[发明专利]用于运行控制系统的方法和设备

权利要求书

1.一种用于对机器学习系统（60）、尤其是神经网络进行计算机辅助的参数化的方法，所述机器学习系统被设立为根据输入信号（x）分别确定多个类别中的所属的类别作为输出信号（y），

其中所述机器学习系统（60）利用正确标记的训练数据（X_C）来被训练一次并且利用不正确地标记的训练数据（X_r）来被训练一次，其中所述机器学习系统（60）的超参数（θ_H）被选择为使得相应的经训练的机器学习系统（60）能够使所述正确标记的训练数据（X_C）的实际分类（y_T）比所述不正确地标记的训练数据（X_r）的实际分类（y_T）更好地重现。

2.根据上述权利要求中任一项所述的方法，其中所述不正确地标记的训练数据（X_r）的实际分类（y_T）是对所述正确标记的训练数据（X_C）的实际分类（y_T）的置换。

3.根据权利要求2所述的方法，其中所述不正确地标记的训练数据（X_r）通过对所述正确标记的训练数据（X_C）中的实际分类（y_T）的随机置换来被确定。

4.根据上述权利要求中任一项所述的方法，其中所述超参数（θ_H）被选择为使得由经训练的机器学习系统（60）正确重现的正确的训练数据（X_C）的实际分类（y_T）的份额大于由经训练的机器学习系统（60）正确重现的不正确地标记的训练数据（X_r）的实际分类（y_T）的份额。

5.根据权利要求4所述的方法，其中所述超参数（θ_H）被选择为使得由经训练的机器学习系统（60）正确重现的所述正确标记的训练数据（X_C）的实际分类（y_T）的份额大于可预先给定的第一阈值；和/或由经训练的机器学习系统（60）正确重现的所述不正确地标记的训练数据（X_r）的实际分类（y_T）的份额小于可预先给定的第二阈值。

6.根据上述权利要求中任一项所述的方法，其中所述超参数（θ_H）被选择为使得对于经训练的机器学习系统（60）来说，当给所述机器学习系统（60）输送不正确地标记的训练数据（X_r）时得到的裕度（m）的统计频率分布作为所述裕度（m）的函数具有两个最大值。

7.根据权利要求6所述的方法，其中所述超参数（θ_H）被选择为使得对于经训练的机器学习系统（60）来说，当给所述机器学习系统（60）输送未标记的训练数据（X_C）时得到的裕度（m）的统计频率分布作为所述裕度（m）的函数只具有一个最大值，其中尤其是在所述裕度（m）的值大于零时取该最大值。

8.一种训练系统（140），所述训练系统被设立为实施根据权利要求1至7中任一项所述的方法。

9.一种用于运行包括机器学习系统（60）的控制系统（40）的方法，所述机器学习系统是借助于根据权利要求1至7中任一项所述的方法来被训练的，而且其中接着根据借助于所述机器学习系统（60）所确定的输出信号（y）来确定操控信号（A）。

10.根据权利要求9所述的方法，其中根据所确定的操控信号（A）来操控至少部分自主机器人（100）和/或生产系统（200）和/或私人助理（250）和/或访问系统（300）和/或监控系统（400）或者医学成像系统（500）。