进行软件的验证的系统以及方法
    1.
    发明公开

    公开(公告)号:CN119938485A

    公开(公告)日:2025-05-06

    申请号:CN202411548448.7

    申请日:2024-11-01

    Abstract: 本发明提供进行软件的验证的系统以及方法。根据实施方式,系统可以包括:存储储存器,存储计算机可执行指令;以及至少一个处理器,与存储储存器可通信地连接,至少一个处理器可以被配置为执行指令来进行以下处理:从用户接收至少一个软件要素;确定接收到的至少一个软件要素是否通过了质量检查;以及响应于接收到的至少一个软件要素通过了质量检查的确定,将接收到的软件要素追加至列表,并且进行列表的第一验证,在列表中被指定的多个软件要素的每一个包括:列表内的多个软件要素的各个软件要素所通过的质量检查的类型的一个以上的指示。

    检测被损害的车辆并对被损害的车辆的检测进行响应

    公开(公告)号:CN119901989A

    公开(公告)日:2025-04-29

    申请号:CN202411499826.7

    申请日:2024-10-25

    Inventor: E·莱内尔

    Abstract: 公开了检测被损害的车辆并对被损害的车辆的检测进行响应。一种用于检测被损害的车辆并对被损害的车辆的检测进行响应的方法,包括:接收车辆的一个或多个被监测的输入;使用所述被监测的输入中的至少一个被监测的输入来预测被预测的车辆轨迹;检测被检测的车辆轨迹;将被预测的车辆轨迹与被检测的车辆轨迹进行比较;确定被预测的车辆轨迹与被检测的车辆轨迹的轨迹偏差值;响应于由计算设备确定轨迹偏差值超过轨迹偏差阈值,生成响应动作;以及实现响应动作。

    测试参数构成方法、测试参数构成装置及计算机程序产品

    公开(公告)号:CN119494419A

    公开(公告)日:2025-02-21

    申请号:CN202411121541.X

    申请日:2024-08-15

    Abstract: 本公开提供测试参数构成方法、测试参数构成装置及计算机程序产品。提供一种构成在机器学习(ML)模型的评价中使用的测试参数的方法、系统以及装置。也可以是,方法包括:获取包括至少一个测试参数的用户输入;将获取到的用户输入保存为作为代码的要件文件(RaC文件);通过要件管理层来对来自RaC文件的至少一个测试参数进行解释;基于来自RaC文件的已被解释的至少一个测试参数来对ML模型进行评价。

    神经架构搜索方法、神经架构搜索装置及可读记录介质

    公开(公告)号:CN119323239A

    公开(公告)日:2025-01-17

    申请号:CN202410943782.6

    申请日:2024-07-15

    Inventor: 山口晃一郎

    Abstract: 本公开提供用于神经架构搜索(NAS)流水线的神经架构搜索方法、神经架构搜索装置及可读记录介质。本公开提供用于进行优化后的神经架构搜索(NAS)的神经架构搜索(NAS)流水线用的方法、系统以及设备。该方法包括:获取包括用于神经网络架构的多个候选层的第一搜索空间;在第一搜索空间内进行无训练的NAS,以获取第一架构集;基于第一架构集来获取第二搜索空间;在第二搜索空间内进行基于梯度的搜索来获取第二架构集;将第二架构集用作初始样本来进行采样法搜索;以及获取作为采样法搜索的输出的输出架构。

    地物确定装置、地物确定方法以及计算机程序产品

    公开(公告)号:CN119025603A

    公开(公告)日:2024-11-26

    申请号:CN202410621593.7

    申请日:2024-05-20

    Abstract: 本公开涉及地物确定装置、地物确定方法以及包括地物确定用计算机程序的计算机程序产品。地物确定装置确定将道路按行驶方向隔离的、至少包括隔离杆和隔离钢丝绳的车道隔离设备的类别。在道路上的预定的位置没有关联车道隔离设备的类别的情况下,装置根据基于预定的位置是否包含于双向通行区间而从第1算法和第2算法中选择的算法,基于在预定的位置处拍摄的车道隔离设备的图像来确定车道隔离设备的类别。在预定的位置包含于双向通行区间的情况下,装置根据能够以比第1算法高的准确度确定隔离杆和隔离钢丝绳的第2算法来确定车道隔离设备的类别。

    用于基于选择性训练的一步法神经架构搜索的系统以及方法

    公开(公告)号:CN118690798A

    公开(公告)日:2024-09-24

    申请号:CN202410133597.0

    申请日:2024-01-30

    Inventor: 山口晃一郎

    Abstract: 本公开涉及用于基于选择性训练的一步法神经架构搜索的系统以及方法。提供最优化的一步法神经架构搜索(NAS)。一种执行一步法神经架构搜索(NAS)的方法,包括:取得网络整体的步骤,网络整体包括用于一步法NAS的多个候补子网络;从网络整体取得多个候补子网络中的第1子网络的步骤;取得第1子网络的第1度量值的步骤;判定第1度量值是否满足第1预定条件的步骤;根据第1度量值不满足第1预定条件的判定,判定为为了一步法NAS而不训练取得的第1子网络,从网络整体取得多个候补子网络中的第2子网络的步骤;以及为了一步法NAS而训练第2子网络的步骤。

    联邦学习的训练用的方法、计算机设备以及可读介质

    公开(公告)号:CN118396078A

    公开(公告)日:2024-07-26

    申请号:CN202410098884.2

    申请日:2024-01-24

    Abstract: 本公开涉及联邦学习的训练用的方法、计算机设备以及可读介质。方法包括:接收第一模型;以及收集由第一车辆上的传感器获取到的传感器数据。此外,方法包括在判定为第一数据项目满足基准时,从收集到的传感器数据之中确定第一数据项目。方法还包括:使用确定出的第一数据项目作为向第一模型的输入来使第一模型工作,由此检测确定出的第一数据项目中所包括的物体;以及建立与位于距第一车辆规定距离以下的第二车辆上的计算机的通信。此外,方法包括:从第二车辆上的计算机接收被表示为包括物体的第二数据项目;以及生成训练数据集。方法还包括:在训练数据集上进行对第一模型的训练;以及发送表示进行了训练的第一模型的第一数据。

Patent Agency Ranking