DE102017218851A1 - Method, device and computer program for creating a deep neural network - Google Patents

Method, device and computer program for creating a deep neural network Download PDF

Info

Publication number
DE102017218851A1
DE102017218851A1 DE102017218851.0A DE102017218851A DE102017218851A1 DE 102017218851 A1 DE102017218851 A1 DE 102017218851A1 DE 102017218851 A DE102017218851 A DE 102017218851A DE 102017218851 A1 DE102017218851 A1 DE 102017218851A1
Authority
DE
Germany
Prior art keywords
neural network
distribution function
deep neural
function
weights
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102017218851.0A
Other languages
English (en)
Inventor
Jan Mathias Koehler
Tim Genewein
Jan Achterhold
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102017218851.0A priority Critical patent/DE102017218851A1/de
Publication of DE102017218851A1 publication Critical patent/DE102017218851A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING; COUNTING
    • G06N—COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computer systems based on biological models
    • G06N3/02—Computer systems based on biological models using neural network models
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING; COUNTING
    • G06N—COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computer systems based on biological models
    • G06N3/02—Computer systems based on biological models using neural network models
    • G06N3/04—Architectures, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING; COUNTING
    • G06N—COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computer systems based on biological models
    • G06N3/02—Computer systems based on biological models using neural network models
    • G06N3/04—Architectures, e.g. interconnection topology
    • G06N3/049—Temporal neural nets, e.g. delay elements, oscillating neurons, pulsed inputs

Abstract

Die Erfindung betrifft ein Verfahren (30) zur Erstellung eines tiefen neuronalen Netzes (10). Das tiefe neuronale Netz (10) weist eine Mehrzahl von Schichten (12) und Verbindungen (13) mit Gewichten auf und die Gewichte im erstellten neuronalen Netz nur vorgebbare diskrete Werte aus einer vorgebbaren Liste diskreter Werte annehmen können, umfassend die Schritte: Bereitstellen zumindest einer Trainingseingangsgröße für das tiefe neuronale Netz (10); Ermitteln einer eine Kostenfunktion charakterisierenden Größe, die eine erste Größe umfasst, die eine Abweichung einer abhängig von der bereitgestellten Trainingseingangsgröße ermittelten Ausgangsgröße des tiefen neuronalen Netzes zu einer vorgebbaren Soll-Ausgangsgröße charakterisiert, und wobei die die Kostenfunktion charakterisierende Größe ferner wenigstens eine Bestrafungsgröße umfasst, die eine Abweichung eines Wertes einer der Gewichte von wenigstens einem von zumindest zwei der vorgebbaren diskreten Werten charakterisiert; Anlernen des tiefen neuronalen Netzes (10). Die Erfindung betrifft ferner ein Computerprogramm und eine Vorrichtung zum Ausführen des erfindungsgemäßen Verfahrens (30) und ein maschinenlesbares Speicherelement, auf dem das Computerprogramm gespeichert ist.The invention relates to a method (30) for creating a deep neural network (10). The deep neural network (10) has a plurality of layers (12) and connections (13) with weights, and the weights in the established neural network can only assume presettable discrete values from a predeterminable list of discrete values, comprising the steps of providing at least one Training input size for the deep neural network (10); Determining a variable characterizing a cost function comprising a first quantity characterizing a deviation of a deep neural network output determined based on the provided training input to a predeterminable target output, and wherein the variable characterizing the cost function further comprises at least one penalty amount characterized a deviation of a value of one of the weights of at least one of at least two of the predeterminable discrete values; Teaching the deep neural network (10). The invention further relates to a computer program and a device for carrying out the method (30) according to the invention and to a machine-readable storage element on which the computer program is stored.

