Способ и система обучения алгоритма машинного обучения

Способ и система обучения алгоритма машинного обучения

Иллюстрации

Показать все

Реферат

ОБЛАСТЬ ТЕХНИКИ

[001] Изобретение относится к способам и системам для отбора обучающей выборки для обучения алгоритма машинного обучения.

УРОВЕНЬ ТЕХНИКИ

[002] Во многих отраслях промышленности, таких как химическая, нефтяная, энергетическая, пищевая, текстильная, бумажная и металлургическая, используют промышленные процессы преобразования газов, жидкостей и/или твердых веществ для производства промышленных товаров и материалов, которые, в свою очередь, используются в других промышленных процессах. Электронное и механическое оборудование обычно замеряет, показывает и управляет расходом, давлением, температурой, уровнем и составом этих различных газов, жидкостей и/или твердых веществ. Таким образом, в зависимости от характера данного промышленного процесса может быть измерено множество параметров процесса с целью контроля, исследования и улучшения производительности данного промышленного процесса.

[003] Например, промышленная система управления может быть реализована с возможностью контролировать производственный процесс и вносить изменения или корректировки для поддержания производительности на определенных приемлемых условиях или при определенных ограничениях. Измерение и контроль параметров процесса, связанных с этими газами, жидкостями и/или твердыми частицами, может находиться в диапазоне от показа и/или регулирования одного параметра процесса до оптимизации сотен параметров процесса, относящихся ко всему производственному процессу.

[004] Тем не менее, в большинстве случаев промышленный процесс может зависеть от многих параметров, которые неизвестны или не могут быть определены системой промышленного контроля. Например, некоторые из этих параметров могут быть неизвестны из-за того, что на заводе, где происходит производственный процесс, не установлено соответствующее измерительное оборудование. Или некоторые из этих параметров не могут контролироваться, например точный состав добавок, вводимых в промышленный процесс. В другом примере некоторые из этих параметров могут быть подвержены вмешательству человека, что оказывает большое влияние на производственный процесс и, следовательно, на конечный выход.

[005] Постоянная задача производственного процесса заключается в обеспечении максимальной прибыли на единицу времени работы процесса. В некоторых ситуациях для этого требуется усиленный контроль над стабильностью конечной продукции, что может быть труднодостижимо, принимая во внимание все неконтролируемые параметры производственных процессов.

РАСКРЫТИЕ

[006] Задачей предлагаемой технологии является устранение по меньшей мере некоторых недостатков, присущих известному уровню техники.

[007] Изобретатели разработали несколько вариантов осуществления настоящей технологии, принимая во внимание необходимость уменьшения количества вводов для данного промышленного процесса, чтобы уменьшить затраты на единицу времени работы процесса, контролируя при этом качество продукции данного промышленного процесса. Без желания выдвигать какую-либо теорию разработчики создали настоящую технологию, по меньшей мере некоторые варианты осуществления которой могут позволить отбирать параметры процесса таким образом, что они влияют на предсказуемость выходных результатов промышленного процесса, с помощью алгоритма машинного обучения. По крайней мере некоторые варианты осуществления настоящей технологии могут позволить прогнозировать выходные результаты производственного процесса путем исправления ошибок, связанных по меньшей мере с некоторыми неконтролируемыми параметрами производственного процесса.

[008] В некоторых вариантах осуществления настоящей технологии предлагается способ обучения алгоритма машинного обучения (MLA). Способ выполняется на сервере, который реализует MLA. Способ включает в себя создание сервером обучающей выборки для обучения MLA, причем обучающая выборка включает в себя множество векторов признаков и соответствующие связанные расчетные погрешности. Для создания обучающей выборки способ включает в себя создание сервером множества векторов признаков на основе данных истории, связанных с производственным процессом, причем каждый вектор признаков представляет множество идентифицированных признаков промышленного процесса в данных истории. Для создания обучающей выборки способ также включает в себя извлечение сервером множества выходных значений из данных истории, причем каждое выходное значение в множестве выходных значений представляет соответствующий прошлый результат производственного процесса и соответственно связано с каждым вектором признаков в множестве векторов признаков. Для создания обучающей выборки способ также включает в себя идентификацию сервером соответствующего значения целевого признака процесса в каждом векторе признаков, причем целевой признак процесса был предварительно определен оператором. Для создания обучающей выборки способ также включает в себя определение сервером функции регрессии, которая представляет взаимоотношения между каждым значением целевого признака процесса и соответствующим выходным значением. Для создания обучающей выборки способ также включает в себя определение сервером расчетного выходного значения для каждого соответствующего значения целевого признака процесса на основе функции регрессии. Для создания обучающей выборки способ также включает в себя определение сервером расчетной погрешности для каждого вектора признаков на основе соответствующего связанного выходного значения и соответствующего связанного расчетного выходного значения. Способ также включает в себя обучение сервером MLA на основе обучающей выборки прогнозированию соответствующей расчетной погрешности для каждого вектора признаков. Обучение MLA включает в себя ввод сервером каждого вектора признаков и соответствующей связанной расчетной погрешности в MLA.

