用于运行技术系统的设备、系统和计算机实现的方法与流程

1.本发明涉及一种用于运行技术系统的设备、系统和计算机实现的方法。


背景技术：

2.为了运行技术系统，可以使用高斯过程回归。其中学习高斯过程回归的机器学习方法需要大量数据用于学习并且需要很多计算资源、例如计算时间或计算能力。


技术实现要素：

3.通过以下公开内容，将从中获取高斯过程的输入参量的范围划分成子范围并且与对来自该范围的输入参量的基于信息的选择相关联。通过使用可通过其参数来求微分的协方差，能使用基于梯度的方法来确定这些参数。总的来说，通过借此实现的用于高斯过程回归的学习率一方面在计算能力不变的情况下减少直至能使用该高斯过程来运行技术系统为止所需的计算时间。另一方面，在计算时间不变的情况下能够以更低的计算能力来实现回归和机器学习。由此，需要的数据更少，即应该被映射的技术系统只须在更少的点上予以评估。
4.一种用于运行技术系统的计算机实现的方法规定：该技术系统的第一参量利用高斯过程来映射到针对该技术系统的第二参量的预测，而且该技术系统根据该预测或者根据第一参量的对其来说信息增益的根据该预测所定义的量度表明比对于第一参量的其它值的量度来说更大的信息增益的值来运行，
5.其中该高斯过程根据利用第一权重函数加权的第一高斯过程与第二高斯过程的总和来确定，
6.其中该第一高斯过程被设计为将第一参量映射到针对第二参量的第一预测，并且第二高斯过程被设计为将第一参量映射到针对第二参量的第二预测，
7.其中该高斯过程的定义域和/或值域的子范围根据具有叶子和节点的二叉树的数值表示来确定，
8.其中给第一高斯过程分配这些叶子中的第一片叶子，
9.其中给这些节点各分配一个向量，该向量表示这些子范围中的一个，
10.其中给这些节点各分配第一权重，该第一权重取决于第一参量和被分配给相应节点的向量，
11.其中第一权重函数根据这些节点的第一权重来确定，该第一片叶子位于这些节点的第一、尤其是左子树中，和/或
12.其中给这些节点各分配第二权重，该第二权重取决于第一参量和被分配给相应节点的向量，
13.其中第一权重函数根据这些节点的第二权重来确定，该第一片叶子位于这些节点的第二、尤其是右子树中。该权重函数对第一高斯过程对于这些子范围的重要性进行编码。由此，根据高斯过程的预测来在总体上改进技术系统的运行。
14.优选地，第二高斯过程利用第二权重函数来加权，其中给第二高斯过程分配这些叶子中的与第一片叶子不同的第二片叶子，其中第二权重函数根据节点的第一权重来确定，这些叶子中的第二片叶子位于这些节点的第一、尤其是左子树中，和/或其中第二权重函数根据节点的第二权重来确定，该第二片叶子位于这些节点的第二、尤其是右子树中。该权重函数对第二高斯过程对于这些子范围的重要性进行编码。由此，根据高斯过程的预测来在总体上进一步改进技术系统的运行。
15.优选地，针对每个节点，根据被分配给该节点的第一权重来确定第二权重。这样，较重要的子范围和不那么重要的子范围利用反映重要性的情况的权重来加权。由此，根据高斯过程的预测来在总体上进一步改进技术系统的运行。
16.通过权重函数和由此生成的针对第一参量的空间划分，标识第一参量的定义域的具有高信息量的部分。接着，优选地从这些部分中获取数据。
17.可以规定：针对每个节点，如果第一权重函数位于该节点的第一、尤其是左子树中，则给第一权重函数与被分配给该节点的第一权重的对分配第一值，而且其中第一权重函数根据具有该第一权重和该第一值的运算来确定；和/或针对每个节点，如果第一权重函数位于该节点的第二、尤其是右子树中，则给第一权重函数与被分配给该节点的第一权重的对分配第二值，而且其中该第一权重函数根据具有该第一权重和该第二值的运算来确定。
18.可以规定：针对每个节点，如果第一权重函数位于该节点的第二、尤其是右子树中，则给第一权重函数与被分配给该节点的第二权重的对分配第一值，而且其中第一权重函数根据具有该第一权重和该第一值的运算来确定；和/或针对每个节点，如果第一权重函数位于该节点的第一、尤其是左子树中，则给第一权重函数与被分配给该节点的第二权重的对分配第二值，而且其中该第一权重函数根据具有该第一权重和该第二值的运算来确定。
