[发明专利]考虑到不确定性的主动数据生成

说明书

本发明涉及一种基于具单一注释数据点的已有数据生成数据的方法，该方法包括：‑基于已有数据训练一第一预测器；‑针对每个数据点，确定第一预测器的一预测误差；‑训练一第二预测器，以确定第一预测器的一预期预测误差和一不确定性；‑确定最大化预期预测误差和不确定性组合的一数据描述；以及‑基于先前确定的数据描述生成数据。

技术领域

本发明涉及一种基于具有单一注释数据点的已有数据生成数据的方法、一种用以此方式生成的数据训练一预测器的方法、一种计算机程序和一种数据载体。

背景技术

在机器学习领域中，一种预测器是多维函数的近似。

确定整个数据空间中哪些数据点用于一AI(人工智能)方法的收集、生成和使用通常取决于由人做出的选择、规定的准则或随机进行。

例如为能与领域专家进行一“合作学习”，以便在迭代校准或参数化任务中为(人类)专家提供支持，主动数据生成方法是必要的。在这类场景中，专家的任务是手动选择和评估数据点(例如系统参数)，以达到一给定的优化目标。主动数据生成方法在一全自动数据收集中也是必要的。

“主动学习”方法可确定哪些数据点应用目标值(例如类别、职位或KPI(关键绩效指标))进行注释，并以一已有(未注释)数据集为基础。托马索·德罗西(TommasoDreossi)、施罗莫娜·戈什(Shromona Ghosh)、姚翔宇(Xiangyu Yao)、库尔特·科茨(KurtKeutzer)、阿尔贝托·桑乔瓦尼-文森特利(Alberto Sangiovanni-Vincentelli)以及桑吉特·阿·塞希阿(Sanjit A.Seshia)于2018年7月发表在第二十七届国际人工智能联合会议论文集(Proceedings of the Twenty-Seventh International Joint Conference onArtificial Intelligence)第2071到2078页上的文章“反例引导的数据增强(Counterexample-Guided Data Augmentation)”(https://doi.org/10.24963/ijcai.2018/286)描述了一种作为替代选择的方法，该方法也可有针对性地确定应生成哪些数据点。此外，在S.Jha和S.A:Seshia发表于Acta Informatica(2017年)第54卷第693页上的文章“通过归纳学习的形式综合理论(A Theory of Formal Synthesis)”(https://doi.org/10.1007/s00236-017-0294-5)描述了一种正式框架理念，它涵盖了一整类理念，而不涉及可能的实现。

所述数据的生成和收集是耗时、高成本并片面的，因此对注释过程加以改进是不够的。

在现有技术中，已知一种生成数据的方法，该方法使一预测器的预测误差最大化，以根据具有最大预测误差的一数据的数据描述生成新的数据。

根据现有技术，选择要生成的数据点是一专家的任务。首先已有选择要生成数据点的自动化方法，但这些方法只考虑了哪些数据点(可能)难以被一AI(人工智能)方法预测，而没有考虑预测的可靠性。因此，无法保证充分涵盖预期的或所需的数据空间。此外，这些已知方法只能用于0/1误差。这种0/1误差并不表示误差程度，而只是区分有误差(＝1)和无误差(＝0)。

尤其为使专家的手工/人工作业最小化，因此数据生成最小化具有较高的重要性。此外，精心选择的训练数据可提高预测的可靠性，并由此提高AI(人工智能)方法的质量。通过使用一连续的误差度量，也可实现对AI(人工智能)方法质量或误差评估的改进。由此可使用一主动的、经导引的数据生成，它同时考虑了优化目标和数据空间的涵盖。

因此，一根据本发明所述方法具有下列步骤：基于已存在数据训练一第一预测器、针对各数据点确定第一预测器的一预测误差、为确定第一预测器的一预期预测误差和不确定性，训练一第二预测器，确定对一预期预测误差和不确定性组合最大化的一数据描述，并根据先前确定的数据描述生成数据。