WO2023160922 - AUTOMATICALLY QUANTIFYING AN UNCERTAINTY OF A PREDICTION PROVIDED BY A TRAINED REGRESSION MODEL
National phase entry:
Publication Number
WO/2023/160922
Publication Date
31.08.2023
International Application No.
PCT/EP2023/051536
International Filing Date
23.01.2023
Title **
[English]
AUTOMATICALLY QUANTIFYING AN UNCERTAINTY OF A PREDICTION PROVIDED BY A TRAINED REGRESSION MODEL
[French]
QUANTIFICATION AUTOMATIQUE D'UNE INCERTITUDE D'UNE PRÉDICTION FOURNIE PAR UN MODÈLE DE RÉGRESSION ENTRAÎNÉ
Applicants **
SIEMENS AKTIENGESELLSCHAFT
Werner-von-Siemens-Straße 1
80333 München, DE
Inventors
WU, Zhiliang
Lilienthalstraße 2
85579 Neubiberg, DE
YANG, Yinchong
Mainstraße 13
85579 Neubiberg, DE
Priority Data
22158714.0
25.02.2022
EP
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
EPO
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1116 | |
| EPO | Filing, Examination | 4601 | |
| Japan | Filing | 591 | |
| South Korea | Filing | 575 | |
| USA | Filing, Examination | 2710 |
Total: 9593 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
Computer-implemented method for automatically quantifying an uncertainty of a prediction provided by a trained regression model for measured sensor data or image data, comprising - obtaining (S1) the trained regression model (f), training data (Xraw) which were applied to train the regression model, and an empirical variance (sig(f)) determined by the regression model (f) applying the training data as input data, - generating (S2) an uncertainty layer in the trained regression model based on the training data, and the empirical variance, - obtaining (S3) the measured sensor data or image data as input data, - outputting (S4) a prediction by processing the input data in the trained regression model and outputting (S5) an uncertainty value of the prediction by processing the input data by a feature extractor model and subsequently by the uncertainty layer, wherein the feature extractor model comprises all but the last layers of the regression model.[French]
Procédé mis en œuvre par ordinateur pour quantifier automatiquement une incertitude d'une prédiction fournie par un modèle de régression entraîné pour des données de capteur ou des données d'image mesurées, comprenant - l'obtention (S1) du modèle de régression entraîné (f), de données d'apprentissage (Xraw) qui ont été appliquées pour entraîner le modèle de régression, et d'une variance empirique (sig(f)) déterminée par le modèle de régression (f) appliquant les données d'apprentissage en tant que données d'entrée, - la génération (S2) d'une couche d'incertitude dans le modèle de régression entraîné sur la base des données d'apprentissage, et de la variance empirique, - l'obtention (S3) des données de capteur ou des données d'image mesurées en tant que données d'entrée, - la fourniture (S4) d'une prédiction par traitement des données d'entrée dans le modèle de régression entraîné et la fourniture (S5) d'une valeur d'incertitude de la prédiction par traitement des données d'entrée par un modèle d'extraction de caractéristiques et par la suite par la couche d'incertitude, le modèle d'extraction de caractéristiques comprenant toutes les couches du modèle de régression sauf la dernière.