[009] В некоторых вариантах осуществления способа способ дополнительно включает в себя сохранение сервером функции регрессии в хранилище.

[0010] В некоторых вариантах осуществления способа способ дополнительно включает в себя после обучения MLA получение сервером функции регрессии из хранилища. Способ дополнительно включает в себя получение сервером текущих значений набора признаков процесса и текущих выходных значений, которые представляют желаемый результат промышленного процесса, а набор признаков процесса представляет множество идентифицированных признаков промышленного процесса за исключением целевого признака процесса. Способ дополнительно включает в себя определение сервером первого пробного расчетного выходного значения для первого пробного значения целевого признака процесса на основе функции регрессии. Способ дополнительно включает в себя определение сервером первой пробной расчетной погрешности от обученного MLA для текущих значений набора признаков процесса и первого пробного значения целевого признака процесса с помощью ввода сервером текущих значений набора признаков процесса и первого пробного значения целевого признака процесса в обученный MLA. Способ дополнительно включает в себя определение сервером первого пробного скорректированного расчетного выходного значения на основе первого пробного расчетного выходного значения и первой пробной расчетной погрешности. Способ дополнительно включает в себя определение сервером второго пробного расчетного выходного значения для второго пробного значения целевого признака процесса на основе функции регрессии. Способ дополнительно включает в себя определение сервером второй пробной расчетной погрешности от обученного MLA для текущих значений набора признаков процесса и второго пробного значения целевого признака процесса с помощью ввода сервером текущих значений текущего набора признаков процесса и второго пробного значения целевого признака процесса в обученный MLA. Способ дополнительно включает в себя определение сервером второго пробного скорректированного расчетного выходного значения на основе второго пробного расчетного выходного значения и второй пробной расчетной погрешности. Способ дополнительно включает в себя отбор сервером данного из первого пробного значения целевого признака процесса и второго пробного значения целевого признака процесса как текущего значения целевого признака процесса на основе разницы между текущим выходным значением и первым пробным скорректированным расчетным выходным значением и разницы между текущим выходным значением и вторым пробным скорректированным расчетным выходным значением.

[0011] В некоторых вариантах осуществления способа способ дополнительно включает в себя инициацию выполнения производственного процесса с текущими значениями набора признаков процесса и текущим значением целевого признака процесса для получения текущего выходного значения.

[0012] В некоторых вариантах осуществления способа способ дополнительно включает в себя определение сервером первого пробного значения и второго пробного значения на основе данных истории.

[0013] В некоторых вариантах осуществления способа функция регрессии является либо линейной регрессией (linear regression), либо дробно-линейной регрессией (broken linear regression), либо логистической регрессией (logistic regression), либо полиномиальной регрессией (polynomial regression), либо гребневой регрессией (ridge regression), либо лассо-регрессией (lasso regression).

[0014] В некоторых вариантах осуществления способа способ включает в себя идентификацию сервером соответствующего значения первого целевого признака процесса и второго целевого признака процесса в каждом векторе признаков, где первый целевой признак процесса и второй целевой признак процесса были предварительно определены оператором. Способ также включает в себя определение сервером планарной функции регрессии, которая представляет взаимоотношения между каждым значением первого целевого признака процесса, соответствующим значением второго целевого признака процесса и соответствующим выходным значением. Способ дополнительно включает в себя определение сервером расчетного выходного значения для каждого соответствующего значения первого целевого признака процесса и соответствующего значения второго целевого признака процесса на основе планарной функции регрессии. Способ также включает в себя определение сервером расчетной погрешности для каждого вектора признаков на основе соответствующего связанного выходного значения и соответствующего связанного расчетного выходного значения. Способ также включает в себя обучение сервером MLA на основе обучающей выборки прогнозированию соответствующей расчетной погрешности для каждого вектора признаков. Обучение MLA включает в себя ввод сервером каждого вектора признаков и соответствующей связанной расчетной погрешности в MLA.

