]元学习演化策略黑盒优化分类器

权利要求书

1.一种用于训练元学习演化策略黑盒优化分类器的计算方法，所述方法包括：

接收元学习演化策略黑盒优化分类器的一个或多个训练函数和一个或多个初始元学习参数；

对来自所述一个或多个训练函数的所采样的目标函数以及所采样的目标函数的初始均值进行采样；

针对t = 1,…,T中的T数量的步骤，通过在使用所述初始均值的所采样的目标函数上运行元学习演化策略黑盒优化分类器来计算T数量的均值的集合；

从所述T数量的均值的集合中计算损失函数；以及

响应于损失函数的特性，更新元学习演化策略黑盒优化分类器的一个或多个初始元学习参数，以获得经更新的元学习演化策略黑盒优化分类器。

2.根据权利要求1所述的计算方法，进一步包括：

将从传感器获得的输入信号发送到经更新的元学习演化策略黑盒优化分类器中，以获得被配置成表征所述输入信号的分类的输出信号；以及

响应于所述输出信号，将致动器控制命令传输到计算机控制的机器的致动器。

3.根据权利要求1所述的计算方法，其中，损失函数的特性是损失函数的梯度。

4.根据权利要求1所述的计算方法，其中，损失函数的特性是损失函数的梯度下降。

5.根据权利要求1所述的计算方法，其中，更新步骤由深度学习优化器执行。

6.根据权利要求1所述的计算方法，其中，采样步骤、第一计算步骤、第二计算步骤和更新步骤在循环内交互地实行，直到满足停止条件。

7.根据权利要求6所述的计算方法，其中，所述停止条件是元学习演化策略黑盒优化分类器的收敛。

8.一种用于从元学习演化策略黑盒优化分类器学习致动器控制命令的计算方法，所述方法包括：

对样本λ的一代进行采样，并且将其变换成经变换的样本λ的一代；

响应于对经变换的样本λ的所述代的一个或多个函数求值，对经变换的样本λ的所述代进行排序，以获得经变换的样本λ的经排序的代；

响应于经变换的样本λ的经排序的代、以及在与经学习的演化策略黑盒优化分类器共享函数特性的一组目标函数上训练的一个或多个学习参数，来更新元学习演化策略黑盒优化分类器的一个或多个参数，以获得经更新的元学习演化策略黑盒优化分类器；

将从传感器获得的输入信号发送到经更新的元学习演化策略黑盒优化分类器，以获得被配置成表征所述输入信号的分类的输出信号；以及

响应于所述输出信号，将致动器控制命令传输到计算机控制的机器的致动器。

9.根据权利要求8所述的计算方法，其中，多个参数包括m、σ和C。

10.根据权利要求9所述的计算方法，其中，使用神经网络来更新m和σ。

11.根据权利要求10所述的计算方法，其中，多个学习参数表示神经网络的权重和偏差中的一个或两者。

12.根据权利要求8所述的计算方法，其中，从多元高斯N(m,σC)中产生经变换的样本λ的所述代。