19.不管高斯过程是否居中，都可以规定：为了确定该总和，确定第一权重函数与第一高斯过程的尤其是静态的第一协方差的第一乘积，确定第二权重函数与第二高斯过程的尤其是静态的第二协方差的第二乘积，并且根据第一乘积与第二乘积相加的结果来确定该总和。
20.可以规定：该高斯过程通过参数来定义，这些参数定义了取决于第一参量的平均值和取决于第一参量的协方差，其中提供第一数据集，在该第一数据集中给第一参量的各一个值分配第二参量的值，其中该高斯过程的参数中的至少一个参数根据该第一数据集中的值来确定。由此，该高斯过程在主动机器学习中被确定。
21.优选地，信息增益的量度根据高斯过程、参数和第一数据集来定义，其中确定第一参量的对其来说该量度比第一参量的其它值的量度更大的值，其中利用技术系统或者利用该技术系统的模型来确定第二参量的值，其中确定第二数据集，在该第二数据集中使第一参量的这样确定的值与第二参量的这样确定的值彼此分配而且其中该高斯过程的参数中的至少一个参数根据该第二数据集中的值来确定。由此，该高斯过程是在只还有少量信息存在的地方被学习的。这样，该学习非常高效。
22.在一个实施方案中，信息增益的量度根据第一权重函数和第二权重函数被定义为使得信息增益的量度在具有更高的个体信息量的那个高斯过程的权重函数更高的地方具
有更高的值。尤其是，第一和第二高斯过程的上述权重函数影响该信息量度到该信息量度在具有更高的个体信息量的那个高斯过程的权重函数更高的地方具有更高的值。由此实现了：第一参量在信息量就第二参量而言高的地方被选择的范围增加。借此，该学习更加高效。
23.在一个应用中，第一参量是技术系统的执行器的目标参量或者技术系统的执行器的目标参量根据第一参量来确定，其中该技术系统是受计算机控制的机器，尤其是机器人，优选地是车辆，家用电器，电动、气动、液压或用内燃机驱动的工具，生产机器，私人辅助系统或锁定系统。
24.优选地，针对第二参量的预测对数据进行标识或者根据针对第二参量的预测来选择数据，其中由技术系统向尤其是远离该技术系统布置的装置发送消息，该消息包括对这些数据的标识或者该消息指示该装置检测或确定这些数据和/或传输这些数据。由此影响这些数据的类型或数量。
25.可以规定：该装置是尤其是用于发动机的试验台，其中这些数据包括试验台的输出参量并且由技术系统向试验台发送针对该试验台的指令，该指令指示该试验台尤其是利用传感器来检测该试验台的输出参量。
26.可以规定：该装置是尤其是用于流体动力学的计算机辅助模拟的计算装置，其中这些数据包括该模拟的输出参量并且由技术系统向该计算装置发送用于该模拟的指令，该指令指示该计算装置通过该模拟尤其是根据在该指令中所标识的或所说明的输入参量来确定该模拟的输出参量。
27.一种用于运行技术系统的设备规定：该设备包括至少一个处理器和至少一个存储器，该处理器和该存储器被设计为执行该方法的至少一部分。
28.可以规定：一种系统包括该设备和执行器，该执行器被设计为根据该预测来运行该系统。
29.可以规定：一种系统包括该设备和接口，该接口被设计为将该消息从该系统发送给尤其是远离该系统布置的装置。
附图说明
30.其它有利的实施方案能从如下描述和附图中得知。在附图中：
31.图1示出了用于运行技术系统的设备的示意图；
32.图2示出了在用于运行技术系统的方法中的步骤；
33.图3示出了技术系统的第一实施方案的示意图；
34.图4示出了在用于运行该第一实施方案的方法中的步骤；
35.图5示出了技术系统的第二实施方案的示意图；
36.图6示出了在用于运行该第二实施方案的方法中的步骤。
具体实施方式
37.在图1中示出了技术系统102。技术系统102包括用于运行技术系统102的设备104或者与该设备至少暂时连接以进行通信。
38.设备104包括至少一个处理器106和至少一个存储器108，该处理器和该存储器被
设立为执行在下文描述的方法的至少一部分。
39.该设备104被设计为：将技术系统102的第一参量x利用高斯过程f～gp(μ(x)，k(x，x
′
