公开(公告)号：CN119547065A

公开(公告)日：2025-02-28

申请号：CN202380053196.8

申请日：2023-07-11

Applicant: 罗伯特·博世有限公司

Inventor： B·荣格 ,  F·吉根加克 ,  A·苏尔坦

IPC: G06F18/15 ,  G06F18/22 ,  G06F18/24 ,  G06V20/56 ,  G06V10/82

Abstract: 用于训练一个或多个神经网络(1)的方法(100)，所述神经网络处理测量数据(2)，所述方法包括步骤：●提供(110)测量数据(2)的训练示例(2a)，所述训练示例既包括用目标分类分数(2b)标记的训练示例(2a1)又包括未标记的训练示例(2a2)；●所述训练示例(2a)由所述一个或多个神经网络(1)处理(120)为分类分数(4)，●关于标记的训练示例(2a1)，利用预设的成本函数(5)评估(130)‑所述分类分数(4)在多大程度上对应于相应的目标分类分数(2b)，以及‑从彼此相似的训练示例(2a1)形成的中间结果(3)在多大程度上彼此相似，而从彼此不相似的训练示例(2a1)形成的中间结果(3)在多大程度上彼此不相似；●优化(140)表征所述一个或多个神经网络(1)的行为的参数(1a)，目标是在继续处理训练示例(2a1)时预期将改善通过所述成本函数(5)的评估(5a)；●检查(150)对于所述训练示例(2a)的包含至少一个未标记的训练示例(2a2)的子集形成的中间结果(3)是否根据预设的标准(6)彼此相似；●如果是这种情况，则利用所述优先类别(4*)作为标签(2b)将所述子集的未标记的训练示例(2a2)转换(160)为标记的训练示例(2a1)；并且●利用以这种方式升级的训练示例(2a*)来训练(170)所述一个或多个神经网络(1)。