(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677285.9 (22)申请日 2021.12.31 (71)申请人 新疆海狸农牧业软件 有限公司 地址 830000 新疆维吾尔自治区乌鲁 木齐 市经济技术开 发区 （头屯河区） 厦门路 16号D-305室 (72)发明人 常松　盛建东　武红旗　陈冰　 石书兵　康定明　马英杰　张红忠　 程军回　张凯　石秀楠　 (74)专利代理 机构 北京酷爱智慧知识产权代理 有限公司 1 1514 代理人 吴啸寰 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01)G06F 17/18(2006.01) (54)发明名称 一种具有解释功能的机器学习采样方法及 系统 (57)摘要 本发明公开了一种具有解释功能的机器学 习采样方法及系统， 涉及人工智能系统技术领 域， 步骤包括： S1： 获取机器学习初始数据， 经数 据预处理后， 通过塔木德算法对机器学习初始数 据进行计算， 得到二维共轭序列， 进入步骤S2； S2： 获取随机数据， 对随机 数据进行分段处理， 并 对分段处理后的随机数据进行合并， 形成随机数 据序列， 融合随机数据序列与二维共轭序列， 生 成备选数据序列， 判断备选数据序列是否具有共 轭性， 若是， 则进入 步骤S3； 若否， 则返回步骤S1； S3： 对备选数据序列进行交换配对， 判断配对数 据序列是否满足收敛条件， 若是， 则进入步骤S4； 若否， 则返回步骤S1； S4： 对配对数据序列进行拟 合计算， 得到 配对数据 序列的统计关系值。 权利要求书2页 说明书10页 附图2页 CN 114418112 A 2022.04.29 CN 114418112 A 1.一种具有解释功能的机器学习采样方法， 其特 征在于， 包括如下步骤： S1： 获取机器学习初始数据， 经数据预处理后， 通过塔木德算法对机器学习初始数据进 行计算， 得到二维共 轭序列， 进入步骤S2； S2： 获取随机数据， 对随机数据进行分段处理， 并对分段处理后的随机数据进行合并， 形成随机数据序列， 融合随机数据序列与二 维共轭序列， 生成备选数据序列， 判断备选数据 序列是否具有共 轭性， 若是， 则进入步骤S3； 若否， 则返回步骤S1； S3： 对备选数据序列进行交换配对， 判断配对数据序列是否满足收敛条件， 若是， 则进 入步骤S4； 若否， 则返回步骤S1； S4： 对配对数据 序列进行拟合计算， 得到配对数据 序列的统计关系值。 2.根据权利要求1所述的一种具有解释功能的机器学习采样方法， 其特征在于， 步骤S1 中所述的初始数据的获取， 具体为通过机器学习算法或MCMC采样所获取的典型数据， 且典 型数据中单个数据与N个数据具有相同的信息熵， 其数 学表达式如下： H(S)＝NH(S) 其中， 所述H(S)为单个数据的信息熵， 所述 NH(S)为N个数据的信息熵。 3.根据权利要求1所述的一种具有解释功能的机器学习采样方法， 其特征在于， 步骤S2 中所述的随机数据具体为噪声数据， 噪声数据经分段处理后， 通过NOPS或其它机器学习算 法对分段处 理后的噪声数据进行排序并合并， 形成噪声数据 序列， 其数 学表达式如下： A+ ε＝B H(S)＝NH(S) H(A)+H( ε )＝H(B) 其中， A为确定分段， ε为随机噪声， B为随机分段， H(A)为分段A的信息熵， H( ε )为随机分 段噪声的信息熵， 且H( ε )＝0， H(B)为随机分段B的信息熵。 4.根据权利要求3所述的一种具有解释功能的机器学习采样方法， 其特征在于， 步骤S2 中对噪声数据进行分段处理， 具体为通过海萨尼转换算法对 噪声数据进行分段处理， 其数 学表达式如下： 其中， P为概率， N为分段序列中样本数， i为1到N的指标， Xi为分段处理的样本,X为一个 代表分段的随机变量， E(X)为随机变量X的期望值， Y为对应的分段的随机变量， Yi为分段处 理的样本， E(Y)为随机变量Y的期望值， σ 为标准方差， ε为 一个常数。 5.根据权利要求1所述的一种具有解释功能的机器学习采样方法， 其特征在于， 步骤S3 中所述的判断配对数据序列是否满足收敛条件， 具体为判断配对序列的收敛速度是否达到 预期值。 6.一种具有解释功能的机器学习采样系统， 其特征在于， 应用于权利要求1 ‑5任意一项 所述的一种 具有解释功能的机器学习采样方法， 包括： 第一获取单元、 第一处理单元、 第二 获取单元、 第二处理单元、 融合单元、 第一判断单元、 配对单元、 第二判断单元、 拟合计算单 元； 所述第一获取单元与所述第一处理单元连接； 所述第二获取单元与所述第二处理单元 连接； 所述第一处理单元、 第二处理单元分别与所述融合单元连接； 所述融合单元与所述第权　利　要　求　书 1/2 页 2 CN 114418112 A 2一判断单元连接； 所述第一判断单元与所述配对单元连接； 所述配对单元与所述第二判断 单元连接； 所述第二判断单 元与所述拟合计算单 元连接。 7.根据权利要求6所述的一种具有解释功能的机器学习采样系统， 其特征在于， 所述融 合单元内预设有第一分析 单元、 第二分析 单元和第三分析 单元； 所述第一分析 单元， 用于对备选数据 序列进行随机性分析； 所述第二分析 单元， 用于对备选数据 序列进行细致平衡性分析； 所述第三分析 单元， 用于对备选数据 序列进行收敛性分析。权　利　要　求　书 2/2 页 3 CN 114418112 A 3