神经网络标定效能评估方法、装置、介质、设备及车辆与流程

技术特征：
1.一种神经网络模型的标定效能评估方法，其特征在于，包括：获取多维度的区域划分向量；其中，所述多维度是指，三维及三维以上的维度；所述区域划分向量用于为神经元模型的作用区域提供定量参照；提取所述区域划分向量中的一维标定参数；所述一维标定参数根据所述区域划分向量的维度，至少划分为第一标定参数、第二标定参数、第三标定参数；获取由所述神经网络模型输出的核坐标；所述核坐标包含与所述多维度的维数相同个数的坐标值，所述核坐标用于效能评估向量初始值的构建；构建以所述核坐标为参照点，以所述区域划分向量为棱长的第n标定向量族，其中n为自然数；比较由不同的所述区域划分向量构建的第n标定向量族，进行神经网络模型的标定效能评估；若所述标定向量族内部的向量为三维向量，则在可视化界面绘制以所述核坐标为支撑的立方体；其中，所述第一标定参数、所述第二标定参数和所述第三标定参数为棱长的数值。2.如权利要求1所述的评估方法，其特征在于：所述区域划分向量包括：区域核点坐标向量和棱长向量；所述区域核点坐标向量包括核点第一坐标、核点第二坐标和核点第三坐标；所述棱长向量包括第一棱长、第二棱长和第三棱长。3.如权利要求2所述的评估方法，其特征在于：所述区域核点坐标向量对应于笛卡尔坐标系的坐标值；所述核坐标即所述笛卡尔坐标系中，点元素的坐标。4.如权利要求2所述的评估方法，其特征在于：所述第一棱长由所述第一标定参数约束、所述第二棱长由所述第二标定参数约束、所述第三棱长由所述第三标定参数约束。5.如权利要求2
‑
4的任一所述评估方法，其特征在于：所述第一标定参数为转速指标，所述第二标定参数为负荷指标，所述第三标定参数为水温指标。6.如权利要求5所述的评估方法，其特征在于，包括：单立方绘制步骤：获取第一核坐标及第一棱长向量，并以所述第一核坐标为参照点，以所述第一棱长向量为立方体的三个棱长，在人机交互界面绘制第一立方体；其中，所述第一核坐标为所述网络模型在第一组标定参数下得到的核坐标；所述第一棱长向量为所述网络模型在第一组标定参数下得到的第一组棱长数据；对比步骤：保留所述第1立方体在所述人机交互界面的图像输出，并用重复所述单立方绘制步骤，绘制待评估第m立方体；其中，m为自然数；重复执行所述对比步骤，绘制待评估的所述第m立方体，所述第m立方体包括任意有限数量的立方体。7.如权利要求6所述的评估方法，其特征在于：在同一所述人机交互界面输出所述第1立方体、所述第2立方体
……
直至所述第m立方体，m为自然数；在所述对比步骤和重复执行所述对比步骤时，根据计算机图形学的方法，对不可见部
分作虚线处理。8.如权利要求6或7所述的评估方法，其特征在于：所述第1立方体、所述第2立方体
…
直至所述第m立方体，依次代表需要进行标定效能评估的神经元的第m个空间分布，m为自然数。9.一种神经网络模型的效能评估装置，其特征在于，包括：输入单元、提取单元、分析单元、评估单元；所述输入单元，获取多维度的区域划分向量；其中，所述多维度是指，三维及三维以上的维度；所述区域划分向量用于为神经元模型的作用区域提供定量参照；所述提取单元，提取所述区域划分向量中的一维标定参数；所述一维标定参数根据所述区域划分向量的维度，至少划分为第一标定参数、第二标定参数、第三标定参数；所述分析单元，获取由所述网络模型输出的核坐标；所述核坐标包含与所述多维度的维数相同个数的坐标值，所述核坐标用于效能评估向量初始值的构建；所述评估单元，绘制以核坐标为起始，以所述区域划分向量为棱长的标定向量族；比较由不同的所述区域划分向量构建的标定向量族，进行神经网络模型的标定效能评估；若所述标定向量族内部的向量为三维向量，则在可视化界面绘制以所述核坐标为支撑的立方体；其中，所述第一标定参数、所述第二标定参数和所述第三标定参数为棱长的数值。10.如权利要求9所述的效能评估装置，其特征在于，包括：单立方绘制单元：获取第一核坐标及第一棱长向量，并以所述第一核坐标为参照点，以所述第一棱长向量为立方体的三个棱长，在人机交互界面绘制第1立方体；其中，所述第一核坐标为所述网络模型在第一组标定参数下得到的核坐标；所述第一棱长向量为所述网络模型在第一组标定参数下得到的第一组棱长数据；对比单元：保留所述第1立方体在所述人机交互界面的图像输出，并用重复所述单立方绘制步骤，绘制待评估第2立方体；重复执行所述对比单元的步骤，绘制待评估的第m立方体，所述第m立方体包括任意有限数量的立方体，m为自然数。11.如权利要求10所述的效能评估装置，其特征在于，包括：在同一所述人机交互界面输出所述第1立方体、所述第2立方体
……
直至所述第m立方体，m为自然数；在所述对比步骤和重复执行所述对比步骤时，根据计算机图形学的方法，对不可见部分作虚线处理。12.如权利要求11所述的效能评估装置，其特征在于，包括：所述第1立方体、所述第2立方体
…
直至所述第m立方体，依次代表各个需要进行标定效能评估神经元的对照特征；所述第1立方体、所述第2立方体和所述第m立方体的空间位置关系和空间尺度关系给出所述神经元的评估信息；所述评估信息根据预设的所述对照特征进行分类和辨别。13.一种计算机可读存储介质，包括：用于存储计算机程序的存储介质本体；所述计算机程序在被执行时用以实现如权利要求1
‑
8的任一所述方法。14.一种检测设备，包括：
如权利要求9
‑
12的所述效能评估装置和/或包括如权利要求13所述的存储介质。15.一种车载设备，包括：如权利要求14所述的检测装置。16.一种车辆，包括：如权利要求9
‑
12的所述效能评估装置和/或包括如权利要求13所述的存储介质。

技术总结
本发明属于智能控制技术领域，尤其涉及一种神经网络标定效能评估方法、装置、介质、设备及车辆。本发明结合工程实际需要,通过三维空间立方体的特征点坐标和三边棱长特征直接绘制出立方体；可在转速、负荷、水温三个核心维度上直观呈现各个神经元的空间分布，极大地提高了神经网络模型的标定效率。其有益效果还在于，为神经元模型作用区域的划分提供反馈，提高了标定效率，利于通过直观的技术手段检查标定的合理性，同时还为多个作用区域间位置关系的辨别提供了有效的解决方案。的辨别提供了有效的解决方案。的辨别提供了有效的解决方案。


技术研发人员：王志伟 李鹍
受保护的技术使用者：联合汽车电子有限公司
技术研发日：2021.07.30
技术公布日：2021/10/23