[发明专利]用于分析数据的方法、设备和计算机存储介质

权利要求书

1.一种用于分析数据的方法：

获取预测模型，所述预测模型中的一个处理层包括多个处理单元，所述多个处理单元中各处理单元的参数均满足目标参数分布，所述预测模型的输出是基于从所述参数分布确定的多组参数而确定的；以及

将模型输入数据应用于所述预测模型，以获得针对所述模型输入数据的预测。

2.根据权利要求1所述的方法，还包括：

至少基于所述目标参数分布，确定针对所述预测的不确定性度量。

3.根据权利要求1所述的方法，还包括：

获取针对所述预测模型的所述处理层的所述目标参数分布。

4.根据权利要求3所述的方法，其中获取所述目标参数分布包括：

接收一组训练样本；

基于初始参数分布，初始化所述预测模型中的所述处理层的所述参数；

基于所述一组训练样本，确定针对所述处理层的一组输入数据；

基于所述一组输入数据和经初始化的所述参数，确定所述处理层的多组输出数据；以及

基于所述多组输出数据，调整所述初始参数分布以获得与真实参数分布接近的所述目标参数分布，其中所述目标参数分布使得所述预测模型的针对所述一组训练样本的预测与所述一组训练样本的标注数据接近，其中所述预定参数分布指示所述参数的取值范围。

5.根据权利要求1所述的方法，其中获得所述预测包括：

基于所述参数分布，获取与所述处理层的所述多个处理单元相关联的多组参数集；

确定所述处理层的与所述多组参数集对应的多组输出数据；以及基于所述多组输出数据，确定所述预测模型的所述预测。

6.根据权利要求1所述的方法，其中所述预测模型基于卷积神经网络，所述处理层是所述卷积神经网络中的卷积层和全连层中的至少一层。

7.根据权利要求1所述的方法，其中所述模型输入数据为非时序数据。

8.根据权利要求2所述的方法，还包括：

提供关于所述不确定性度量的指示。

9.根据权利要求2所述的方法，还包括：

响应于所述不确定性度量在预定的异常范围内，使得所述模型输入数据被标注；以及

利用经标注的所述模型输入数据训练所述预测模型。

10.根据权利要求2所述的方法，其中所述不确定性度量包括以下中的至少一项：SOFTMAX置信度、贝叶斯活跃学习分歧BALD度量和信息熵。

11.一种用于分析数据的设备，包括：

至少一个处理单元；

至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行动作，所述动作包括：

获取预测模型，所述预测模型中的一个处理层包括多个处理单元，所述多个处理单元中各处理单元的参数均满足目标参数分布，所述预测模型的输出是基于从所述参数分布确定的多组参数而确定的；以及

将模型输入数据应用于所述预测模型，以获得针对所述模型输入数据的预测。

12.根据权利要求11所述的设备，所述动作还包括：

至少基于所述目标参数分布，确定针对所述预测的不确定性度量。

13.根据权利要求11所述的设备，所述动作还包括：

获取针对所述预测模型的所述处理层的所述目标参数分布。