用于确定人工神经网络的最佳架构的方法与流程

1.一种用于确定人工神经网络的最佳架构的方法，其中所述方法(1)具有以下步骤：

2.根据权利要求1所述的方法(1)，其中基于关于所述至少两个预设中的每一个预设的相应最佳架构来确定所述人工神经网络的最佳架构的步骤(5)包括对关于所述至少两个预设中的每一个预设的相应最佳架构以加权方式进行求和。

3.根据权利要求2所述的方法(1)，其中对应的加权基于至少一个目标组件的当前硬件情况。

4.根据权利要求1至3中任一项所述的方法(1)，其中分别基于至少一个目标组件的硬件情况来确定用于所确定的轨迹的奖励。

5.一种用于训练人工神经网络的方法，其中所述方法具有以下步骤：

6.根据权利要求4所述的方法，其中所述训练数据具有传感器数据。

7.一种用于基于人工神经网络控制可控系统的方法，其中所述方法具有以下步骤：

8.一种用于确定人工神经网络的最佳架构的系统，其中所述系统(10)具有：第一提供单元(11)，所述第一提供单元被构造用于提供人工神经网络的可能架构的集合；映射单元(12)，所述映射单元被构造用于将人工神经网络的可能架构的集合映射到有向图上，其中所述有向图的节点分别用符号表示可能架构之一的子集，其中初始节点用符号表示输入层，其中所述有向图的端节点分别用符号表示具有输出层的子集，并且其中所述有向图的边分别用符号表示子集之间的可能链接；至少一个第一确定单元(13)，所述第一确定单元被构造用于对于用于确定架构的至少两个预设中的每一个预设，通过分别将流分配给所述有向图的每一个边、基于有向图规定用于确定对应的最佳架构的策略并且基于所规定的策略通过重复地确定从初始节点到端节点的轨迹来确定对应的最佳架构、确定用于所确定的轨迹的奖励、基于所确定的用于轨迹的奖励和沿着轨迹分配给边的流确定用于所确定的轨迹的成本函数并且基于成本函数分别更新沿着轨迹分配给边的流来分别确定关于对应的预设最佳的架构，其中一直重复确定轨迹、确定奖励、确定成本函数和更新流的步骤，直至所确定的轨迹满足用于架构搜索的中止准则为止，并且其中满足中止准则的轨迹代表最佳架构；第二确定单元(14)，所述第二确定单元被构造用于基于关于至少两个预设中的每一个预设的相应最佳架构来确定所述人工神经网络的最佳架构；以及第二提供单元(15)，所述第二提供单元被构造用于提供所述人工神经网络的最佳架构。

9.根据权利要求8所述的系统(10)，其中所述第二确定单元(14)被构造用于通过对关于所述至少两个预设中的每一个预设的相应最佳架构以加权方式进行求和来确定所述人工神经网络的最佳架构。

10.根据权利要求9所述的系统(10)，其中相应加权基于至少一个目标组件的当前硬件情况。

11.根据权利要求8至10中任一项所述的系统(10)，其中所述至少一个第一确定单元(13)分别被构造用于基于至少一个目标组件的硬件情况来确定用于所述轨迹的奖励。

12.一种用于训练人工神经网络的系统，其中所述系统具有：第一提供单元，所述第一提供单元被构造用于提供用于训练人工神经网络的训练数据；第二提供单元，所述第二提供单元被构造用于提供用于人工神经网络的最佳架构，其中所述最佳架构已经通过根据权利要求8至11中任一项所述的用于确定人工神经网络的最佳架构的系统被确定；以及训练单元，所述训练单元被构造用于基于所述训练数据和所述最佳架构来训练所述人工神经网络。

13.根据权利要求12所述的系统，其中所述训练数据具有传感器数据。

14.一种用于基于人工神经网络控制可控系统的系统，其中所述系统具有：提供单元，所述提供单元被构造用于提供人工神经网络，所述人工神经网络被训练用于控制所述可控系统，其中所述人工神经网络已经通过根据权利要求13或14所述的用于训练人工神经网络的系统被训练；以及控制单元，所述控制单元被构造用于基于所提供的人工神经网络来控制所述可控系统。

15.一种具有程序代码的计算机程序，用于当所述计算机程序在计算机上被执行时执行根据权利要求1至4中任一项所述的用于确定人工神经网络的最佳架构的方法。