))映射到针对技术系统102的第二参量y的预测f(x)并且根据该预测f(x)来运行技术系统102。
40.在该至少一个存储器108中例如存储计算机可读指令，该方法在通过该至少一个处理器来执行这些计算机可读指令时运行。在本例中，高斯过程f～gp(μ(x)，k(x，x
′
))存储在那里。在本例中，多个其它高斯过程fi存储在那里。
41.在本例中，高斯过程f～gp(μ(x)，k(x，x
′
))包括均值函数μ(x)和协方差
[0042][0043]
该协方差具有取决于第一参量x的权重函数
[0044][0045]
该权重函数对参量x的定义域的不同的子范围不一样地进行加权，其中而且其中d是定义域的维度。
[0046]
在本例中，函数和对权重函数λj(x)给定义域的哪个子范围分配第一权重并且权重函数λj(x)给哪个子范围分配第二权重进行编码。
[0047]
在本例中，第一权重具有如下值，取决于第一参量x的s形函数σ将表示这些子范围之一的向量wi的转置与第一参量x的乘积映射到该值。
[0048]
在本例中，第二权重限据第一权重来定义。在本例中，第二权重通过第一权重与一的差来定义。
[0049]
在图2中，示出了用于运行技术系统102的方法的步骤。
[0050]
可以规定：利用该方法来学习高斯过程f～gp(μ(x)，k(x，y))，其中该高斯过程的参数γ或者这些参数的一部分被确定。在本例中，该方法针对高斯过程
[0051][0052]
来描述，该高斯过程被确定为j个高斯过程fj(x)的取决于第一参量x的加权和。
[0053]
为这些参数γ各规定先验概率分布。在本例中，这些参数γ利用概率推理方法、例如混合蒙特卡罗算法来确定。
[0054]
该方法在下文针对单位正方形被定义为具有维度d的定义域。该方法能应用于其它定义域。在单位正方形中提供超平面其中和利用正态分布n和伽马分布gamma按如下地被指定：
[0055]
[0056]
由此，根据参数α，β来定义先验概率分布该先验概率分布关于这些超平面做出弱假设并且影响s形函数σ的斜率。这些子范围在本例中重叠。
[0057]
在本例中，权重函数λj：x
→
[0，1]将该定义域映射在在0到1之间的区间内的值。在本例中，权重的总和为一：针对每个高斯过程fj(x)，权重函数λj，j＝1，...，j说明该高斯过程对于经建模的高斯过程f(x)所做的贡献。
[0058]
在本例中，经建模的高斯过程f(x)的协方差k(x，x
′
)被确定为这些相应高斯过程fj(x)的利用相应权重函数λj(x)来加权的协方差kj(x，x
′
)的总和：
[0059][0060]
在本例中，如果利用权重函数λj(x)来加权的协方差kj(x，x
′
)描述了在某个子范围内的经建模的高斯过程f(x)的协方差k(x，x
′
)，则在该子范围内给该权重函数λj(x)分配接近一的值。
[0061]
可以规定：在该方法中确定该定义域的子范围。
[0062]
在本例中，这些子范围沿着二叉树t来确定，该二叉树具有m：＝j-1节点ni和j片叶子。在本例中，每个节点ni，i＝1，...，m都是向量之一。相应的超平面根据参量x和相应的向量wi来定义并且被分配给节点ni中的各一个节点。在本例中，每片叶子都表示来自j个高斯过程中的一个高斯过程fj(x)。节点ni中的每个节点通过被分配给该节点ni的超平面hi来划分输入正方形。在本例中，给节点ni的第一、尤其是左子树分配第一权重可以规定：给节点ni的第二、尤其是右子树分配第二权重在本例中，第一子树是节点ni的左子树并且第二子树是节点ni的右子树。该分配也可以反过来定义，即第一子树是右子树并且左子树是第二子树，其中第一权重和第二权重被交换。
[0063]
在本例中，相应的权重函数λj(x)，j＝1，...，j通过沿着从节点ni到表示相应的高斯过程fj(x)的叶子的相应路径的权重的乘法来确定：
[0064][0065]
其中对树结构进行编码：
[0066][0067][0068]
在本例中，通过定义域x来定义x＝：a1的集合a1开始于树的根节点n1被划分成子集ai，这些子集定义了各一个子范围。例如，被分配给根节点n1的第一超平面h1被划分成两个子集：和在另一层中，例如在节点ni，子集ai