Description

  • Technisches GebietTechnical area
  • Die Erfindung betrifft ein Verfahren zur Erstellung eines tiefen neuronalen Netzes, ein Computerprogramm und eine Vorrichtung, die jeweils eingerichtet sind, das Verfahren auszuführen.The invention relates to a method for creating a deep neural network, a computer program and a device, which are each set up to carry out the method.
  • Stand der TechnikState of the art
  • Die US 5,119,469 offenbart ein neuronales Netzwerksystem mit einer Vielzahl von Synapsen und einer adaptiven Gewichtsschaltung zum Einstellen der Gewichte jeder Synapse. Das neuronale Netzwerksystem wird sukzessive mit einer Serie von Trainingsdaten durch systematisches Einstellen der Gewichte zur Mustererkennung angelernt.The US 5,119,469 discloses a neural network system having a plurality of synapses and an adaptive weight circuit for adjusting the weights of each synapse. The neural network system is successively taught with a series of training data by systematically adjusting the weights for pattern recognition.
  • Vorteile der ErfindungAdvantages of the invention
  • Das Verfahren mit den Merkmalen des unabhängigen Anspruchs 1 hat demgegenüber den Vorteil, dass die Gewichte der Verbindungen des tiefen neuronalen Netzes derart ermittelt werden, dass diese einen vorgebbaren diskreten Wert aus einer Liste mit diskreten Werten annehmen. Durch die diskreten Werte der Gewichte des erstellten tiefen neuronalen Netzes kann eine Reduktion des benötigten Speicherplatzes zum Abspeichern des tiefen neuronalen Netzes erzielt werden. Denn die Gewichte können, beispielsweise anhand eines Indexes des diskreten Werts aus der Liste abgespeichert werden. Dadurch muss nicht mehr jeder Wert eines jeden Gewichtes einzeln mit hoher Genauigkeit abgespeichert werden, sondern es ist ausreichend, wenn jeweils nur ein Index des Wertes des Gewichts und die vorgebbare Liste mit diskreten Werten und deren Indices abgespeichert werden. Dies führt dazu, dass das erstellte tiefe neuronale Netz einen geringeren Speicherplatzbedarf aufweist. Des Weiteren wird eine Komprimierung der Darstellung des tiefen neuronalen Netzes mittels dieses Verfahrens erzielt. Denn die Werte der Gewichte des erstellten tiefen neuronalen Netzes sind nicht mehr kontinuierlich, sondern die Gewichte können nur eine gewisse Anzahl an vorgebbaren diskrete Werte annehmen. Dies führt dazu, dass das tiefe neuronale Netz durch eine geringere Anzahl an unterschiedlichen Gewichten charakterisiert wird und eine komprimierte Darstellung erzielt werden kann. Ein weiterer Vorteil des Verfahrens ist, dass durch die diskreten Werte der Gewichte die Anzahl der Rechenoperationen, insbesondere Multiplikationen, die durchgeführt werden müssen, um eine Ausgangsgröße des tiefen neuronalen Netzes zu ermitteln, unter Ausnutzung des Distributivgesetzes reduziert werden können. Da die Werte der Gewichte nur vorgebbare unterschiedliche diskrete Werte annehmen können, können die Gewichte, die den gleichen diskreten Wert aufweisen, mittels des Distributivgesetzes ausgeklammert werden, wodurch die Anzahl der Multiplikation und der Rechenaufwand zur Ermittlung des Ergebnisses signifikant reduziert werden können.The method with the features of the independent claim 1, on the other hand, has the advantage that the weights of the connections of the deep neural network are determined in such a way that they assume a specifiable discrete value from a list with discrete values. Due to the discrete values of the weights of the created deep neural network, a reduction of the required storage space for storing the deep neural network can be achieved. For the weights can be stored from the list, for example, using an index of the discrete value. As a result, it is no longer necessary to store each value of each weight individually with high accuracy, but it is sufficient if in each case only one index of the value of the weight and the predefinable list with discrete values and their indices are stored. As a result, the created deep neural network requires less storage space. Furthermore, compression of the representation of the deep neural network is achieved by means of this method. For the values of the weights of the created deep neural network are no longer continuous, but the weights can only accept a certain number of predeterminable discrete values. As a result, the deep neural network is characterized by a lower number of different weights and a compressed representation can be achieved. A further advantage of the method is that the number of arithmetic operations, in particular multiplications, which have to be carried out in order to determine an output of the deep neural network can be reduced by utilizing the discrete values of the weights, using the law of distribution. Since the values of the weights can only assume presettable different discrete values, the weights which have the same discrete value can be excluded by means of the law of distribution, whereby the number of multiplication and the computational effort for determining the result can be significantly reduced.
  • Offenbarung der ErfindungDisclosure of the invention
  • In einem ersten Aspekt betrifft die Erfindung ein Verfahren zur Erstellung eines tiefen neuronalen Netzes. Das tiefe neuronale Netz weist eine Mehrzahl von Schichten und Verbindungen mit Gewichten auf. Die Gewichte im erstellten tiefen neuronalen Netz können nur vorgebbare diskrete Werte aus einer vorgebbaren Liste diskreter Werte annehmen. Das Verfahren umfasst die folgenden Schritte:
    • - Bereitstellen zumindest einer Trainingseingangsgröße für das tiefe neuronale Netz.
    • - Ermitteln einer eine Kostenfunktion charakterisierenden Größe. Die die Kostenfunktion charakterisierende Größe umfasst dabei eine erste Größe, die eine Abweichung einer abhängig von der bereitgestellten Trainingseingangsgröße ermittelten Ausgangsgröße des tiefen neuronalen Netzes zu einer vorgebbaren Soll-Ausgangsgröße charakterisiert. Ferner umfasst die die Kostenfunktion charakterisierende Größe wenigstens eine Bestrafungsgröße, die eine Abweichung eines Wertes einer der Gewichte von wenigstens einem von zumindest zwei der vorgebbaren diskreten Werten charakterisiert.
    • - Anlernen des tiefen neuronalen Netzes derart, dass das tiefe neuronale Netz abhängig von der Trainingseingangsgröße des tiefen neuronalen Netzes ein Objekt detektiert. Beim Anlernen des tiefen neuronalen Netzes wird wenigstens ein Wert eines der Gewichte abhängig von der die Kostenfunktion charakterisierenden Größe angepasst.
    • - Abbilden der Werte der Gewichte auf jeweils einen in der vorgebbaren Liste enthaltenen diskreten Wert. Der Vorteil dieses Verfahrens ist, dass anhand der diskreten Werte der Gewichte das erzeugte tiefe neuronale Netz komprimiert gespeichert werden kann und dass die Rechenoperationen zur Ermittlung der Ausgangsgröße des tiefen neuronalen Netzes effizient durchgeführt werden können.
    In a first aspect, the invention relates to a method for creating a deep neural network. The deep neural network has a plurality of layers and connections with weights. The weights in the created deep neural network can only assume predefinable discrete values from a predefinable list of discrete values. The method comprises the following steps:
    • Providing at least one training input to the deep neural network.
    • Determining a variable characterizing a cost function. In this case, the variable characterizing the cost function comprises a first variable which characterizes a deviation of an output variable of the deep neural network, which is determined as a function of the provided training input variable, to a predefinable desired output variable. Furthermore, the variable characterizing the cost function comprises at least one penalty amount characterizing a deviation of a value of one of the weights of at least one of at least two of the predeterminable discrete values.
    • - Teaching the deep neural network such that the deep neural network detects an object depending on the training input size of the deep neural network. When learning the deep neural network, at least one value of one of the weights is adjusted as a function of the variable characterizing the cost function.
    • - mapping the values of the weights to a respective discrete value contained in the predeterminable list. The advantage of this method is that, based on the discrete values of the weights, the generated deep neural network can be stored in compressed form and that the arithmetic operations for determining the output of the deep neural network can be carried out efficiently.
  • Die vorgebbare Liste diskreter Werte kann eine Liste mit einer Mehrzahl von vorgebbaren diskreten Werten sein, wobei jedem Eintrag der Liste ein Index zugeordnet ist. Unter einem Abbilden der Werte auf jeweils einen diskreten Wert wird verstanden, dass einem jeden Gewicht abhängig von dessen Wert und den vorgebbaren diskreten Werten der vorgebbaren Liste diskreter Werte ein Wert aus der vorgebbaren Liste diskreter Werte zugeordnet wird. Wenn Beispielsweise der Wert eines der Gewichte innerhalb eines vorgebbaren Toleranzbereichs um einen der zumindest zwei vorgebbaren diskreten Werten liegt, wird als Wert dieses Gewichtes derjenige vorgebbare diskrete Wert, innerhalb dessen Toleranzbereichs der Wert des Gewichtes liegt, zugeordnet, insbesondere als Wert zugehörig zu diesem Gewicht gespeichert. Die Toleranzbereiche der jeweiligen zumindest zwei vorgebbaren diskreten Werte überschneiden sich vorzugsweise nicht. Andernfalls wäre optional ein Auswahlmechanismus vorzusehen, der aufgrund der Toleranzbereiche denjenigen zulässigen diskreten Wert auswählt, der dem Gewicht zugeordnet werden kann.The predefinable list of discrete values may be a list with a plurality of predeterminable discrete values, wherein each entry of the list is assigned an index. By mapping the values to a respective discrete value, it is understood that a value from the predefinable list of discrete values is assigned to each weight depending on its value and the predefinable discrete values of the predefinable list of discrete values. For example, if the value of one of the weights is within a predeterminable tolerance range one of the at least two predeterminable discrete values, the value of this weight is assigned to that specifiable discrete value within whose tolerance range the value of the weight lies, in particular as value associated with this weight. The tolerance ranges of the respective at least two predefinable discrete values preferably do not overlap. Otherwise, it would be optional to provide a selection mechanism which, due to the tolerance ranges, selects the permissible discrete value which can be assigned to the weight.
  • Unter einem Objekt kann hierbei ein in der Trainingseingangsgröße codiertes Merkmal verstanden werden, welches von dem tiefen neuronalen Netz dekodiert und genutzt werden kann, um das Objekt in der Trainingseingangsgröße zu detektieren.An object in this case can be understood as a feature encoded in the training input variable which can be decoded by the deep neural network and used to detect the object in the training input variable.
  • Besonders vorteilhaft ist, wenn die Bestrafungsgröße eine Abweichung einer a-Posteriori-Verteilungsfunktion eines der Gewichte von einer a-Priori-Verteilungsfunktion der vorgebbaren diskreten Werte dieses Gewichtes charakterisiert. Dabei kann die a-Priori-Verteilungsfunktion eine angenommene Verteilungsfunktion der vorgebbaren diskreten Werte eines Gewichtes oder von allen Gewichten sein bevor die Trainingsgröße gesehen wurde. Eine Verteilungsfunktion kann beispielsweise die Auftrittswahrscheinlichkeitsverteilung der jeweiligen möglichen Werte eines der Gewichte charakterisieren. Die a-Posteriori-Verteilungsfunktion gibt dabei die Verteilung der Werte eines der Gewichte an und kann, insbesondere initial, beliebig gewählt werden, da diese während des Anlernens des tiefen neuronalen Netzes angepasst wird. Die genaue Form der a-Posteriori-Verteilungsfunktion ergibt sich nach dem Anlernen unter Verwendung der Trainingsgröße.It is particularly advantageous if the punishment variable characterizes a deviation of an a-posteriori distribution function of one of the weights from an a-priori distribution function of the predefinable discrete values of this weight. In this case, the a-priori distribution function may be an assumed distribution function of the predeterminable discrete values of a weight or of all weights before the training variable was seen. For example, a distribution function may characterize the occurrence probability distribution of the respective possible values of one of the weights. The a posteriori distribution function indicates the distribution of the values of one of the weights and can, in particular initially, be chosen arbitrarily, since this is adapted during the learning of the deep neural network. The exact form of the a posteriori distribution function results after learning using the training size.