[0015] В некоторых вариантах осуществления способа способ дополнительно включает в себя после обучения MLA получение сервером планарной функции регрессии из хранилища. Способ дополнительно включает в себя получение сервером текущих значений набора признаков процесса и текущего выходного значения, которое представляют желаемый результат промышленного процесса, а набор признаков процесса представляет множество идентифицированных признаков промышленного процесса за исключением первого целевого признака процесса и второго целевого признака процесса. Способ дополнительно включает в себя определение сервером первого пробного расчетного выходного значения для первого пробного значения первого целевого признака процесса и первого значения второго целевого признака процесса на основе планарной функции регрессии. Способ дополнительно включает в себя определение сервером первой пробной расчетной погрешности от обученного MLA для текущих значений набора признаков процесса и первого пробного значения первого целевого признака процесса и первого пробного значения второго целевого признака процесса с помощью ввода сервером текущих значений набора признаков процесса, первого пробного значения первого целевого признака процесса и первого значения второго целевого признака процесса в обученный MLA. Способ дополнительно включает в себя определение сервером первого пробного скорректированного расчетного выходного значения на основе первого пробного расчетного выходного значения и первой пробной расчетной погрешности. Способ дополнительно включает в себя определение сервером второго пробного расчетного выходного значения для второго пробного значения первого целевого признака процесса и второго значения второго целевого признака процесса на основе планарной функции регрессии. Способ дополнительно включает в себя определение сервером второй пробной расчетной погрешности от обученного MLA для текущих значений набора признаков процесса, второго пробного значения первого целевого признака процесса и второго пробного значения второго целевого признака процесса с помощью ввода сервером текущих значений текущего набора признаков процесса, второго пробного значения первого целевого признака процесса и второго значения второго целевого признака процесса в обученный MLA. Способ дополнительно включает в себя определение сервером второго пробного скорректированного расчетного выходного значения на основе второго пробного расчетного выходного значение и второй пробной расчетной погрешности. Способ дополнительно включает в себя отбор сервером первых пробных значений или вторых пробных значений как текущей пары значений для первого целевого признака процесса и второго целевого признака процесса соответственно на основе разницы между текущим выходным значением и первым пробным скорректированным расчетным выходным значением и разницы между текущим выходным значением и вторым пробным скорректированным расчетным выходным значением.

[0016] В некоторых вариантах осуществления способа способ дополнительно включает в себя инициацию выполнения производственного процесса с текущей парой значений для первого целевого признака процесса и второго целевого признака процесса соответственно для получения текущего выходного значения.

[0017] В некоторых вариантах осуществления способа способ дополнительно включает в себя определение сервером пары первых пробных значений и пары вторых пробных значений на основе данных истории.

[0018] В некоторых вариантах осуществления способа промышленный процесс является процессом легирования стали.

[0019] В некоторых вариантах осуществления настоящей технологии предлагается сервер для обучения алгоритма машинного обучения (MLA), причем сервер реализует MLA. Сервер выполнен с возможностью создавать обучающую выборку для обучения MLA, причем обучающая выборка включает в себя множество векторов признаков и соответствующие связанные расчетные погрешности. Для создания обучающей выборки сервер выполнен с возможностью создавать множество векторов признаков на основе данных истории, связанных с производственным процессом, причем каждый вектор признаков представляет множество идентифицированных признаков промышленного процесса в данных истории. Для создания обучающей выборки сервер выполнен с возможностью извлекать множество выходных значений из данных истории, причем каждое выходное значение в множестве выходных значений представляет соответствующий прошлый результат производственного процесса и соответственно связано с каждым вектором признаков в множестве векторов признаков. Для создания обучающей выборки сервер выполнен с возможностью идентифицировать соответствующее значение целевого признака процесса в каждом векторе признаков, причем целевой признак процесса был предварительно определен оператором. Для создания обучающей выборки сервер выполнен с возможностью определять функцию регрессии, которая представляет взаимоотношения между каждым значением целевого признака процесса и соответствующим выходным значением. Для создания обучающей выборки сервер выполнен с возможностью определять расчетное выходное значение для каждого соответствующего значения целевого признака процесса на основе функции регрессии. Для создания обучающей выборки сервер выполнен с возможностью определять расчетную погрешность для каждого вектора признаков на основе соответствующего связанного выходного значения и соответствующего связанного расчетного выходного значения. Сервер выполнен с возможностью обучать MLA на основе обучающей выборки прогнозировать соответствующую расчетную погрешность для каждого вектора признаков. Для обучения MLA сервер выполнен с возможностью вводить каждый вектор признаков и соответствующую связанную расчетную погрешность в MLA.