再次被划分成该子集的子集和通过s形函数σ来实现加权软化。根据树的大小来划分成子范围。较大的树与相对于此较小的树相比引起对子范围的更精细的划分。
[0069]
在本例中，提供各一个径向基函数核、即rbf核，作为j个高斯过程fj(x)的协方差。其它核同样是可能的。这些高斯过程fj(x)具有相应的参数θj。
[0070]
在本例中，针对在相应的参数θj中的每个参数，提供伽马分布。在相应的参数θj中的参数取决于具体的静态核。针对s形函数σ，提供具有参数λ的旨数分布。
[0071]
在本例中，参数γ包括参数
[0072]
在本例中，执行混合蒙特卡罗算法，由于该混合蒙特卡罗算法而存在从这些参数γ的后验概率分布中的n次抽取，其中利用相应的数据集d根据相应的第一参量x
*
将估计f
*
确定为边际分布
[0073][0074]
在本例中，从初始数据集d0开始，为在数据点x
t
的预言确定具有正态分布噪声ε
t
～n(0，σ2)的噪声观察y
t
＝f(x
t
)+ε
t
。在本例中，接下来的数据集d
t
＝d
t-1
∪{x
t
，y
t
}按顺序被确定。在本例中，接下来的数据集d
t
利用采集函数根据高斯过程f、参数γ和当前数据集d
t-1
来确定：
[0075][0076]
其中差的右项与x无关。为了对采集函数进行评估，边际分布p的熵e被近似，例如通过高斯正交。在本例中，该采集函数包括信息增益的量度i(y；f，γ|d
t-1
，x)。
[0077]
在本例中，第一参量x的值
[0078]
x
t
被确定如下：
[0079]
argmax
x∈x
i(y；f，γ|d
t
，x)
[0080]
为此，例如执行网格搜索、随机搜索或基于梯度的搜索。
[0081]
只要协方差的参数γ已知或者是利用最大似然方法来确定的，就使用经简化的采集函数：
[0082][0083]
其中是具有参数γ的经建模的高斯过程f|d
t-1
的预测方差。
[0084]
该方法规定：高斯过程f通过参数γ来定义，这些参数定义了取决于第一参量x的平均值和取决于第一参量x的协方差。
[0085]
在本例中，该方法在迭代t中被执行，以主动学习参数γ。
[0086]
在步骤200中，提供第一数据集，在该第一数据集中给第一参量x的各一个值x
t
分配第二参量y的值y
t
。
[0087]
在本例中，在第一次迭代t＝0中，提供初始数据集d0作为第一数据集。在接下来的
迭代中，从前一次迭代的数据集d
t
开始确定第二数据集d
t+1
，在该第二数据集中使第一参量x的如下所述地确定的值x
t+1
与第二参量y的如下所述地确定的值y
t+1
彼此分配。在本例中，利用数据集d0来确定数据集d1。
[0088]
在这些迭代中，分别使用当前数据集d
t
，即在第一次迭代中使用第一数据集d0并且然后使用相应接下来的第二数据集d
t+1
。
[0089]
然后，执行步骤202。
[0090]
针对i＝2个高斯过程fi，i＝1，2中的第一高斯过程f1和第二高斯过程f2描述步骤202。针对其它高斯过程fi采取相对应的做法。
[0091]
第一高斯过程f1被设计为将第一参量x映射到针对第二参量y的第一预测f1(x)。
[0092]
第二高斯过程f2被设计为将第一参量x映射到针对第二参量y的第二预测f2(x)。
[0093]
在本例中，在步骤202中根据具有叶子和节点ni的二叉树的数值表示来确定经建模的高斯过程f的定义域的子范围。
[0094]
给第一高斯过程f1分配这些叶子中的第一片叶子。
[0095]
给第二高斯过程f2分配这些叶子中的与第一片叶子不同的第二片叶子。
[0096]
给这些节点ni各分配一个向量wi，该向量表示这些子范围中的一个。
[0097]
给这些节点ni各分配第一权重该第一权重取决于第一参量x和被分配给相应节点ni的向量wi。
[0098]
给这些节点ni各分配第二权重该第二权重取决于第一参量x和被分配给相应节点ni的向量wi。
[0099]
然后，执行步骤204。
[0100]