  • Ebenfalls besonders vorteilhaft ist, wenn die a-Priori-Verteilungsfunktion für eine vorgebbare Untermenge der Gewichte des neuronalen Netzes abhängig von einer Topologie eines mit dieser vorgebbaren Untermenge assoziierten Teils des tiefen neuronalen Netzes gewählt wird. Der assoziierte Teil des tiefen neuronalen Netzes sind diejenigen Schichten und Verbindungen, denen die Gewichte aus der Untermenge zugeordnet sind. Dies weist den Vorteil auf, dass, wenn mehrere Gewichte zu einem Filter zusammengefasst werden können, diesen Gewichten die gleiche a-Priori-Verteilungsfunktion zugeordnet werden kann. Aus bereits bekannten erstellten tiefen neuronalen Netzen kann eine Information über die Verteilung der Gewichtwerte wiederverwendet werden. Daraus können z.B. a-Priori-Verteilungsfunktionen abgeleitet werden, die den Filtern zugeordnet werden, wodurch beispielsweise Filter einfacher und schneller gelernt werden können und das Anlernen gezielter durchgeführt werden kann. Ein weiterer Vorteil ist, dass durch die Verwendung derselben a-Priori-Verteilungsfunktion für die Untermenge, wirksamer redundante Filter bzw. Gewichte entfernt werden können, da diese anhand der gleichen a-Priori-Verteilungsfunktion einen ähnlichen diskreten Wert nach dem Anlernen aufweisen können.It is also particularly advantageous if the a-priori distribution function for a predeterminable subset of the weights of the neural network is selected as a function of a topology of a part of the deep neural network associated with this predeterminable subset. The associated part of the deep neural network are those layers and compounds to which the weights from the subset are assigned. This has the advantage that when multiple weights can be grouped into one filter, these weights can be assigned the same a priori distribution function. Information about the distribution of the weight values can be reused from already established deep neural networks. This may be e.g. derived a priori distribution functions, which are assigned to the filters, which, for example, filters can be learned easier and faster and learning can be performed more targeted. A further advantage is that by using the same a priori distribution function for the subset, more effective redundant filters or weights can be removed since they can have a similar discrete value after training based on the same a priori distribution function.
  • Weiterhin ist es besonders vorteilhaft, wenn die Bestrafungsfunktion eine gewichtete Aufsummierung von ermittelten Abweichungen charakterisiert. Es wird jeweils eine Abweichung der a-Posteriori-Verteilungsfunktion eines der Gewichte zu der a-Priori-Verteilungsfunktion an jeweils einer Position, die jeweils einem der vorgebbaren diskreten Werte zugeordnet ist, ermittelt und diese Abweichung wird anhand einer Gewichtungsfunktion, die diesem jeweiligen vorgebbaren diskreten Wert zugeordnet ist, gewichtet. Furthermore, it is particularly advantageous if the puncturing function characterizes a weighted accumulation of deviations determined. In each case, a deviation of the a-posteriori distribution function of one of the weights from the a-priori distribution function at a respective position, which is assigned to one of the predefinable discrete values, is determined, and this deviation is determined on the basis of a weighting function which is predeterminable for each of these Value is assigned, weighted.
  • Zugeordnet kann insbesondere bedeuten, dass die Gewichtungsfunktion um diesen jeweiligen vorgebbaren diskreten Wert zentriert ist. Beispielsweise kann die Gewichtungsfunktion, insbesondere eine Gaußglockenkurve, symmetrisch um den jeweiligen vorgebbaren diskreten Wert zentriert sein. Damit kann die Abweichung der a-Priori-Verteilungsfunktion zu der a-Posteriori-Verteilungsfunktion stückweise ermittelt werden und anschießend die ermittelten Abweichungen geeignet gewichtet und überlagert werden, wodurch die Abweichung der zwei Verteilungsfunktionen zuverlässig angenähert wird.Assigned may mean, in particular, that the weighting function is centered around this particular predeterminable discrete value. For example, the weighting function, in particular a Gaussian bell curve, may be centered symmetrically about the respective predeterminable discrete value. Thus, the deviation of the a-priori distribution function to the a-posteriori distribution function can be determined piecemeal and then weighted and superimposed the determined deviations appropriately, whereby the deviation of the two distribution functions is reliably approximated.
  • Vorteilhaft ist, wenn die ermittelten Abweichungen jeweils eine ermittelte Abweichung der a-Posteriori-Verteilungsfunktion zu einer Log-Uniform-Verteilungsfunktion ist und diese ermittelte Abweichung an jeweils eine der Positionen einer der zumindest zwei vorgebbaren diskreten Werten verschobenen wird und anhand der Gewichtungsfunktion, die diesem jeweiligen vorgebbaren diskreten Wert zugeordnet ist, gewichtet wird.It is advantageous if the deviations determined are each a determined deviation of the a posteriori distribution function to a log uniform distribution function and this determined deviation is shifted to one of the positions of one of the at least two predefinable discrete values and based on the weighting function that this weighted is assigned to each predetermined discrete value.
  • Ebenso vorteilhaft ist, wenn eine der ermittelten Abweichungen anhand von einem vorgebbaren Wert, insbesondere dem Wert „1“, abzüglich der Summe der jeweiligen Gewichtungsfunktionen gewichtet wird. Dies hat den Vorteil, dass die ermittelten Abweichungen auch in großer Entfernung zu den ermittelten Abweichungen der anderen vorgebbaren diskreten Werten, eine zuverlässige Approximierung durchgeführt werden kann.It is also advantageous if one of the deviations determined is weighted on the basis of a predefinable value, in particular the value "1", less the sum of the respective weighting functions. This has the advantage that the deviations determined can also be carried out at a great distance from the determined deviations of the other predefinable discrete values, a reliable approximation.
  • Weiterhin ist es vorteilhaft, wenn eine Abweichung der a-Posteriori-Verteilungsfunktion von der a-Priori-Verteilungsfunktion anhand von einer Approximation einer Kullback-Leibler Divergenz zwischen der a-Posteriori-Verteilungsfunktion und der a-Priori-Verteilungsfunktion ermittelt wird.Furthermore, it is advantageous if a deviation of the a-posteriori distribution function from the a-priori distribution function is determined on the basis of an approximation of a Kullback-Leibler divergence between the a-posteriori distribution function and the a-priori distribution function.
  • In einer weiteren Ausführungsform des Verfahrens, kann beim Anlernen des tiefen neuronalen Netzes eine der a-Posteriori-Verteilungsfunktionen abhängig von der Kostenfunktion angepasst werden, wobei das Gewicht, welches durch die angepasste a-Posteriori-Verteilungsfunktion charakterisiert wird, abhängig von der angepassten a-Posteriori-Verteilungsfunktion angepasst wird.In a further embodiment of the method, when learning the deep neuronal One of the a posteriori distribution functions may be adapted depending on the cost function, the weight characterized by the adjusted a posteriori distribution function being adjusted depending on the adjusted a posteriori distribution function.
  • Ebenso kann in einer weiteren Ausführungsform des Verfahrens zumindest einer der zumindest zwei vorgebbaren diskreten Werte der Wert „0“ sein. Vorteilhaft ist, wenn die Gewichte, die nach dem Anlernen des tiefen neuronalen Netz auf den diskreten Wert „0“ abgebildet wurden, entfernt werden. Dies hat den Vorteil, dass nach dem Anlernen des tiefen neuronalen Netzes diese Gewichte ohne Beeinträchtigung der Leistungsfähigkeit des tiefen neuronalen Netzes entfernt werden können und damit eine zusätzliche Komprimierung des tiefen neuronalen Netzes, aber auch eine zusätzliche Reduktion des Rechenaufwands und des Speicherplatzbedarfs erreicht werden kann.Likewise, in a further embodiment of the method, at least one of the at least two predefinable discrete values may be the value "0". It is advantageous if the weights that were mapped to the discrete value "0" after the deep neural network had been trained are removed. This has the advantage that after learning the deep neural network these weights can be removed without affecting the performance of the deep neural network and thus an additional compression of the deep neural network, but also an additional reduction of the computational effort and storage space requirements can be achieved.
  • Vorteilhaft ist, wenn die a-Posteriori-Verteilungsfunktionen anhand jeweils einer Normalverteilung charakterisiert ist.It is advantageous if the a posteriori distribution functions are characterized on the basis of a respective normal distribution.
  • Weiterhin ist es vorteilhaft, wenn die Abfolge der Schritte des Ermittelns der die Kostenfunktion charakterisierenden Größe und des Anlernens des tiefen neuronalen Netzes mehrfach wiederholt wird, bis ein Abbruchkriterium erfüllt ist. Das Abbruchkriterium kann zum Beispiel eine vorgebbare Anzahl an Wiederholungen der Abfolge der Schritte sein. Optional kann als Abbruchkriterium definiert sein, dass die die Kostenfunktion charakterisierende Größe kleiner als eine vorgebbare Größe sein muss und/oder die Gewichte jeweils einen Wert der zumindest zwei vorgebbaren diskreten Werten angenommen haben bzw. sich innerhalb eines vorgebbaren Bereichs um einen der zumindest zwei vorgebbaren diskreten Werte befinden.Furthermore, it is advantageous if the sequence of steps of determining the variable characterizing the cost function and learning the deep neural network is repeated several times until an abort criterion is met. The abort criterion can be, for example, a predefinable number of repetitions of the sequence of steps. Optionally, it can be defined as a termination criterion that the variable characterizing the cost function must be smaller than a predefinable size and / or the weights have each adopted a value of the at least two predefinable discrete values or within one predeterminable range around one of the at least two predefinable discrete Values are located.
  • Vorteilhaft ist auch, wenn eine jede Schicht jeweils einen Schwellenwert aufweist, wobei die Bestrafungsgröße zusätzlich eine Abweichung eines Schwellenwertes von wenigstens weiteren zumindest zwei vorgebbaren diskreten Werten charakterisiert, wobei beim Anlernen des tiefen neuronalen Netzes, einer der Schwellenwerte abhängig von der die Kostenfunktion charakterisierenden Größe angepasst wird. Unter einem Schwellenwert wird ein Wert verstanden, welcher eine Übertragungsfunktion der Neuronen dieser Schicht charakterisiert. Die Übertragungsfunktion ermittelt abhängig von einer Eingangsgröße und einer vorgebbaren Funktion eine Ausgangsgröße. Dabei können die oben genannten unterschiedlichen Ausführungsformen des Verfahrens auch für die Anpassung der Schwellenwerte der Schichten zu diskreten Schwellenwerten beim Erstellen des tiefen neuronalen Netzes verwendet werden. Hierfür muss nur das Wort „Gewicht“ aller oben genannten Verfahrensschritte mit dem Wort „Schwellenwert“ ausgetauscht werden.It is also advantageous if each layer in each case has a threshold value, wherein the puncturing variable additionally characterizes a deviation of a threshold value from at least further at least two predefinable discrete values, wherein when learning the deep neural network, one of the threshold values is adjusted depending on the variable characterizing the cost function becomes. A threshold value is understood to be a value which characterizes a transfer function of the neurons of this layer. The transfer function determines an output variable depending on an input variable and a predefinable function. In this case, the above-mentioned different embodiments of the method can also be used for the adaptation of the threshold values of the layers to discrete threshold values when creating the deep neural network. For this, only the word "weight" of all the above-mentioned method steps with the word "threshold value" has to be exchanged.
  • In einer vorteilhaften Weiterentwicklung des Verfahrens, wird nach dem Anlernen des tiefen neuronalen Netzes, eine Eingangsgröße des tiefen neuronalen Netzes ermittelt. Ein Objekt wird dann mittels des angelernten tiefen neuronalen Netzes abhängig von der ermittelten Eingangsgröße detektiert und vorteilhafterweise wird eine zumindest teilautonome Maschine anschließend abhängig von dem detektierten Objekt angesteuert. Eine zumindest teilautonome Maschine kann zum Beispiel ein Roboter, insbesondere ein Fahrzeug, sein. Denkbar ist auch, dass das Verfahren verwendet werden kann, um tiefe neuronale Netze zu erstellen, die auf einer mobilen Recheneinheit betrieben werden können. Eine mobile Recheneinheit, insbesondere Mobiltelefone oder Kameras, sind durch einen limitierten Speicherplatz, begrenzte Rechenleistung und eingeschränkter Energieversorgung, gekennzeichnet. Das tiefe neuronale Netz kann neben der Objektdetektion alternativ zum Beispiel zur Klassifikation, semantische Segmentierung oder Regression erstellt, angelernt und/oder verwendet werden.In an advantageous development of the method, an input of the deep neural network is determined after learning the deep neural network. An object is then detected by means of the learned deep neural network as a function of the determined input variable, and advantageously an at least partially autonomous machine is subsequently controlled as a function of the detected object. An at least partially autonomous machine can be, for example, a robot, in particular a vehicle. It is also conceivable that the method can be used to create deep neural networks that can be operated on a mobile computing unit. A mobile computing unit, in particular mobile phones or cameras, are characterized by a limited storage space, limited computing power and limited power supply. The deep neural network can be created, taught and / or used in addition to the object detection alternative, for example, for classification, semantic segmentation or regression.