[0020] В некоторых вариантах осуществления севера сервер выполнен с дополнительной возможностью сохранения функции регрессии в хранилище.

[0021] В некоторых вариантах осуществления севера сервер выполнен с дополнительной возможностью после обучения получать функцию регрессии из хранилища. Сервер выполнен с дополнительной возможностью получать текущие значения набора признаков процесса и текущее выходное значение, которое представляет желаемый результат промышленного процесса, а набор признаков процесса представляет множество идентифицированных признаков промышленного процесса за исключением целевого признака процесса. Сервер выполнен с дополнительной возможностью определять первое пробное расчетное выходное значение для первого пробного значения целевого признака процесса на основе функции регрессии. Сервер выполнен с дополнительной возможностью определять первую пробную расчетную погрешность от обученного MLA для текущих значений набора признаков процесса и первого пробного значения целевого признака процесса с помощью ввода текущих значений набора признаков процесса и первого пробного значения целевого признака процесса в обученный MLA. Сервер выполнен с дополнительной возможностью определять первое пробное скорректированное расчетное выходное значение на основе первого пробного расчетного выходного значения и первой пробной расчетной погрешности. Сервер выполнен с дополнительной возможностью определять второе пробное расчетное выходное значение для второго пробного значения целевого признака процесса на основе функции регрессии. Сервер выполнен с дополнительной возможностью определять вторую пробную расчетную погрешность от обученного MLA для текущих значений набора признаков процесса и второго пробного значения целевого признака процесса с помощью ввода текущих значений текущего набора признаков процесса и второго пробного значения целевого признака процесса в обученный MLA. Сервер выполнен с дополнительной возможностью определять второе пробное скорректированное расчетное выходное значение на основе второго пробного расчетного выходного значения и второй пробной расчетной погрешности. Сервер выполнен с дополнительной возможностью отбирать данное из первого пробного значения целевого признака процесса и второго пробного значения целевого признака процесса как текущее значение целевого признака процесса на основе разницы между текущим выходным значением и первым пробным скорректированным расчетным выходным значением и разницы между текущим выходным значением и вторым пробным скорректированным расчетным выходным значением.

[0022] В некоторых вариантах осуществления сервера сервер выполнен с дополнительной возможностью инициировать выполнение производственного процесса с текущими значениями набора признаков процесса и текущим значением целевого признака процесса для получения текущего выходного значения.

[0023] В некоторых вариантах осуществления сервера сервер выполнен с дополнительной возможностью определять первое пробное значение и второе пробное значение на основе данных истории.

[0024] В некоторых вариантах осуществления сервера функция регрессии является либо линейной регрессией, либо дробно-линейной регрессией, либо логистической регрессией, либо полиномиальной регрессией, либо гребневой регрессией, либо лассо-регрессией.

[0025] В некоторых вариантах осуществления сервера сервер выполнен с возможностью идентифицировать соответствующее значение первого целевого признака процесса и второго целевого признака процесса в каждом векторе признаков, где первый целевой признак процесса и второй целевой признак процесса были предварительно определены оператором. Сервер выполнен с возможностью определять планарную функцию регрессии, которая представляет взаимоотношения между каждым значением первого целевого признака процесса, соответствующим значением второго целевого признака процесса и соответствующим выходным значением. Сервер выполнен с возможностью определять расчетное выходное значение для каждого соответствующего значения первого целевого признака процесса и соответствующего значения второго целевого признака процесса на основе планарной функции регрессии. Сервер выполнен с возможностью определять расчетную погрешность для каждого вектора признаков на основе соответствующего связанного выходного значения и соответствующего связанного расчетного выходного значения. Сервер выполнен с возможностью обучать MLA на основе обучающей выборки прогнозировать соответствующую расчетную погрешность для каждого вектора признаков. Для обучения MLA сервер выполнен с возможностью вводить каждый вектор признаков и соответствующую связанную расчетную погрешность в MLA.