在步骤204中，针对每个节点ni，如果第一权重函数λ1位于该节点ni的左子树中，则给第一权重函数λ1和被分配给该节点ni的第一权重的对分配第一值、在本例中是一。
[0101]
在步骤204中，针对每个节点ni，如果第一权重函数λ1位于该节点ni的右子树中，则给第一权重函数λ1和被分配给该节点ni的第一权重的对分配第二值、在本例中是零。
[0102]
在本例中，在步骤204中，针对每个节点ni，如果第一权重函数λ1位于该节点ni的右子树中，则给第一权重函数λ1和被分配给该节点ni的第二权重的对分配第二值、在本例中是零。
[0103]
在本例中，在步骤204中，针对每个节点ni，如果第一权重函数λ1位于该节点ni的右子树中，则给第一权重函数λ1和被分配给该节点ni的第二权重的对分配第一值、在本例中是一。
[0104]
在本例中，该分配在函数中被编码。
[0105]
可以规定：针对每个节点ni，根据被分配给该节点ni的第一权重来确定第二权重
[0106]
然后，执行步骤206。
[0107]
在步骤206中，第一权重函数λ1根据这些节点(ni)的第一权重来确定，该第一片叶子位于这些节点的左子树中。
[0108]
在步骤206中，第一权重函数λ1根据这些节点ni的第二权重来确定，该第一片叶子位于这些节点的右子树中。
[0109]
在步骤206中，第二权重函数λ2根据这些节点ni的第一权重来确定，这些叶子中的第二片叶子位于这些节点的左子树中。
[0110]
在步骤206中，第二权重函数λ2根据这些节点ni的第二权重来确定，该第二片叶子位于这些节点的右子树中。
[0111]
第一权重函数λ1例如根据具有该第一值被分配给的第一权重的运算来确定。
[0112]
第一权重函数λ1例如根据具有该第二值被分配给的第一权重的运算来确定。
[0113]
在本例中，该运算的分配根据函数的值来确定。针对第一权重函数λ1和第二权重函数λ2：
[0114][0115][0116]
可以规定：针对其它权重函数λi采取相对应的方法。
[0117]
然后，执行步骤208。
[0118]
在步骤208中，确定高斯过程f。
[0119]
该高斯过程f例如根据利用第一权重函数λ1加权的第一高斯过程f1与第二高斯过程f2的总和来确定。在本例中，第二高斯过程f2利用第二权重函数λ2来加权。
[0120]
为了确定该总和，可以规定：确定第一权重函数λ1与第一高斯过程f1的尤其是静态的第一协方差k1(x，y)的第一乘积。
[0121]
为了确定该总和，可以规定：确定第二权重函数λ1与第二高斯过程f2的尤其是静态的第二协方差k2(x，y)的第二乘积。
[0122]
该总和例如根据第一乘积与第二乘积相加的结果来确定。
[0123]
通常，该高斯过程f利用关于多个高斯过程fj的总和来确定，像针对第一权重函数λ1所描述的那样针对相应一个权重函数λi来确定：
[0124][0125]
然后，执行步骤210。
[0126]
在步骤210中，第一参量x利用高斯过程f～gp(μ(x)，k(x，x
′
)被映射到针对第二参量y的预测f(x)。
[0127]
然后，执行步骤212。
[0128]
在步骤212中，根据当前数据集d
t
中的值来确定该高斯过程f的参数γ中的至少一个。
[0129]
例如，如上所述地使用混合蒙特卡罗算法。也可以提供用于确定参数γ的其它方法，例如对尤其是根据这些参数γ的参数值所定义的负边际似然的损失函数进行优化。
[0130]
然后，执行步骤214。
[0131]
在步骤214中，利用信息增益i的根据高斯过程f、参数γ和迭代的相应当前的数据集d
t
所定义的量度来确定第一参量x的值x
t+1
。在本例中，确定对其来说该量度i比第一参量x.的其它值x
′
t+1
的该量度i更大的值x
t+1
。例如，确定引起最大量度i的值x
t+1
：
[0132]
argmax
x∈x
i(y；f，γ|d
t
，x)
[0133]
第一参量x的值x
t+1
的信息增益i的量度根据针对该第一参量x
t+1
的预测f(x
t+1
)来定义。
[0134]
然后，执行步骤216。
[0135]
在一个示例中，在步骤216根据该预测f(x
t+1