  • In einem weiteren Aspekt betrifft die Erfindung ein Computerprogramm, welches Befehle umfasst, die beim Ausführen auf einem Computer bewirken, dass eines der oben genannten Verfahren ausgeführt wird und ferner ein maschinenlesbares Speicherelement, auf welchem das Computerprogramm gespeichert ist.In a further aspect, the invention relates to a computer program comprising instructions which, when executed on a computer, cause one of the above-mentioned methods to be carried out, and further a machine-readable memory element on which the computer program is stored.
  • In einem weiteren Aspekt betrifft die Erfindung eine Vorrichtung, die eingerichtet ist, jeden Schritt eines der Verfahren auszuführen.In another aspect, the invention relates to a device configured to perform each step of one of the methods.
  • Ausführungsbeispiele der vorliegenden Erfindung sind in den beiliegenden Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Dabei zeigen:Embodiments of the present invention are illustrated in the accompanying drawings and explained in more detail in the following description. Showing:
  • Figurenlistelist of figures
    • 1 eine schematische Darstellung eines Systems mit einem tiefen neuronalen Netz zur Detektion eines Objektes; 1 a schematic representation of a system with a deep neural network for the detection of an object;
    • 2A eine schematische Darstellung einer a-Priori-Verteilungsfunktion, die eine Mehrzahl von vorgebbaren diskreten Werte charakterisiert; 2A a schematic representation of an a priori distribution function that characterizes a plurality of predetermined discrete values;
    • 2B eine schematische Darstellung einer a-Posteriori-Verteilungsfunktion eines Gewichts; 2 B a schematic representation of a posteriori distribution function of a weight;
    • 3 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Verfahrens; 3 a schematic representation of an embodiment of the method according to the invention;
    • 4 eine schematische Darstellung der Verteilung und zeitlichen Entwicklung der Werte der Gewichte beim Anlernen eines beispielhaft verwendeten tiefen neuronalen Netzes mit zwei vollvermaschten Schichten und zwei Faltungsschichten. 4 a schematic representation of the distribution and temporal evolution of the values of the weights when teaching an example used deep neural network with two fully meshed layers and two folding layers.
  • 1 zeigt eine schematische Darstellung einer Ausführungsform eines Systems (01) zur Detektion eines Objektes und zur Ansteuerung einer zumindest teilautonomen Maschine abhängig vom detektieren Objekt. Das System (01) umfasst eine Mehrzahl von in Reihe miteinander verbundenen Komponenten (14,10,15). Die Komponente (14) ist eine Erfassungseinheit, welche eine Eingangsgröße für das tiefe neuronale Netz (10) erfasst und diese dem tiefen neuronalen Netz (10) bereitstellt. Der Ausgang des tiefen neuronalen Netzes (10) ist mit einer Steuereinheit (15) verbunden. Die Steuereinheit (15) ist dafür eingerichtet, abhängig von der Ausgangsgröße des tiefen neuronalen Netzes (10) eine Steuergröße zu ermitteln, um damit beispielsweise einen Roboter, insbesondere ein Fahrzeug, zu steuern. Des Weiteren umfasst das System (01) eine Recheneinheit (16), welche ein Speicherelement (17) aufweist. Die Recheneinheit (16) kann mit dem tiefen neuronalen Netz (10) verbunden sein. 1 shows a schematic representation of an embodiment of a system ( 01 ) for detecting an object and for driving an at least partially autonomous machine depending on the detected object. The system ( 01 ) comprises a plurality of components ( 14 . 10 . 15 ). The component ( 14 ) is a detection unit which is an input to the deep neural network ( 10 ) and this the deep neural network ( 10 ). The output of the deep neural network ( 10 ) is equipped with a control unit ( 15 ) connected. The control unit ( 15 ) is set up, depending on the output of the deep neural network ( 10 ) to determine a control variable in order to control, for example, a robot, in particular a vehicle. Furthermore, the system comprises ( 01 ) a computing unit ( 16 ), which is a memory element ( 17 ) having. The arithmetic unit ( 16 ) can with the deep neural network ( 10 ).
  • Das tiefe neuronale Netz (10) besteht aus einer Mehrzahl von Schichten (12), die jeweils eine Mehrzahl von Neuronen (11) umfassen. Die Neuronen (11) besitzen jeweils wenigstens einen Eingang und einen Ausgang. Das Neuron ermittelt eine Ausgangsgröße abhängig von einer Übertragungsfunktion, insbesondere einer parametrisierbaren ReLu-Funktion oder einer Sigmoidfunktion, und der Eingangsgröße des Neuron (11). Die Neuronen einer vorgebbaren Schicht (12) sind mittels Verbindungen (13) mit den Neuronen einer nachfolgenden Schicht verbunden. Beispielsweise können die Ausgänge jedes der Neuronen der vorgebbaren Schicht (12) mit allen Eingängen der Neuronen (11) der unmittelbar nachfolgenden Schicht verbunden sein, wie dies in 1 im rechten Teil des tiefen neuronalen Netz (10) schematisch dargestellt ist und im Folgenden als vollvermaschte Schicht (englisch: „fully connected“) bezeichnet wird. Denkbar ist aber auch, dass nicht jeder Ausgang eines Neurons einer Schicht mit jedem Eingang eines Neurons einer der nachfolgenden Schicht verbunden ist, wie dies im linken Teil des tiefen neuronalen Netzes (10) dargestellt ist. Ebenso ist denkbar, dass der Ausgang eines Neurons mit einem Eingang eines Neurons einer nicht unmittelbar nachfolgenden Schicht (z.B. eine „shortcut connection/skip connection“) oder mit einer vorhergehenden Schicht verbunden ist. Es sei angemerkt, dass dies nicht in 1 dargestellt ist.The deep neural network ( 10 ) consists of a plurality of layers ( 12 ), each having a plurality of neurons ( 11 ). The neurons ( 11 ) each have at least one input and one output. The neuron determines an output variable depending on a transfer function, in particular a parametrizable ReLu function or a sigmoid function, and the input value of the neuron ( 11 ). The neurons of a predefinable layer ( 12 ) are by means of compounds ( 13 ) are connected to the neurons of a subsequent layer. For example, the outputs of each of the neurons of the predeterminable layer ( 12 ) with all inputs of the neurons ( 11 ) of the immediately following layer, as shown in FIG 1 in the right part of the deep neural network ( 10 ) is shown schematically and hereinafter referred to as fully meshed layer (English: "fully connected") is called. However, it is also conceivable that not every output of a neuron of a layer is connected to each input of a neuron of a subsequent layer, as in the left part of the deep neural network ( 10 ) is shown. It is also conceivable that the output of a neuron is connected to an input of a neuron of a not immediately following layer (eg a "shortcut connection / skip connection") or to a preceding layer. It should be noted that this is not in 1 is shown.
  • Jeder Verbindung (13) ist ein Gewicht zugewiesen. Mittels dieses Gewichtes, wird die Ausgangsgröße eines Neurons gewichtet und als Eingangsgröße für das nachfolgende Neuron bereitgestellt. Bevorzugt hat jedes Gewicht einen Wert zwischen einschließlich -1 und 1 und die Ausgangsgröße des Neurons wird durch eine Multiplikation mit diesem Wert gewichtet und kann dann als Eingangsgröße des mit der Verbindung (13) verbundenen Neurons verwendet werden.Each connection ( 13 ) is assigned a weight. By means of this weight, the output of one neuron is weighted and provided as an input to the subsequent neuron. Preferably, each weight has a value between -1 and 1 inclusive, and the output of the neuron is weighted by multiplying it by that value and can then be used as input to 13 ) associated neurons.
  • 2A zeigt eine schematische Darstellung einer möglichen a-Priori-Verteilungsfunktion (20), welche die Auftrittswahrscheinlichkeit p(w) der vorgebbaren diskreten Werte w (21) beschreibt. Die a-Priori-Verteilungsfunktion (20) ist eine Verteilungsfunktion, welche eine getroffene Annahme über die Verteilung der Gewichtswerte beschreibt. Die Annahme kann beispielhaft sein, dass die Werte w eines Gewichts nur diskret und gleichverteilt sind. Wie in 2A gezeigt, wird hier angenommen, dass das Gewicht nur 3 unterschiedliche diskrete Werte (21) annehmen kann und diesen jeweils eine Auftrittswahrscheinlichkeit (22) zugeordnet ist. In einer alternativen Ausführungsform können auch zwei oder mehr als drei unterschiedliche diskrete Werte (21) durch die a-Priori-Verteilungsfunktion (20) beschrieben werden. Vorteilhaft ist, wenn ein vorgebbarer diskreter Wert (21) gleich „0“ ist, welches ein einfaches Entfernen redundanter Gewichte ermöglicht. Ein Gewicht, welches den Wert „0“ annimmt, ist dabei redundant, da die Information der Eingangsgröße durch eine Multiplikation mit „0“ verloren geht. Eine Stufenbreite (23), d.h. eine Distanz zwischen zwei vorgebbaren diskreten Werten, kann beliebig groß gewählt werden. Die Stufenbreite (23) ist aber bevorzugt proportional zu einer Anzahl der verwendeten Bits zur Darstellung der vorgebbaren diskreten Werte in der Recheneinheit (16). 2A shows a schematic representation of a possible a priori distribution function (20), which the probability of occurrence p (w) of the predetermined discrete values w ( 21 ) describes. The a priori distribution function ( 20 ) is a distribution function which describes an assumption made about the distribution of weight values. The assumption may be exemplary that the values w of a weight are only discrete and evenly distributed. As in 2A shown here, the weight is assumed to be only 3 different discrete values ( 21 ) and each have a probability of occurrence ( 22 ) assigned. In an alternative embodiment, two or more than three different discrete values ( 21 ) by the a priori distribution function ( 20 ) to be discribed. It is advantageous if a predefinable discrete value ( 21 ) is equal to "0", which allows easy removal of redundant weights. A weight which assumes the value "0" is redundant since the information of the input variable is lost by a multiplication by "0". One step width ( 23 ), ie a distance between two predeterminable discrete values, can be chosen arbitrarily large. The step width ( 23 ) but is preferably proportional to a number of the bits used to represent the predefinable discrete values in the arithmetic unit ( 16 ).
  • Die a-Priori-Verteilungsfunktion (20) kann im Folgenden dazu verwendet werden, um das tiefe neuronale Netz (10) anzulernen, sodass die Werte der Gewichte, insbesondere ausschließlich, einen der vorgebbaren diskreten Werte annehmen.The a priori distribution function ( 20 ) can be used below to describe the deep neural network ( 10 ), so that the values of the weights, in particular exclusively, assume one of the predefinable discrete values.
  • Im Ausführungsbeispiel wird die a-Priori-Verteilungsfunktion (20) beispielhaft wie folgt gewählt: p ( w ) ≈ ∑ k = 1 n 1 / n | w − c k |
    Figure DE102017218851A1_0001
    wobei n einer Anzahl an vorgebbaren diskreten Werten entspricht, w ist der Wert des Gewichtes und ck jeweils der k-te vorgebbare diskrete Wert.    In the exemplary embodiment, the a-priori distribution function ( 20 ) by way of example as follows: p ( w ) ≈ Σ k = 1 n 1 / n | w - c k |
    Figure DE102017218851A1_0001
     where n corresponds to a number of predefinable discrete values, w is the value of the weight and c k in each case the k-th specifiable discrete value.
  • 2B zeigt eine schematische Darstellung einer a-Posteriori-Verteilungsfunktion (24). Die a-Posteriori-Verteilungsfunktion (24) ist vorzugsweise eine Normalverteilung und kann zu Beginn des Verfahrens, insbesondere zufällig, initialisiert werden. Die a-Posteriori-Verteilungsfunktion (24) beschreibt die Auftrittswahrscheinlichkeit q(w) eines Wertes w eines Gewichtes. Während des Anlernens des tiefen neuronalen Netzes (10) kann die a-Posteriori-Verteilungsfunktion (24) angepasst werden, sodass sich diese einem geeigneten Wert w des Gewichtes annähert für die verwendete Trainingsgröße. Ein geeigneter Wert w eines Gewichtes ist dadurch charakterisiert, dass das tiefe neuronale Netz (10) anhand des geeigneten Wertes w des Gewichtes die vorgegebene Aufgabe, insbesondere einer Detektion eines Objektes in der Eingangsgröße des tiefen neuronalen Netzes (10), zuverlässig löst. 2B zeigt eine beispielhaft initialisierte a-Posteriori-Verteilungsfunktion (25a), welche während des Anlernens des tiefen neuronalen Netzes (10) angepasst wird. Diese angepasste a-Posteriori-Verteilungsfunktion (25b) beschreibt dann die Auftrittswahrscheinlichkeit q(w) des Wertes w des Gewichts, nachdem eine Trainingsgröße zum Anlernen des tiefen neuronalen Netzes (10) verwendet wurde. 2 B shows a schematic representation of a posteriori distribution function ( 24 ). The a posteriori distribution function ( 24 ) is preferably a normal distribution and can be initialized at the beginning of the process, in particular at random. The a posteriori distribution function ( 24 ) describes the probability of occurrence q (f) a value w of a weight. While learning the deep neural network ( 10 ), the a-posteriori distribution function ( 24 ), so that they have a suitable value w of weight approximates the training size used. A suitable value w of a weight is characterized by the fact that the deep neural network ( 10 ) based on the appropriate value w the weight of the given task, in particular a detection of an object in the input of the deep neural network ( 10 ), reliably releases. 2 B shows an exemplary initialized a-posteriori distribution function ( 25a ), which during the learning of the deep neural network ( 10 ) is adjusted. This custom a-posteriori distribution function ( 25b ) then describes the probability of occurrence q (f) of value w of weight, after training to train the deep neural network ( 10 ) was used.
