公开(公告)号：CN113711236B

公开(公告)日：2025-04-11

申请号：CN202080030272.X

申请日：2020-03-10

Applicant: 通用电气公司

Inventor： 金文 ,  马梓力 ,  张敏 ,  戈帕尔·阿维纳什

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明提供了用于评估和限定数据驱动的深度学习模型的范围的技术。在一个实施方案中，提供了一种机器可读存储介质，该机器可读存储介质包括可执行指令，该可执行指令在由处理器执行时促进操作的执行，该操作包括采用机器学习模型来提取包括在训练数据集中的第一训练数据特征和包括在目标数据集中的第一目标数据特征。该操作还包括基于对第一训练数据特征和第一目标数据特征之间的对应的分析，确定目标数据集是否在训练数据集的限定数据范围内，以及基于目标数据集是否在限定数据范围内，确定将目标数据集应用于使用训练数据集开发的目标神经网络模型是否将会生成具有可接受的准确度水平的结果。

公开(公告)号：CN113711236A

公开(公告)日：2021-11-26

申请号：CN202080030272.X

申请日：2020-03-10

Applicant: 通用电气公司

Inventor： 金文 ,  马梓力 ,  张敏 ,  戈帕尔·阿维纳什

IPC: G06K9/62 ,  G06N20/10 ,  G06N3/04 ,  G06N3/08 ,  G06K9/46 ,  G06N5/00

Abstract: 本发明提供了用于评估和限定数据驱动的深度学习模型的范围的技术。在一个实施方案中，提供了一种机器可读存储介质，该机器可读存储介质包括可执行指令，该可执行指令在由处理器执行时促进操作的执行，该操作包括采用机器学习模型来提取包括在训练数据集中的第一训练数据特征和包括在目标数据集中的第一目标数据特征。该操作还包括基于对第一训练数据特征和第一目标数据特征之间的对应的分析，确定目标数据集是否在训练数据集的限定数据范围内，以及基于目标数据集是否在限定数据范围内，确定将目标数据集应用于使用训练数据集开发的目标神经网络模型是否将会生成具有可接受的准确度水平的结果。