)来运行技术系统102。在另一示例中，根据第一参量x
t+1
的对其来说信息增益i的量度指示比对于第一参量x的其它值x
′
t+1
来说更大的信息增益的值来运行技术系统102。在本例中，利用技术系统102来确定第二参量y的值y
t+1
。在本例中，测量第二参量y的值y
t+1
。
[0136]
可以规定：第二参量y的值y
t+1
在主动学习时利用技术系统102的模型来确定。
[0137]
然后，执行步骤202。
[0138]
这些迭代例如在指定时间之后或者在指定次数的迭代之后结束。
[0139]
在图3中示意性示出了该系统102的第一实施方案。
[0140]
在第一实施方案中，该系统102包括设备104和执行器302，该执行器被设计为根据第一参量x来运行该系统102。
[0141]
在图4中示出了用于运行按照第一方案的技术系统102的方法。技术系统102是受计算机控制的机器，尤其是机器人，优选地是车辆，家用电器，电动、气动、液压或用内燃机驱动的工具，生产机器，私人辅助系统或锁定系统。
[0142]
在步骤402中，通过主动机器学习来确定高斯过程f。在本例中，执行步骤202至216，以便确定高斯过程f。在本例中，根据第一参量x来确定用于技术系统102的执行器302的目标参量。该目标参量被输出，以操控技术系统102的执行器302。例如，确定并输出该高斯过程f针对其做出预测f(x)的参量x，该参量引起第二参量y的所希望的响应。
[0143]
然后，执行步骤404。
[0144]
在步骤404，在技术系统102上测量第二参量y。
[0145]
第二参量y例如包括传感器的传感器信号的数据，该传感器设置于技术系统102处并且在技术系统102运行时检测关于技术系统102的状态的信息。
[0146]
然后，执行步骤404。
[0147]
在图5中示意性地示出了系统102的第二实施方案。
[0148]
在第二实施方案中，技术系统102包括设备104和接口502，该接口被设计为将消息
从技术系统102发送给尤其是远离技术系统102布置的装置504。
[0149]
在图6中示出了用于运行按照第二方案的技术系统102的方法。
[0150]
在步骤602中，根据第一参量x利用高斯过程f来确定针对第二参量y的预测f(x)。
[0151]
在本例中，第一参量x是可在远程布置的状态、例如在试验台上设定的参量。第二参量y例如包括传感器的传感器信号的数据，该传感器设置于远程布置的状态504并且在该装置504运行时检测关于该装置504的状态的信息。
[0152]
该装置504例如是尤其是用于发动机的试验台。在本例中，这些数据包括该试验台的输出参量。
[0153]
例如，在步骤604中，根据针对第二参量y的预测f(x)来对数据进行标识或选择。在本例中，标识要由该远程装置504传输的数据。可以规定：标识要由该装置504检测的数据。可以规定：标识要由该装置504确定的数据。
[0154]
在步骤606中，由技术系统102向尤其是远离技术系统102布置的装置504发送消息。
[0155]
该消息例如包括这些数据的尤其是字母数字的标识或者指示该装置504检测或确定这些数据和/或传输这些数据。
[0156]
例如，由技术系统102向试验台发送针对该试验台的指令，该指令指示该试验台尤其是利用传感器来检测该试验台的输出参量。
[0157]
该装置504如指示的那样来运行。在本例中，通过运行试验台来确定该试验台的输出参量。
[0158]
在步骤608中，技术系统102接收由该装置504发送的输出参量。
[0159]
然后，执行步骤602。
[0160]
第一参量x、例如试验台的操控参量由装置504传输给技术系统102。
[0161]
该装置504也可以是尤其是用于对流体动力学的计算机辅助模拟的计算装置。在这种情况下，第二参量y例如是利用该模拟所确定的该模拟的输出参量。
[0162]
在这种情况下，在步骤604中，根据针对第二参量y的预测f(x)来标识或选择应该由该模拟作为输出参量来确定的数据。
[0163]
在本例中，在步骤606中由技术系统102来向该计算装置发送用于该模拟的指令，该指令指示该计算装置来通过该模拟来确定该模拟的输出参量。