  • 3 zeigt eine schematische Darstellung eines Ablaufdiagramms einer Ausführungsform des Verfahrens (30) zur Erstellung eines tiefen neuronalen Netzes, bei welchem die Gewichte nach Erstellen des tiefen neuronalen Netzes einen Wert einer vorgebbaren Liste vorgebbaren diskreten Werten aufweisen. 3 1 shows a schematic representation of a flow chart of an embodiment of the method (FIG. 30 ) for creating a deep neural network, in which the weights have a value of a predefinable list of predeterminable discrete values after creation of the deep neural network.
  • Das Verfahren (30) beginnt mit Schritt 31. In Schritt 31 wird dem tiefen neuronalen Netz (10) eine Trainingseingangsgröße bereitgestellt. Nachdem die Trainingsgröße bereitgestellt wurde, kann optional die a-Posteriori-Verteilungsfunktion (24) der Gewichte, insbesondere zufällig, initialisiert werden. Ebenso kann in Schritt 31 die a-Priori-Verteilungsfunktion (20) aufgestellt werden. Bevorzugt wird jedem Gewicht des tiefen neuronalen Netzes (10) jeweils eine a-Priori-Verteilungsfunktion (20) und eine a-Posteriori-Verteilungsfunktion (24) zugeordnet. Das Aufstellen der a-Priori-Verteilungsfunktion (20) kann beispielhaft durchgeführt werden, in dem aus bereits angelernten tiefen neuronalen Netzen beispielhaft für ähnliche Anwendungsgebiete die Verteilung der Werte der Gewichte erfasst werden, um daraus die a-Priori-Verteilungsfunktion (20) abzuleiten. Das Ableiten der a-Priori-Verteilungsfunktion (20) kann z.B. mittels einer Clusteranalyse der Gewichtswerte und einer Betrachtung der Häufigkeit des Auftretens der unterschiedlichen Gewichtswerte durchgeführt werden. Die ermittelten Clusterzentren nach der Clusteranalyse können als vorgebbare diskrete Werte genutzt werden und diesen kann jeweils eine Auftrittswahrscheinlichkeit anhand der Betrachtung der Häufigkeit des Auftretens der jeweiligen Werte zugeordnet werden, was bspw. durch die a-Priori-Verteilungsfunktion charakterisiert werden kann. Alternativ kann die a-Priori-Verteilungsfunktion (20) anhand einer Liste mit vorgebbaren diskreten Werten (21) und deren, insbesondere angenommenen oder abgeschätzten, Auftrittswahrscheinlichkeit p(w) aufgestellt werden. Alternativ kann die a-Priori-Verteilungsfunktion (20) beispielsweise wie oben in (Gl. 1) gezeigt, gewählt werden oder als eine Log-Uniform-Verteilungsfunktion gewählt werden. Die a-Priori-Verteilungsfunktion (20) kann entweder für jedes Gewicht des tiefen neuronalen Netzes (10) verwendet werden, oder es können mehrere unterschiedliche a-Priori-Verteilungsfunktion (20) für jeweils eine ausgewählte Untermenge der Gewichte des tiefen neuronalen Netzes (10) verwendet werden.The procedure ( 30 ) starts with step 31 , In step 31 is the deep neural network ( 10 ) provided a training input. After the training size has been deployed, the a posteriori distribution function ( 24 ) of the weights, in particular randomly, are initialized. Likewise, in step 31 the a-priori distribution function ( 20 ) are set up. Preference is given to each weight of the deep neural network ( 10 ) each have an a priori distribution function ( 20 ) and an a-posteriori distribution function ( 24 ). Setting up the a priori distribution function ( 20 ) can be carried out by way of example, in which the distribution of the values of the weights is detected from previously learned deep neural networks by way of example for similar fields of application in order to derive the a-priori distribution function ( 20 ). The derivation of the a priori distribution function ( 20 ) can be carried out, for example, by means of a cluster analysis of the weight values and a consideration of the frequency of occurrence of the different weight values. The determined cluster centers after the cluster analysis can be used as specifiable discrete values and these can each be assigned a probability of occurrence on the basis of consideration of the frequency of occurrence of the respective values, which can be characterized, for example, by the a priori distribution function. Alternatively, the a-priori distribution function ( 20 ) based on a list of predefinable discrete values ( 21 ) and their, in particular assumed or estimated, probability of occurrence p (w). Alternatively, the a-priori distribution function ( 20 ), for example, as shown in (Eq. 1) above, or selected as a log uniform distribution function. The a priori distribution function ( 20 ) can be calculated either for each weight of the deep neural network ( 10 ) or several different a-priori distribution functions ( 20 ) for a selected subset of the weights of the deep neural network ( 10 ) be used.
  • Nachdem Schritt 31 abgeschlossen wurde, folgt Schritt 32. In Schritt 32 wird in Abhängigkeit der Gewichte und der ermittelten Ausgangsgröße des tiefen neuronalen Netzes (10) und einer vorgebbaren Soll-Ausgangsgröße des tiefen neuronalen Netzes (10) eine erste Größe einer Kostenfunktion ermittelt.After step 31 completed, follow step 32 , In step 32 depending on the weights and the determined output of the deep neural network ( 10 ) and a predefinable desired output of the deep neural network ( 10 ) determines a first size of a cost function.
  • Da die Gewichte in diesem Ausführungsbeispiel des Verfahrens anhand von Verteilungsfunktionen beschrieben sind, kann zum Beispiel die erste Größe mit einer Kreuzentropie-Fehlerfunktion LD,1 ermittelt werden: L D ,1 = ∑ D E q ( w ) [ log ( p ( y | x , w ) ]
    Figure DE102017218851A1_0002
    wobei D die Trainingsgröße umfasst, E q ( w ) [ ⋅ ]
    Figure DE102017218851A1_0003
    den Erwartungswertoperator angewandt auf q(w) darstellt und der bedingte Wahrscheinlichkeit p(y|x, w), dass mit den Werten w der Gewichte, die Eingangsdaten x der Trainingsgröße D eine richtige Soll-Ausgangsgröße y ermittelt wurde.    For example, since the weights in this embodiment of the method are described in terms of distribution functions, the first variable may have a cross-entropy error function L D, 1 be determined: L D ,1 = Σ D e q ( w ) [ log ( p ( y | x . w ) ]
    Figure DE102017218851A1_0002
     where D is the training size, e q ( w ) [ ⋅ ]
    Figure DE102017218851A1_0003
     represents the expected value operator applied to q (w) and the conditional probability p (y | x, w) that with the values w of the weights, the input data x of the training quantity D a correct target output y was determined.
  • Zusätzlich wird zu der ersten Größe der Kostenfunktion in Schritt 32 eine Bestrafungsgröße ermittelt. Die Bestrafungsgröße charakterisiert dabei eine Abweichung eines Wertes einer der Gewichte von wenigstens einem der vorgebbaren diskreten Werte. Da die Gewichte in diesem Ausführungsbeispiel anhand von Verteilungsfunktion beschrieben werden, kann die Bestrafungsgröße vorzugsweise mittels einer Kullback-Leibler (KL) Divergenz ermittelt werden. Diese kann beispielsweise mit folgender Formel dargestellt werden: L D , K L = − D L ( q ( w ) ‖ p ( w ) )
    Figure DE102017218851A1_0004
    wobei DL(q(w)∥p(w)) die KL Divergenz zwischen der a-Posteriori- Verteilungsfunktion q(w) und der a-Priori-Verteilungsfunktion q(w) ist.    Additionally, the first size of the cost function is incremented in step 32 determined a punishment size. The punishment variable thereby characterizes a deviation of a value of one of the weights of at least one of the predeterminable discrete values. Since the weights in this embodiment are described by means of distribution function, the puncture size can preferably be determined by means of a Kullback-Leibler ( KL ) Divergence can be determined. This can be represented, for example, with the following formula: L D . K L = - D L ( q ( w ) ‖ p ( w ) )
    Figure DE102017218851A1_0004
     where DL (q (w) ∥p (w)) the KL Divergence between the a posteriori distribution function q (f) and the a priori distribution function q (f) is.
  • Denkbar ist auch, dass die Bestrafungsgröße durch eine andere mathematische Operation, wie z.B. durch ein mathematisches Distanzmaß (wie u.a. eine Euklidische Distanz) eine Abweichung der Werte der Gewichte zu vorgebbaren diskreten Werten bestimmt wird und/oder mehrere, vornehmlich unterschiedliche, Bestrafungsgrößen ermittelt werden.It is also conceivable that the punishment size by another mathematical operation, such as by a mathematical distance measure (such as a Euclidean distance), a deviation of the Values of the weights are determined to predetermined discrete values and / or several, mainly different, punishment sizes are determined.
  • Abhängig von der Wahl der a-Priori-Verteilungsfunktion (20), besitzt die Bestrafungsgröße keine analytisch geschlossene Lösung, diese kann aber approximiert werden.Depending on the choice of the a priori distribution function ( 20 ), the punishment size has no analytically closed solution, but this can be approximated.
  • Wenn die a-Priori-Verteilungsfunktion (20) die Struktur nach (Gl. 1) aufweist und die Abweichung zwischen den beiden Verteilungsfunktionen ermittelt werden soll, kann z.B. die KL Divergenz geeignet approximiert werden, um die Abweichung zu ermitteln. Die Approximation der KL Divergenz nach (Gl. 3) mit der a-Posteriori-Verteilungsfunktion p(w) nach (Gl. 1) kann mit den nachfolgenden Schritten durchgeführt werden.If the a-priori distribution function ( 20 ) has the structure according to (Eq. 1) and the deviation between the two distribution functions is to be determined, eg KL Divergence be approximated suitable to determine the deviation. The approximation of KL Divergence according to (Eq.3) with the a posteriori distribution function p (w) according to (equation 1) can be carried out with the following steps.
  • Zuerst kann eine Abweichung der a-Posteriori-Verteilungsfunktion (24) zu einer Log-Uniform-Verteilungsfunktion ermittelt werden, beispielsweise mit einer KL-Divergenz zwischen diesen zwei Verteilungsfunktionen. Die Log-Uniform-Verteilungsfunktion kann verwendet werden, da zur Abweichung der Log-Uniform-Verteilungsfunktion zu der a-Posteriori-Verteilungsfunktion (24) Verfahren in der Literatur bekannt sind, wie z.B. ein Monte-Carlo-Sampling. Anschließend kann die ermittelte Abweichung an die Position der jeweiligen diskreten Werte verschoben werden. Diese verschobenen Abweichungen stellen dabei jeweils eine stückweise ermittelte Abweichung der gesamten Abweichung der a-Priori-Verteilungsfunktion (20) zu der a-Posteriori-Verteilungsfunktion (24) dar. Danach wird jede verschobene Abweichung mittels einer Gewichtungsfunktion, insbesondere einer Gaußglockenfunktion, die um die Position des vorgebbaren diskreten Werts zentriert ist, gewichtet. Nach der Gewichtung mit der jeweiligen Gewichtungsfunktion der einzelnen Abweichungen, werden diese nach einer vorgebbaren Gewichtung gewichtet aufsummiert. Bevorzugt wird für die vorgebbare Gewichtung der Erwartungswert der a-Posteriori-Verteilungsfunktion (24) gewählt. Diese gewichtete Summation der einzelnen Abweichungen entspricht einer approximierten KL Divergenz der a-Priori-Verteilungsfunktion (20) und der a-Posteriori-Verteilungsfunktion (24) nach (Gl. 3).First, a deviation of the a posteriori distribution function ( 24 ) to a log uniform distribution function, for example with a KL divergence between these two distribution functions. The log uniform distribution function can be used because the deviation from the log uniform distribution function to the a posteriori distribution function ( 24 ) Methods are known in the literature, such as a Monte Carlo sampling. Subsequently, the determined deviation can be shifted to the position of the respective discrete values. These shifted deviations each represent a piecewise determined deviation of the total deviation of the a priori distribution function ( 20 ) to the a posteriori distribution function ( 24 Thereafter, each offset deviation is weighted by means of a weighting function, in particular a Gaussian bell function, which is centered about the position of the predeterminable discrete value. After the weighting with the respective weighting function of the individual deviations, these are added up weighted according to a predeterminable weighting. For the specifiable weighting, the expected value of the a posteriori distribution function ( 24 ). This weighted summation of the individual deviations corresponds to an approximated one KL Divergence of the a priori distribution function ( 20 ) and the a posteriori distribution function ( 24 ) according to (equation 3).
  • Um die Approximation der KL Divergenz mit einer höheren Genauigkeit durchzuführen, kann zum Beispiel eine der Gewichtungsfunktion einer ermittelten KL Divergenz anderweitig gewählt werden. Bevorzugt hat diese Gewichtungsfunktion die Struktur, dass von einem vorgebbaren Wert, insbesondere „1“, die Summe der verwendeten Gewichtungsfunktion abgezogen wird.In order to approximate the KL Divergence with a higher accuracy, for example, one of the weighting function of a determined KL Divergence be chosen otherwise. This weighting function preferably has the structure that the sum of the weighting function used is subtracted from a predefinable value, in particular "1".