[0026] В некоторых вариантах осуществления севера сервер выполнен с дополнительной возможностью после обучения получать планарную функцию регрессии из хранилища. Сервер выполнен с возможностью получать текущие значения набора признаков процесса и текущее выходное значение, которое представляет желаемый результат промышленного процесса, а набор признаков процесса представляет множество идентифицированных признаков промышленного процесса за исключением первого целевого признака процесса и второго целевого признака процесса. Сервер выполнен с возможностью определять первое пробное расчетное выходное значение для первого пробного значения первого целевого признака процесса и первого значения второго целевого признака процесса на основе планарной функции регрессии. Сервер выполнен с возможностью определять первую пробную расчетную погрешность от обученного MLA для текущих значений набора признаков процесса и первого пробного значения первого целевого признака процесса и первого пробного значения второго целевого признака процесса с помощью ввода текущих значений набора признаков процесса, первого пробного значения первого целевого признака процесса и первого значения второго целевого признака процесса в обученный MLA. Сервер выполнен с возможностью определять первое пробное скорректированное расчетное выходное значение на основе первого пробного расчетного выходного значения и первой пробной расчетной погрешности. Сервер выполнен с возможностью определять второе пробное расчетное выходное значение для второго пробного значения первого целевого признака процесса и второго пробного значения второго целевого признака процесса на основе планарной функции регрессии. Сервер выполнен с возможностью определять вторую пробную расчетную погрешность от обученного MLA для текущих значений набора признаков процесса, второго пробного значения первого целевого признака процесса и второго пробного значения второго целевого признака процесса с помощью ввода текущих значений текущего набора признаков процесса, второго пробного значения первого целевого признака процесса и второго значения второго целевого признака процесса в обученный MLA. Сервер выполнен с возможностью определять второе пробное скорректированное расчетное выходное значение на основе второго пробного расчетного выходного значения и второй пробной расчетной погрешности. Сервер выполнен с возможностью отбирать первые пробные значения или вторые пробные значения как текущую пару значений для первого целевого признака процесса и второго целевого признака процесса соответственно на основе разницы между текущим выходным значением и первым пробным скорректированным расчетным выходным значением и разницы между текущим выходным значением и вторым пробным скорректированным расчетным выходным значением.

[0027] В некоторых вариантах осуществления сервера сервер выполнен с дополнительной возможностью инициировать выполнение производственного процесса с текущей парой значений для первого целевого признака процесса и второго целевого признака процесса соответственно для получения текущего выходного значения.

[0028] В некоторых вариантах осуществления сервера сервер выполнен с дополнительной возможностью определять пару первых пробных значений и пару вторых пробных значений на основе данных истории.

[0029] В контексте настоящего описания, если конкретно не указано иное, «сервер» подразумевает под собой компьютерную программу, работающую на соответствующем оборудовании, которая способна получать запросы (например, от клиентских устройств) по сети и выполнять эти запросы или инициировать выполнение этих запросов. Оборудование может представлять собой один физический компьютер или одну физическую компьютерную систему, но ни то, ни другое не является обязательным для данной технологии. В контексте настоящей технологии использование выражения «сервер» не означает, что каждая задача (например, полученные команды или запросы) или какая-либо конкретная задача будет получена, выполнена или инициирована к выполнению одним и тем же сервером (то есть одним и тем же программным обеспечением и/или аппаратным обеспечением); это означает, что любое количество элементов программного обеспечения или аппаратных устройств может быть вовлечено в прием/передачу, выполнение или инициирование выполнения любого запроса или последствия любого запроса, связанного с клиентским устройством, и все это программное и аппаратное обеспечение может быть одним сервером или несколькими серверами, оба варианта включены в выражение «по меньшей мере один сервер».