[0164]
可以规定：在该指令中标识或说明用于该模拟的输入参量。还可以规定：根据该预测f(x)来确定输入参量。
[0165]
用于确定用来标识或选择这些数据的预测f(x)的高斯过程f诸如在方法步骤602之前像在步骤202至216中所描述的那样被确定。

技术特征：
1.一种用于运行技术系统(102)的计算机实现的方法，其特征在于，所述技术系统(102)的第一参量利用高斯过程来映射(210)到针对所述技术系统(102)的第二参量的预测，而且所述技术系统(102)根据所述预测或者根据所述第一参量的对其来说信息增益的根据所述预测所定义的量度表明比对于所述第一参量的其它值的量度来说更大的信息增益的值来运行(216)，其中所述高斯过程根据利用第一权重函数加权的第一高斯过程与第二高斯过程的总和来确定(208)，其中所述第一高斯过程被设计为将所述第一参量映射到针对所述第二参量的第一预测，并且所述第二高斯过程被设计为将所述第一参量映射到针对所述第二参量的第二预测，其中所述高斯过程的定义域和/或值域的子范围根据具有叶子和节点的二叉树的数值表示来确定(202)，其中给所述第一高斯过程分配所述叶子中的第一片叶子，其中给所述节点各分配一个向量，所述向量表示所述子范围中的一个，其中给所述节点各分配第一权重，所述第一权重取决于所述第一参量和被分配给相应节点的向量，其中所述第一权重函数根据所述节点的第一权重来确定(206)，所述第一片叶子位于所述节点的第一、尤其是左子树中，和/或其中给所述节点各分配第二权重，所述第二权重取决于所述第一参量和被分配给相应节点的向量，其中所述第一权重函数根据所述节点的第二权重来确定(206)，所述第一片叶子位于所述节点的第二、尤其是右子树中。2.根据权利要求1所述的方法，其特征在于，所述第二高斯过程利用第二权重函数来加权(208)，其中给所述第二高斯过程分配所述叶子中的与所述第一片叶子不同的第二片叶子，其中所述第二权重函数根据所述节点的第一权重来确定(206)，所述叶子中的第二片叶子位于所述节点的第一、尤其是左子树中，和/或其中所述第二权重函数根据所述节点的第二权重来确定(206)，所述第二片叶子位于所述节点的第二、尤其是右子树中。3.根据上述权利要求中任一项所述的方法，其特征在于，针对每个节点，根据被分配给该节点的第一权重(206)来确定所述第二权重。4.根据上述权利要求中任一项所述的方法，其特征在于，针对每个节点，如果第一权重函数位于该节点的第一、尤其是左子树中，则给所述第一权重函数与被分配给该节点的第一权重的对分配(204)第一值，而且其中所述第一权重函数根据具有所述第一权重和所述第一值的运算来确定(206)；和/或针对每个节点，如果第一权重函数位于该节点的第二、尤其是右子树中，则给所述第一权重函数与被分配给该节点的第一权重的对分配(204)第二值，而且其中所述第一权重函数根据具有所述第一权重和所述第二值的运算来确定(206)。5.根据上述权利要求中任一项所述的方法，其特征在于，针对每个节点，如果第一权重函数位于该节点的第二、尤其是右子树中，则给所述第一权重函数与被分配给该节点的第二权重的对分配(204)第一值，而且其中所述第一权重函数根据具有所述第一权重和所述第一值的运算来确定(206)；和/或针对每个节点，如果第一权重函数位于该节点的第一、尤其是左子树中，则给所述第一权重函数与被分配给该节点的第二权重的对分配(204)第二值，而且其中所述第一权重函数根据具有所述第一权重和所述第二值的运算来确定(206)。6.根据上述权利要求中任一项所述的方法，其特征在于，为了确定所述总和，确定(208)所述第一权重函数与所述第一高斯过程的尤其是静态的第一协方差的第一乘积，确定(208)所述第二权重函数与所述第二高斯过程的尤其是静态的第二协方差的第二乘积，并且根据所述第一乘积与所述第二乘积相加的结果来确定(208)所述总和。7.根据上述权利要求中任一项所述的方法，其特征在于，所述高斯过程通过参数来定