  • Nachdem die KL Divergenz ermittelt wurde, wird eine Summation der ersten Größe nach (Gl. 2) und der Bestrafungsgröße nach (Gl. 3) durchgeführt. Diese Summation stellt dann eine die Kostenfunktion charakterisierende Größe dar. Denkbar ist aber auch, dass die erste Größe nach (Gl. 2) und die Bestrafungsgröße nach (Gl. 3) durch andere mathematische Operationen miteinander verknüpft werden können. Wenn mehrere Bestrafungsgrößen ermittelt wurden, können diese ebenfalls in der die Kostenfunktion charakterisierende Größe berücksichtig werden.after the KL Divergence is determined, a summation of the first size after (equation 2) and the punishment size after (equation 3) is performed. This summation then represents a variable characterizing the cost function. It is also conceivable, however, that the first variable according to (equation 2) and the punishment variable according to (equation 3) can be linked to one another by other mathematical operations. If several punishment variables have been determined, these can likewise be taken into account in the variable characterizing the cost function.
  • Wenn Schritt 32 mit der Ermittlung der die Kostenfunktion charakterisierenden Größe beendet wurde, folgt Schritt 33. In Schritt 33 wird das tiefe neuronale Netz (10) angelernt. Beim Anlernen des tiefen neuronalen Netzes (10) werden die Werte der Gewichte ermittelt, sodass das tiefe neuronale Netz (10) beispielhaft Objekte in der Eingangsgröße des tiefen neuronalen Netzes (10) detektieren kann. Dabei werden, abhängig von der die Kostenfunktion charakterisierenden Größe, die Werte der Gewichte angepasst, sodass das tiefe neuronale Netz (10) Objekte detektieren kann. Bevorzugt wird mit einem Optimierungsverfahren, insbesondere einem Gradientenabstiegsverfahren, eine Änderungsgröße der Gewichte ermittelt, sodass nach Berücksichtigung der Änderungsgröße bei zumindest einer Mehrzahl der Gewichte, die die Kostenfunktion charakterisierende Größe minimiert wird. Denkbar ist auch, dass die a-Posteriori-Verteilungsfunktion abhängig von der die Kostenfunktion charakterisierenden Größe angepasst wird und die Werte der Gewichte abhängig von der angepassten a-Posteriori-Verteilungsfunktion (24) angepasst werden, insbesondere durch Verwenden des Erwartungswertes der a-Posteriori-Verteilungsfunktion (24) als angepassten Wert des Gewichtes. Wenn die a-Posteriori-Verteilungsfunktion (24) eine Normalverteilung ist, kann abhängig von der ermittelten Änderungsgröße, der Erwartungswert und die Standardabweichung der Normalverteilung angepasst werden. Durch Anpassung des Erwartungswertes und der Standardabweichung der Normalverteilung, kann diese nach Verwendung der Trainingsgröße zum Anlernen des tiefen neuronalen Netzes (10) die Auftrittswahrscheinlichkeiten geeigneter Werte dieses Gewichts beschreiben.When step 32 has been completed with the determination of the size characterizing the cost function, step follows 33 , In step 33 becomes the deep neural network ( 10 ) learned. When learning the deep neural network ( 10 ), the values of the weights are determined so that the deep neural network ( 10 ) exemplary objects in the input of the deep neural network ( 10 ) can detect. Depending on the variable characterizing the cost function, the values of the weights are adjusted so that the deep neural network ( 10 ) Can detect objects. Preferably, an alteration variable of the weights is determined with an optimization method, in particular a gradient descent method, such that after taking into account the change variable in at least a majority of the weights, the variable characterizing the cost function is minimized. It is also conceivable that the a-posteriori distribution function is adapted as a function of the variable characterizing the cost function and the values of the weights are adjusted as a function of the adapted a posteriori distribution function (FIG. 24 ), in particular by using the expected value of the a-posteriori distribution function ( 24 ) as the adjusted value of the weight. If the a posteriori distribution function ( 24 ) is a normal distribution, can be adjusted depending on the determined change size, the expected value and the standard deviation of the normal distribution. By adapting the expected value and the standard deviation of the normal distribution, this can be determined after using the training variable for training the deep neural network ( 10 ) describe the occurrence probabilities of suitable values of this weight.
  • Nach Schritt 33 wird Schritt 34 eingeleitet. In Schritt 34 werden die Werte der Gewichte abgespeichert. Wenn der Wert eines der Gewichte einen Wert ähnlich zu einem vorgebbaren diskreten Wert aus der Liste diskreter Werte aufweist, wird der diskrete Wert aus der Liste diskreter Werte als Wert dieses Gewichts abgespeichert. Unter ähnlich wird verstanden, dass, wenn der Wert eines der Gewichte näher zu einem von zwei vorgebbaren diskreten Werten liegt, der Wert dieses Gewichtes ähnlich zu dem näher liegenden diskreten Wert ist. Wenn der Wert eines der Gewichte nur einen vorgebbaren diskreten Wert als nächstliegenden Wert aufweist, kann dieser ähnlich zu diesem vorgebbaren diskreten Wert sein.After step 33 will step 34 initiated. In step 34 the values of the weights are stored. If the value of one of the weights has a value similar to a predeterminable discrete value from the list of discrete values, the discrete value is stored from the list of discrete values as the value of that weight. By similar, it is understood that when the value of one of the weights is closer to one of two predeterminable discrete values, the value of that weight is similar to the closer discrete value. If the value of one of the weights is only a predeterminable discrete value than This value may be similar to this predeterminable discrete value.
  • Bevorzugt wird der diskrete Wert des Gewichtes in Form eines Indexes des diskreten Wertes gespeichert, wobei jedem vorgebbaren diskreten Wert aus der Liste diskreter Werte ein Index zugeordnet ist. Dadurch kann die Speicherung des Wertes dieses Gewichtes durch die Abspeicherung des Indexes durchgeführt werden. Damit muss nur die Liste mit diskreten Werten mit einer hohen Genauigkeit abgespeichert werden, während die Werte der Gewichte in Form eines Indexes mit geringen Speicheraufwand abgespeichert werden können.Preferably, the discrete value of the weight is stored in the form of an index of the discrete value, wherein an index is assigned to each predeterminable discrete value from the list of discrete values. As a result, the storage of the value of this weight can be carried out by storing the index. Thus, only the list of discrete values needs to be stored with high accuracy, while the values of the weights can be stored in the form of an index with little memory overhead.
  • In einem weiteren Ausführungsbeispiel des Verfahrens (30) ist denkbar, dass nach Beendigung des Schrittes 34 ein nachfolgender Schritt eingeleitet wird. In diesem nachfolgenden Schritt kann mittels der Erfassungseinheit (14) eine Eingangsgröße dem tiefen neuronalen Netz (10) bereitgestellt werden. Anschließend wird in diesem Schritt mittels des tiefen neuronalen Netzes (10) in Abhängigkeit der bereitgestellten Eingangsgrößen und den Gewichten eine Ausgangsgröße ermittelt. Diese Ausgangsgröße kann von der Steuerungseinheit (15) verwendet werden, um eine Steuerungsgröße zu ermitteln. Mit dieser Steuerungsgröße kann zum Beispiel ein Roboter, insbesondere ein Fahrzeug, angesteuert werden.In a further embodiment of the method ( 30 ) is conceivable that after completion of the step 34 a subsequent step is initiated. In this subsequent step, by means of the registration unit ( 14 ) an input to the deep neural network ( 10 ) to be provided. Subsequently, in this step, by means of the deep neural network ( 10 ) determines an output variable as a function of the provided input variables and the weights. This output can be read by the control unit ( 15 ) can be used to determine a control quantity. With this control variable, for example, a robot, in particular a vehicle, can be controlled.
  • Nachdem das Verfahren (30) mit dem Schritt 34 abgeschlossen wurde, kann in einem weiteren Ausführungsbeispiel das Verfahren (30) zyklisch wieder mit einem der Schritte 31,32 oder Schritt 33 eingeleitet werden. Alternativ kann auch die Abfolge der Schritte 31,32,33 zyklisch durchgeführt werden, bis ein vorgebbares Abbruchkriterium erfüllt ist. Anschließend kann Schritt 34 ausgeführt werden.After the procedure ( 30 ) with the step 34 has been completed, in a further embodiment, the method ( 30 ) cyclically with one of the steps 31 . 32 or step 33 be initiated. Alternatively, the sequence of steps 31 . 32 . 33 be performed cyclically until a predetermined abort criterion is met. Subsequently, step 34 be executed.
  • In einer weiteren alternativen Ausführungsform des Verfahrens (30) kann alternativ die Initialisierung der a-Posteriori-Verteilungsfunktion (24) auf Basis eines bereits erstellten tiefen neuronalen Netzes durchgeführt werden. Beispielsweise kann die Verteilung der Werte der Gewichte des bereits erstellten tiefen neuronalen Netz verwendet werden, um daraus zumindest eine geeignete a-Posteriori-Verteilungsfunktion eines der Gewichte abzuleiten. Dies hat den vorteilhaften Effekt, dass beim, insbesondere erneuten, Anlernen des, insbesondere bereits erstellten, tiefen neuronalen Netzes mit dieser a-Posteriori-Verteilungsfunktion, nach Durchführung der oben genannten Schritte des Verfahrens (30) ein komprimiertes tiefes neuronales Netz vorliegen kann.In a further alternative embodiment of the method ( 30 ) can alternatively initialize the a posteriori distribution function ( 24 ) based on an already created deep neural network. For example, the distribution of the values of the weights of the already created deep neural network can be used to derive at least one suitable a posteriori distribution function of one of the weights. This has the advantageous effect that when, in particular renewed, training the, in particular already created, deep neural network with this a posteriori distribution function, after performing the above steps of the method ( 30 ) may be a compressed deep neural network.
  • 4 zeigt eine schematische Darstellung einer Verteilung und einer zeitlichen Entwicklung der Werte aller Gewichte beim Verwenden des Verfahrens des Ausführungsbeispiels zur Erstellung eines tiefen neuronalen Netzes mit vier Schichten. Zwei der Schichte sind vollvermaschte Schichten (dense_1, dense_2) und die restlichen Schichten sind Faltungsschichten (conv_1, conv_2). Die oberen vier Diagramme (40) zeigen dabei jeweils auf der x-Achse den Wert w der Gewichte der jeweiligen Schicht und auf der y-Achse ist die Bestrafungsgröße, in 4 als „loss“ bezeichnet, eingetragen. Der „loss“ gibt hierbei einen Wert der Bestrafungsgröße abhängig von dem Wert w des Gewichtes an. Für jeden der drei vorgebbaren diskreten Werte (-0.2,0,0.2) ist jeweils in grau der Verlauf einer stückweise ermittelten und mit einer Gewichtungsfunktion gewichteten KL Divergenz (41) nach Schritt 32 dargestellt. Je weiter der Wert des Gewichtes von einem vorgebbaren diskreten Wert (-0,2,0,0,2) entfernt ist, desto größer wird der Wert der Bestrafungsgröße. Ebenso sind in den Diagrammen (40,43) durch die gewichtete Überlagerung der verschobenen KL Divergenzen (41) in grau ein möglicher Verlauf der Bestrafungsgröße entlang des Wertes w der Gewichte eingezeichnet. Die einzelnen Werte der Gewichte sind jeweils durch Punkte (42) in die oberen vier Diagramme (40) eingetragen. Da diese Diagramme nach der Initialisierung des tiefen neuronalen Netzes (10) aufgenommen wurden und dieses zufällig initialisiert wurde, sind die Werte der Gewichte zufällig verteilt. Nachdem das Verfahren ausgeführt wurde, sind die unteren vier Diagramme (43) aufgenommen worden. Wie in 4 dargestellt, zeigen die unteren vier Diagramme (43), dass die Werte der Gewichte die vorgebbaren diskreten Werte (-0,2,0,0,2) annehmen. 4 FIG. 12 shows a schematic representation of a distribution and a temporal evolution of the values of all weights when using the method of the embodiment for creating a deep neural network with four layers. FIG. Two of the layers are fully meshed layers ( dense_1 . dense_2 ) and the remaining layers are folding layers ( conv_1 . conv_2 ). The top four diagrams ( 40 ) show each on the x -Axis the value w the weights of each layer and on the y Axis is the punishment size, in 4 as "loss", registered. The "loss" gives a value of the punishment size depending on the value w of weight. For each of the three predeterminable discrete values (-0.2,0,0.2), the course of a piecewise determined and weighted function is shown in gray KL Divergence ( 41 ) after step 32 shown. The further the value of the weight is away from a predeterminable discrete value (-0,2,0,0,2), the larger the value of the penalty size becomes. Likewise, in the diagrams ( 40 . 43 ) by the weighted superposition of the shifted ones KL Divergences ( 41 ) in gray a possible course of the punishment size along the value w the weights are drawn. The individual values of the weights are indicated by dots ( 42 ) in the upper four diagrams ( 40 ). Since these diagrams after the initialization of the deep neural network ( 10 ) and this was initialized at random, the values of the weights are randomly distributed. After the procedure has been carried out, the lower four diagrams ( 43 ). As in 4 shown, the lower four diagrams ( 43 ) that the values of the weights assume the presettable discrete values (-0,2,0,0,2).
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
  • Zitierte PatentliteraturCited patent literature
    • US 5119469 [0002]US 5119469 [0002]

