[发明专利]基于回归模型的不确定性估计方法和装置

权利要求书

1.一种基于回归模型的不确定性估计方法，其特征在于，包括以下步骤：

获取输入样本，并提取所述输入样本的概率分布特征；其中，所述输入样本具有标签值；

从所述概率分布特征中采样T个特征；其中所述T为正整数；

获取所述T个特征对应的T个损失函数，并对所述T个损失函数进行处理，获取训练损失函数；

将所述输入样本输入回归模型进行处理，获取预测值，并通过所述训练损失函数根据所述标签值和所述预测值对所述回归模型的参数进行调整，获取已训练回归模型，以使将待处理数据输入所述已训练回归模型，获取回归结果和目标值。

2.如权利要求1所述的方法，其特征在于，所述提取所述输入样本的概率分布特征，包括：

分别通过两个神经网络对所述输入样本进行处理，获取高维高斯分布的均值和方差作为所述概率分布特征。

3.如权利要求2所述的方法，其特征在于，所述从所述概率分布特征中采样T个特征的公式为：

其中，所述输入样本x，θ₁和θ₂为所述两个神经网络的参数，diag()表示取其对角元素，t为时间。

4.如权利要求1所述的方法，其特征在于，所述对所述T个损失函数进行处理，获取训练损失函数，包括：

对所述T个损失函数进行求和平均处理，获取平均损失函数；

获取有序分布约束函数，计算所述平均损失函数和所述有序分布约束函数的和为所述训练损失函数。

5.如权利要求1所述的方法，其特征在于，所述训练损失函数公式为：

其中，表示所述平均损失函数，D训练数据集，α为超参数，L_Ord表示所述有序分布约束函数。

6.一种基于回归模型的不确定性估计方法，其特征在于，包括：

第一获取模块，用于获取输入样本；其中，所述输入样本具有标签值；

提取模块，用于提取所述输入样本的概率分布特征；

采样模块，用于从所述概率分布特征中采样T个特征；其中所述T为正整数；

第二获取模块，用于获取所述T个特征对应的T个损失函数；

处理模块，用于对所述T个损失函数进行处理，获取训练损失函数；

训练估计模块，用于将所述输入样本输入回归模型进行处理，获取预测值，并通过所述训练损失函数根据所述标签值和所述预测值对所述回归模型的参数进行调整，获取已训练回归模型，以使将待处理数据输入所述已训练回归模型，获取回归结果和目标值。

7.如权利要求6所述的装置，其特征在于，所述提取模块，具体用于

分别通过两个神经网络对所述输入样本进行处理，获取高维高斯分布的均值和方差作为所述概率分布特征。

8.如权利要求7所述的方法，其特征在于，所述从所述概率分布特征中采样T个特征的公式为：

其中，所述输入样本x，θ₁和θ₂为所述两个神经网络的参数，diag()表示取其对角元素，t为时间。

9.如权利要求6所述的装置，其特征在于，所述处理模块，具体用于

对所述T个损失函数进行求和平均处理，获取平均损失函数；

获取有序分布约束函数，计算所述平均损失函数和所述有序分布约束函数的和为所述训练损失函数。

10.如权利要求6所述的装置，其特征在于，所述训练损失函数公式为：

其中，表示所述平均损失函数，D训练数据集，α为超参数，L_ord表示所述有序分布约束函数。