[发明专利]用于训练机器学习系统的方法、设备和计算机程序

权利要求书

1.一种用于训练机器学习系统（12）的方法，其中，所述机器学习系统（12）借助所述机器学习系统的输入参量沿着通过所述机器学习系统（12）的多个路径的传播根据相应的所述路径的多个区段的激活来确定输出参量，其中，根据分配给所述区段的、表征所述机器学习系统的参量并且根据分配给所述区段的激活函数来确定每个区段的所述激活，所述方法包括以下步骤：

根据所提供的训练输入参量确定所述机器学习系统（12）的输出参量，

其中，在确定所述输出参量其中的至少一个输出参量时，根据干扰参量改变、尤其提高或衰减所述区段其中的一个区段的至少一个激活；

根据表征学习进展的成本函数来适配表征所述机器学习系统的参量（23）其中的至少一个参量。

2.根据权利要求1所述的方法，其中当所述激活之一具有小于能预给定的值的值时，那么根据所述干扰参量提高所述激活；以及

其中，当所述激活之一具有大于另外的能预给定的值的值时，那么根据所述干扰参量衰减所述激活，其中所述能预给定的值小于所述另外的能预给定的值。

3.根据以上权利要求中任一项所述的方法，其中，随机地选择所述干扰参量的值。

4.根据以上权利要求中任一项所述的方法，其中，借助比特翻转运算改变所述激活。

5.根据以上权利要求中任一项所述的方法，其中，多次地重复所述机器学习系统（12）的所述训练，其中，根据表征所述学习进展的所述成本函数来选择所述干扰参量。

6.一种用于操控执行器（10）的方法，所述方法包括以下步骤：

根据权利要求1至6中任一项所述地训练机器学习系统（12）；和

根据经训练的所述机器学习系统（12）的所确定的输出参量来操控所述执行器（10）。

7.根据权利要求6所述的方法，其中，所述执行器（10）至少是部分自主的机器人或者是至少部分自主的车辆。

8.一种计算机程序，所述计算机程序包括命令，当在计算机上运行所述计算机程序时所述命令引起：实施根据权利要求1至7中任一项所述的方法。

9.一种机器可读的存储介质（15），在所述存储介质上存储根据权利要求8所述的计算机程序。

10.一种设备（40,14），所述设备被设立用于，实施根据权利要求1至7中任一项所述的方法。