Claims (14)

  1. Verfahren (30) zur Erstellung eines tiefen neuronalen Netzes (10), wobei das tiefe neuronale Netz (10) eine Mehrzahl von Schichten (12) und Verbindungen (13) mit Gewichten aufweist, und die Gewichte im erstellten tiefen neuronalen Netz nur vorgebbare diskrete Werte aus einer vorgebbaren Liste diskreter Werte annehmen können, umfassend die Schritte: - Bereitstellen zumindest einer Trainingseingangsgröße für das tiefe neuronale Netz (10); - Ermitteln einer eine Kostenfunktion charakterisierenden Größe, wobei die die Kostenfunktion charakterisierende Größe eine erste Größe umfasst, die eine Abweichung einer abhängig von der bereitgestellten Trainingseingangsgröße ermittelten Ausgangsgröße des tiefen neuronalen Netzes zu einer vorgebbaren Soll-Ausgangsgröße charakterisiert, und wobei die die Kostenfunktion charakterisierende Größe ferner wenigstens eine Bestrafungsgröße umfasst, die eine Abweichung eines Wertes eines der Gewichte von wenigstens einem von zumindest zwei der vorgebbaren diskreten Werte charakterisiert; - Anlernen des tiefen neuronalen Netzes (10) derart, dass das tiefe neuronale Netz (10) abhängig von der Trainingseingangsgröße des tiefen neuronalen Netzes (10) ein Objekt detektiert, wobei beim Anlernen des tiefen neuronalen Netzes wenigstens ein Wert eines der Gewichte abhängig von der die Kostenfunktion charakterisierenden Größe angepasst wird; und - Abbilden der Werte der Gewichte auf jeweils einen in der vorgebbaren Liste enthaltenen diskreten Wert.Method (30) for creating a deep neural network (10), wherein the deep neural network (10) has a plurality of layers (12) and connections (13) with weights, and the weights in the established deep neural network can only assume presettable discrete values from a predefinable list of discrete values, comprising the steps: Providing at least one training input to the deep neural network (10); Determining a variable characterizing a cost function, wherein the variable characterizing the cost function comprises a first quantity that characterizes a deviation of an output of the deep neural network determined in dependence on the provided training input variable to a predefinable target output variable, and wherein the variable characterizing the cost function further comprises at least one penalty amount characterizing a deviation of a value of one of the weights from at least one of at least two of the predeterminable discrete values; - Teaching the deep neural network (10) such that the deep neural network (10) detects an object depending on the training input of the deep neural network (10), wherein when learning the deep neural network at least one value of one of the weights is adjusted as a function of the variable characterizing the cost function; and - mapping the values of the weights to a respective discrete value contained in the predeterminable list.
  2. Verfahren nach Anspruch 1, wobei die Bestrafungsgröße eine Abweichung einer a-Posteriori-Verteilungsfunktion (24) eines der Gewichte von einer a-Priori-Verteilungsfunktion (20) der vorgebbaren diskreten Werte dieses Gewichtes, charakterisiert.Method according to Claim 1 wherein the penalty quantity characterizes a deviation of a posteriori distribution function (24) of one of the weights from an a-priori distribution function (20) of the predeterminable discrete values of that weight.
  3. Verfahren nach Anspruch 2, wobei die a-Priori-Verteilungsfunktion (24) für eine vorgebbare Untermenge der Gewichte des neuronalen Netzes (10) abhängig von einer Topologie eines mit dieser vorgebbaren Untermenge assoziierten Teils des tiefen neuronalen Netzes (10) gewählt wird.Method according to Claim 2 in which the a-priori distribution function (24) is selected for a predeterminable subset of the weights of the neural network (10) depending on a topology of a part of the deep neural network (10) associated with this predeterminable subset.
  4. Verfahren nach einem der Ansprüche 2 oder 3, wobei die Bestrafungsfunktion eine gewichtete Aufsummierung von ermittelten Abweichungen charakterisiert, wobei jeweils eine Abweichung der a-Posteriori-Verteilungsfunktion (24) eines der Gewichte zu der a-Priori-Verteilungsfunktion (20) an jeweils einer Position, die jeweils einem der vorgebbaren diskreten Werte zugeordnet ist, ermittelt wird und diese ermittelte Abweichung anhand einer Gewichtungsfunktion gewichtet wird, die diesem jeweiligen vorgebbaren diskreten Wert zugeordnet ist.Method according to one of Claims 2 or 3 wherein the punishment function characterizes a weighted accumulation of detected deviations, wherein in each case a deviation of the a posteriori distribution function (24) of one of the weights to the a priori distribution function (20) at each one position, each one of the predeterminable discrete values is assigned, is determined and this determined deviation is weighted by a weighting function, which is assigned to this respective predetermined discrete value.
  5. Verfahren nach Anspruch 4, wobei die ermittelten Abweichungen jeweils eine ermittelte Abweichung der a-Posteriori-Verteilungsfunktion zu einer Log-Uniform-Verteilungsfunktion ist, wobei diese ermittelte Abweichung an jeweils eine der Positionen einer der zumindest zwei vorgebbaren diskreten Werten verschobenen wird und anhand der Gewichtungsfunktion, die diesem jeweiligen vorgebbaren diskreten Wert zugeordnet ist, gewichtet wird.Method according to Claim 4 wherein the determined deviations are each a determined deviation of the a posteriori distribution function to a log uniform distribution function, wherein this determined deviation is shifted to one of the positions of one of the at least two predeterminable discrete values and based on the weighting function associated therewith predetermined discrete value is weighted.
  6. Verfahren nach einem der Ansprüche 4 oder 5, wobei eine der ermittelten Abweichungen anhand von einem vorgebbaren Wert abzüglich der Summe der jeweiligen Gewichtungsfunktionen gewichtet wird.Method according to one of Claims 4 or 5 wherein one of the determined deviations is weighted on the basis of a predefinable value minus the sum of the respective weighting functions.
  7. Verfahren nach einem der Ansprüche 2 bis 6, wobei die Abweichung der a-Posteriori-Verteilungsfunktion von der a-Priori-Verteilungsfunktion anhand von einer Approximation einer Kullback-Leibler Divergenz zwischen der a-Posteriori-Verteilungsfunktion und der a-Priori-Verteilungsfunktion, ermittelt wird.Method according to one of Claims 2 to 6 wherein the deviation of the a-posteriori distribution function from the a-priori distribution function is determined from an approximation of a Kullback-Leibler divergence between the a-posteriori distribution function and the a-priori distribution function.
  8. Verfahren nach einem der Ansprüche 2 bis 7, wobei beim Anlernen des tiefen neuronalen Netzes eine der a-Posteriori-Verteilungsfunktionen abhängig von der Kostenfunktion angepasst wird, wobei das Gewicht, welches durch die angepasste a-Posteriori-Verteilungsfunktion charakterisiert wird, abhängig von der angepassten a-Posteriori-Verteilungsfunktion angepasst wird.Method according to one of Claims 2 to 7 wherein, when learning the deep neural network, one of the a posteriori distribution functions is adjusted depending on the cost function, the weight characterized by the adjusted a posteriori distribution function being adjusted depending on the adjusted a posteriori distribution function.
  9. Verfahren nach einem der vorherigen Ansprüche, wobei einer der zumindest zwei der vorgebbaren diskreten Werte der Wert „0“ ist.Method according to one of the preceding claims, wherein one of the at least two of the predeterminable discrete values is the value "0".
  10. Verfahren nach einem der vorherigen Ansprüche, wobei nach dem Anlernen des tiefen neuronalen Netzes (10), eine Eingangsgröße des tiefen neuronalen Netzes (10) ermittelt wird; ein Objekt mittels des angelernten tiefen neuronalen Netzes (10) abhängig von der ermittelten Eingangsgröße detektiert wird.Method according to one of the preceding claims, wherein after the learning of the deep neural network (10), an input of the deep neural network (10) is determined; an object is detected by means of the learned deep neural network (10) as a function of the determined input variable.
  11. Verfahren nach Anspruch 10, wobei eine zumindest teilautonome Maschine abhängig von dem detektierten Objekt angesteuert wird.Method according to Claim 10 , wherein an at least teilautonome machine is driven depending on the detected object.
  12. Computerprogramm, welches Befehle umfasst, die beim Ausführen auf einem Computer bewirken, dass jeder Schritt des Verfahrens nach einem der Ansprüche 1 bis 11 ausgeführt wird.A computer program comprising instructions that, when executed on a computer, causes each step of the method to be executed according to one of Claims 1 to 11 is performed.
  13. Maschinenlesbares Speicherelement (17), welches das Computerprogramm nach Anspruch 12 umfasst.Machine-readable memory element (17) which simulates the computer program Claim 12 includes.
  14. Vorrichtung, welche eingerichtet ist, das Verfahren nach einem der Ansprüche 1 bis 11 auszuführen. Device which is arranged, the method according to one of Claims 1 to 11 perform.
DE102017218851.0A 2017-10-23 2017-10-23 Method, device and computer program for creating a deep neural network Pending DE102017218851A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102017218851.0A DE102017218851A1 (de) 2017-10-23 2017-10-23 Method, device and computer program for creating a deep neural network