义，所述参数定义了取决于所述第一参量的平均值和取决于所述第一参量的协方差，其中提供(200)第一数据集，在所述第一数据集中给所述第一参量的各一个值分配所述第二参量的值，其中所述高斯过程的参数中的至少一个参数根据所述第一数据集中的值来确定(212)。8.根据权利要求7所述的方法，其特征在于，所述信息增益的量度根据所述高斯过程、该参数和所述第一数据集来定义，其中确定(214)所述第一参量的对其来说所述量度比所述第一参量的其它值的量度更大的值，其中利用所述技术系统(102)或者利用所述技术系统(102)的模型来确定(216)所述第二参量的值，其中确定(200)第二数据集，在所述第二数据集中使所述第一参量的这样确定的值与所述第二参量的这样确定的值彼此分配而且其中所述高斯过程的参数中的至少一个参数根据所述第二数据集中的值来确定(212)。9.根据权利要求8所述的方法，其特征在于，所述信息增益的量度根据所述第一权重函数和所述第二权重函数被定义为使得所述信息增益的量度在具有更高的个体信息量的那个高斯过程的权重函数更高的地方具有更高的值。10.根据上述权利要求中任一项所述的方法，其特征在于，所述第一参量是所述技术系统(102)的执行器(302)的目标参量或者所述技术系统(102)的执行器(302)的目标参量根据所述第一参量来确定(404)，其中所述技术系统(102)是受计算机控制的机器，尤其是机器人，优选地是车辆，家用电器，电动、气动、液压或用内燃机驱动的工具，生产机器，私人辅助系统或锁定系统。11.根据上述权利要求中任一项所述的方法，其特征在于，针对所述第二参量的预测对数据进行标识或者根据针对所述第二参量的预测来选择(604)数据，其中由所述技术系统(102)向尤其是远离所述技术系统(102)布置的装置(504)发送(606)消息，所述消息包括对所述数据的标识或者所述消息指示所述装置(504)检测或确定所述数据和/或传输所述数据。12.根据权利要求10所述的方法，其特征在于，所述装置(504)是尤其是用于发动机的试验台，其中所述数据包括所述试验台的输出参量并且由所述技术系统(102)向所述试验台发送(606)针对所述试验台的指令，所述指令指示所述试验台尤其是利用传感器来检测所述试验台的输出参量。13.根据权利要求10所述的方法，其特征在于，所述装置(504)是尤其是用于流体动力学的计算机辅助模拟的计算装置，其中所述数据包括所述模拟的输出参量并且由所述技术系统(102)向所述计算装置发送(606)用于所述模拟的指令，所述指令指示所述计算装置通过所述模拟尤其是根据在所述指令中所标识的或所说明的输入参量来确定所述模拟的输出参量。14.用于运行系统(102)的设备(104)，其特征在于，所述设备(104)包括至少一个处理器(106)和至少一个存储器(108)，所述处理器和所述处理器被设计为执行根据权利要求1至12中任一项所述的方法的至少一部分。15.一种系统(102)，其特征在于，所述系统包括根据权利要求13所述的设备(104)和执行器(302)，所述执行器被设计为根据所述预测来运行所述系统(102)。16.一种系统(102)，其特征在于，所述系统包括根据权利要求13所述的设备(104)和接口(502)，所述接口被设计为将消息从所述系统(102)发送给尤其是远离所述系统(102)布
置的装置(504)。

技术总结
本发明涉及用于运行技术系统的设备、系统和计算机实现的方法，其中技术系统的第一参量利用高斯过程映射到技术系统的第二参量的预测，且技术系统根据预测来运行，其中高斯过程根据第一与第二高斯过程的总和来确定，第一与第二高斯过程分别将第一参量映射到第二参量的第一与第二预测，高斯过程的定义域和/或值域的子范围根据具有叶子和节点的二叉树的数值表示来确定，给第一高斯过程分配第一叶子，给节点分配各一个向量，其表示这些子范围之一，给节点各分配第一权重，第一权重函数根据第一权重来确定，第一叶子位于节点的左子树中，和/或给节点各分配第二权重，第一权重函数根据第二权重来确定，第一叶子位于节点的右子树中。树中。树中。


技术研发人员：M
受保护的技术使用者：罗伯特
技术研发日：2023.01.10
技术公布日：2023/7/21