[0030] В контексте настоящего описания, если конкретно не указано иное, "клиентское устройство" подразумевает под собой аппаратное устройство, способное работать с программным обеспечением, подходящим к решению соответствующей задачи. Примерами клиентских устройств, среди прочего, являются персональные компьютеры (настольные компьютеры, ноутбуки и т.д.), смартфоны и планшеты. Следует иметь в виду, что устройство, ведущее себя как клиентское устройство в настоящем контексте, может вести себя как сервер по отношению к другим клиентским устройствам. Использование выражения «клиентское устройство» не исключает возможности использования множества клиентских устройств для получения/отправки, выполнения или инициирования выполнения любой задачи или запроса, или же последствий любой задачи или запроса, или же этапов любого вышеописанного способа.

[0031] В контексте настоящего описания, если конкретно не указано иное, термин «база данных» подразумевает под собой любой структурированный набор данных, не зависящий от конкретной структуры, программного обеспечения по управлению базой данных, аппаратного обеспечения компьютера, на котором данные хранятся, используются или иным образом оказываются доступны для использования. В контексте настоящего описания слова «первый», «второй», «третий» и т.д. используются в виде прилагательных исключительно для того, чтобы отличать существительные, к которым они относятся, друг от друга, а не для целей описания какой-либо конкретной взаимосвязи между этими существительными.

[0032] В контексте настоящего описания, если конкретно не указано иное, термин «компонент» подразумевает под собой программное обеспечение (соответствующее конкретному аппаратному контексту), которое является необходимым и достаточным для выполнения конкретной(ых) указанной(ых) функции(й).

[0033] В контексте настоящего описания, если конкретно не указано иное, термин «используемый компьютером носитель компьютерной информации» подразумевает под собой носитель абсолютно любого типа и характера, включая ОЗУ, ПЗУ, диски (компакт диски, DVD-диски, дискеты, жесткие диски и т.д.), USB флеш-накопители, твердотельные накопители, накопители на магнитной ленте и т.д.

[0034] В контексте настоящего описания, если четко не указано иное, «указание» информационного элемента может представлять собой сам информационный элемент или указатель, отсылку, ссылку или другой косвенный способ, позволяющий получателю указания найти сеть, память, базу данных или другой машиночитаемый носитель, из которого может быть извлечен информационный элемент. Например, указание файла может включать в себя сам файл (т.е. его содержимое), или же оно может являться уникальным дескриптором файла, идентифицирующим файл по отношению к конкретной файловой системе, или какими-то другими средствами передавать получателю указание на сетевую папку, адрес памяти, таблицу в базе данных или другое место, в котором можно получить доступ к файлу. Как будет понятно специалистам в данной области техники, степень точности, необходимая для такого указания, зависит от степени первичного понимания того, как должна быть интерпретирована информация, которой обмениваются получатель и отправитель указания. Например, если до передачи данных между отправителем и получателем понятно, что указание информационного элемента принимает вид ключа базы данных для записи в конкретной таблице заранее установленной базы данных, включающей в себя информационный элемент, то передача ключа базы данных - это все, что необходимо для эффективной передачи информационного элемента получателю, несмотря на то, что сам по себе информационный элемент не передавался между отправителем и получателем указания. Каждый вариант осуществления настоящей технологии преследует по меньшей мере одну из вышеупомянутых целей и/или объектов, но наличие всех не является обязательным. Следует иметь в виду, что некоторые объекты данной технологии, полученные в результате попыток достичь вышеупомянутой цели, могут не удовлетворять этой цели и/или могут удовлетворять другим целям, отдельно не указанным здесь.

[0035] Дополнительные и/или альтернативные характеристики, аспекты и преимущества вариантов осуществления настоящей технологии станут очевидными из последующего описания, прилагаемых чертежей и прилагаемой формулы изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0036] Для лучшего понимания настоящей технологии, а также других ее аспектов и характерных черт, сделана ссылка на следующее описание, которое должно использоваться в сочетании с прилагаемыми чертежами.

[0037] На фиг. 1 представлена схема сервера, который подходит для реализации настоящей технологии и/или который используется в сочетании с вариантами осуществления настоящей технологи;

[0038] На фиг. 2 представлена таблица журнальных записей, представляющих данные истории, связанные с промышленным процессом, как предусматривается в некоторых вариантах осуществления настоящей технологии, и сохраненные сервером, изображенным на фиг. 1, в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[0039] На фиг. 3 представлен первый вектор признаков и первое выходное значение, как предусматривается в некоторых вариантах осуществления настоящей технологии, обработанные сервером, изображенным на фиг. 1, в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[0040] На фиг. 4 представлено множество векторов признаков, обработанных сервером, изображенным на фиг. 1, в соответствии с неограничивающими вариантами осуществления настоящей технологии, причем множество векторов признаков включает в себя первый вектор признаков, изображенный на фиг. 3, и множество выходных значений, которое включает в себя первое выходное значение, изображенное на фиг. 3;

[0041] На фиг. 5 представлен набор данных, на основе которого сервер, изображенный на фиг. 1, может определять функцию регрессии, как предусматривается в некоторых вариантах осуществления настоящей технологии;

[0042] На фиг. 6 представлено визуальное представление набора данных, показанного на фиг. 5, причем визуальное представление включает в себя набор экспериментальных точек и функцию регрессии, как определено сервером, изображенным на фиг. 1, в соответствии с неограничивающими возможностями настоящей технологии;

[0043] На фиг. 7 изображена соответствующая расчетная погрешность для каждого выходного значения, изображенного на фиг. 4, на основе соответствующего расчетного выходного значения, как определено сервером, изображенным на фиг. 1, в соответствии с неограничивающими возможностями настоящей технологии;

[0044] На фиг. 8 изображены используемые пакеты данных, а также первый пробный вектор признаков и второй пробный вектор признаков, определенные в течение рабочей фазы обученного MLA, причем обученный MLA реализуется сервером, изображенным на фиг. 1, в соответствии с неограничивающими возможностями настоящей технологии;

[0045] На фиг. 9 изображено визуальное представление первого пробного расчетного выходного значения и второго пробного расчетного выходного значения, соответственно связанных с первым пробным вектором признаков и вторым пробным вектором признаков, изображенным на фиг. 8, как определено сервером, изображенным на фиг. 1, в соответствии с неограничивающими возможностями настоящей технологии;

[0046] На фиг. 10 изображено визуальное представление первой пробной расчетной погрешности и второй пробной расчетной погрешности, соответственно связанных с первым пробным вектором признаков и вторым пробным вектором признаков, изображенным на ФИГ. 8, как определено сервером, изображенным на фиг. 1, в соответствии с неограничивающими возможностями настоящей технологии;

[0047] На фиг. 11 изображено множество векторов признаков и множество выходных значений в контексте дополнительного сценария, в котором два целевых признака процесса предварительно определены оператором и введены в сервер, изображенный на фиг. 1, в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[0048] На фиг. 12 представлен набор данных, на основе которых сервер, изображенный на фиг. 1, может определять планарную функцию регрессии в контексте дополнительного сценария, где два целевых признака процесса предварительно определены оператором, как предусматривается в некоторых вариантах осуществления настоящей технологии;

[0049] На фиг. 13 представлено визуальное представление набора данных, показанного на фиг. 12, который включает в себя набор экспериментальных точек и планарную функцию регрессии в контексте дополнительного сценария, где два целевых признака процесса предварительно определены оператором, как предусматривается в некоторых вариантах осуществления настоящей технологии;

[0050] На фиг. 14 представлен набор расчетных выходных значений, определенных в контексте дополнительного сценария, где два целевых признака процесса предварительно определены оператором, как предусматривается в некоторых вариантах осуществления настоящей технологии;

[0051] На фиг. 15 представлена блок-схема способа обучения алгоритма машинного обучения, способ выполняется сервером, изображенным на фиг. 1, в соответствии с вариантами осуществления настоящей технологии, не ограничивающими ее объем.

ОСУЩЕСТВЛЕНИЕ

[0052] Примеры и используемые здесь условные конструкции предназначены, главным образом, для того, чтобы помочь читателю понять принципы настоящей технологии, а не для установления границ ее объема. Следует также отметить, что специалисты в данной области техники могут разработать различные схемы, отдельно не описанные и не показанные здесь, но которые, тем не менее, воплощают собой принципы настоящей технологии и находятся в границах ее объема.

[0053] Кроме того, для ясности в понимании следующее описание касается достаточно упрощенных вариантов осуществ