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
DE102017218851.0A DE102017218851A1 (de) 2017-10-23 2017-10-23 Method, device and computer program for creating a deep neural network
US16/757,186 US20200342315A1 (en) 2017-10-23 2018-10-15 Method, device and computer program for creating a deep neural network
EP18789057.9A EP3701433A1 (de) 2017-10-23 2018-10-15 Verfahren, vorrichtung und computerprogramm zur erstellung eines tiefen neuronalen netzes
PCT/EP2018/077995 WO2019081241A1 (de) 2017-10-23 2018-10-15 METHOD, DEVICE AND COMPUTER PROGRAM FOR CREATING A DEEP NEURAL NETWORK
KR1020207014397A KR20200069360A (ko) 2017-10-23 2018-10-15 Methods and devices for creating a deep neural network, and computer programs
CN201880068733.5A CN111226234A (zh) 2017-10-23 2018-10-15 用于创建深度神经网络的方法、设备和计算机程序

Publications (1)

Publication Number Publication Date
DE102017218851A1 true DE102017218851A1 (de) 2019-04-25

Family

ID=63896128

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017218851.0A Pending DE102017218851A1 (de) 2017-10-23 2017-10-23 Method, device and computer program for creating a deep neural network

Country Status (6)

Country Link
US (1) US20200342315A1 (de)
EP (1) EP3701433A1 (de)
KR (1) KR20200069360A (de)
CN (1) CN111226234A (de)
DE (1) DE102017218851A1 (de)
WO (1) WO2019081241A1 (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5119469A (en) 1989-05-17 1992-06-02 United States Of America Neural network with weight adjustment based on prior history of input signals

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5119469A (en) 1989-05-17 1992-06-02 United States Of America Neural network with weight adjustment based on prior history of input signals

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Achille, Alessandro; Soatto, Stefano: Information Dropout: Learning Optimal Representations Through Noisy Computation. In: Computing Research Repository (CoRR), 12.02.2017, S. 1-11. https://arxiv.org/abs/1611.01353v3 [abgerufen am 20.03.2018] *
BPatG 17 W (pat) 6/06, 09.03.2010 *
Gal, Yarin; Hron, Jiri; Kendall, Alex: Concrete Dropout. In: Computing Research Repository (CoRR), 22.05.2017, S. 1-14. https://arxiv.org/abs/1705.07832v1 [abgerufen am 20.03.2018] *
Louizos, Christos; Ullrich, Karen; Welling, Max: Bayesian Compression for Deep Learning. In: Computing Research Repository (CoRR), 24.05.2017, S. 1-17. https://arxiv.org/abs/1705.08665v3 [abgerufen am 20.03.2018] *
Neklyudov, Kirill [u.a.]: Structured Bayesian Pruning via Log-Normal Multiplicative Noise. In: Computing Research Repository (CoRR), 20.05.2017, S. 1-14. https://arxiv.org/abs/1705.07283v1 [abgerufen am 20.03.2018] *
Ullrich, Karen; Meeds, Edward; Welling, Max: Soft Weight-Sharing for Neural Network Compression. In: Computing Research Repository (CoRR), 09.05.2017, S. 1-16. https://arxiv.org/abs/1702.04008v2 [abgerufen am 20.03.2018] *

Also Published As

Publication number Publication date
WO2019081241A1 (de) 2019-05-02
CN111226234A (zh) 2020-06-02
EP3701433A1 (de) 2020-09-02
US20200342315A1 (en) 2020-10-29
KR20200069360A (ko) 2020-06-16

Similar Documents

Publication Publication Date Title
DE102007017259B4 (de) Method for computer-aided control and / or regulation of a technical system
DE69815067T2 (de) METHOD FOR DETERMINING MODEL-SPECIFIC FACTORS FOR PATTERN RECOGNITION, IN PARTICULAR FOR VOICE PATTERNS
DE102014006486A1 (de) PROCEDURE FOR PREVENTING A VEHICLE COLLISION
DE102016125838A1 (de) COMPRESSED RECURRENTS NEURONAL NETWORK MODELS
DE19581638C2 (de) Computing device with a microprocessor, a neural network coprocessor and a DMA control device
DE202016107436U1 (de) Neural network processor
DE102014212556A1 (de) METHOD AND SYSTEM FOR OBTAINING AN IMPROVED STRUCTURE OF A NEURONAL TARGET NETWORK
EP2165296B1 (de) Verfahren und vorrichtung zur rechnergestützten vorhersage von intendierten bewegungen
DE19604803A1 (de) System condition monitoring device
DE4436658A1 (de) Device and method for troubleshooting
EP2112568B1 (de) Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems
DE69730811T2 (de) Plant for image recognition
DE202016107439U1 (de) Prefetching weights for use in a neural network processor
WO2011134764A1 (de) STEUERGERÄT UND VERFAHREN ZUR BERECHNUNG EINER AUSGANGSGRÖßE FÜR EINE STEUERUNG
WO2005048195A2 (de) Verfahren zur korrespondenzanalyse in bilddatensätzen
DE112011101370T5 (de) Neural network with canonical pulsed neurons for a spatiotemporal associative memory
DE102014208210A1 (de) Derive a device-specific value
DE102014108287A1 (de) Quick learning by imitating power torque tasks by robots
DE4432002A1 (de) Process for the reconstruction of line structures in raster form
DE112017000669T5 (de) Semantic segmentation based on global optimization
DE4344283A1 (de) Device for determining controlled system parameters
DE102017011544A1 (de) Control and machine learning device
DE112016007498T5 (de) INVESTIGATION EQUIPMENT AND INVESTIGATION PROCEDURES
DE102016009106A1 (de) Machining device equipped with control with processing time measuring function and measuring function on the machine
DE102017203437A1 (de) Method and system for fault isolation in an electric power steering system

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed