-
公开(公告)号：CN118211695A
公开(公告)日：2024-06-18
申请号：CN202311740310.2
申请日：2023-12-15
Applicant: 罗伯特·博世有限公司
IPC: G06Q10/04 , G01D21/02 , G06Q10/20 , G06N3/0442 , G06N3/0464
Abstract: 计算机实现的系统和方法包括建立给定部件穿过的站序列。历史嵌入序列被生成并包括(a)基于历史测量数据的历史测量嵌入，(b)基于至少一个其他部件的至少一个历史部件标识符的历史部件标识符嵌入，和(c)基于对应于历史测量数据的至少一个历史站标识符的历史站标识符嵌入。输入嵌入序列被生成并包括(a)基于观察测量数据的测量嵌入，(b)基于给定部件的部件标识符的部件标识符嵌入，和(c)基于对应于观察测量数据的站标识符的站标识符嵌入。编码网络基于历史嵌入序列生成中间历史特征。解码网络基于中间历史特征和输入嵌入序列生成预测测量数据。预测测量数据包括下一站处的给定部件的下一测量数据，下一站在站序列中跟随站子序列。
-
公开(公告)号：CN116229198A
公开(公告)日：2023-06-06
申请号：CN202211536578.X
申请日：2022-12-02
Applicant: 罗伯特·博世有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/096
Abstract: 提供了用于扩充视觉转换器的系统和方法。一种计算机实现的系统和方法向机器学习系统（诸如视觉转换器）提供改进的训练。该系统和方法包括至少使用内容图像、第一样式图像和第二样式图像来执行神经样式迁移扩充。至少基于内容图像的内容和第一样式图像的第一样式生成第一扩充图像。至少基于内容图像的内容和第二样式图像的第二样式生成第二扩充图像。用至少包括内容图像、第一扩充图像和第二扩充图像的训练数据来训练机器学习系统。为机器学习系统计算损失输出。损失输出至少包括一致性损失，该一致性损失计及由机器学习系统提供的关于内容图像、第一扩充图像和第二扩充图像中的每一个的预测标签。基于该损失更新机器学习系统的至少一个参数。
-
公开(公告)号：CN114254732A
公开(公告)日：2022-03-29
申请号：CN202111098350.2
申请日：2021-09-18
Applicant: 罗伯特·博世有限公司
Inventor： F·J·卡布里塔孔德萨 , 林婉怡 , K·杨 , M·普拉蒂姆
Abstract: 在多模态环境中利用扰动的系统和方法。一种用于训练机器学习网络的计算机实现的方法。该方法可以包括接收输入数据，从输入数据选择一个或多个批次样本，将扰动对象应用到一个或多个批次样本上以创建扰动样本，运行扰动样本通过机器学习网络，响应于运行扰动样本响应于函数更新扰动对象，以及响应于超过收敛阈值输出扰动对象。
-
公开(公告)号：CN113962399A
公开(公告)日：2022-01-21
申请号：CN202110800376.0
申请日：2021-07-15
Applicant: 罗伯特·博世有限公司
Abstract: 用于机器学习中学习扰动集的方法和系统。一种用于训练神经网络的计算机实现的方法，包括接收输入数据，响应于维度潜在向量和输入数据定义输入数据的扰动版本，利用输入数据的扰动版本训练变分自动编码器（VAE），其中VAE利用编码器响应于输入数据和输入数据的扰动版本输出潜在向量，利用VAE的解码器解码潜在向量，返回到输入潜在空间以输出扰动示例，以及利用一个或多个扰动示例并在收敛到第一阈值时输出学习的扰动集合。
-
公开(公告)号：CN112348846A
公开(公告)日：2021-02-09
申请号：CN202010788097.2
申请日：2020-08-07
Applicant: 罗伯特·博世有限公司
Abstract: 提供了图像序列上对象检测和跟踪的人工智能驱动基准真值生成。存储装置维护包括具有帧序列的视频的原始图像数据，以及指示在相应帧中标识的对象方面的帧注释。处理器针对原始图像数据的关键帧的注释，确定关键帧的任务类型和关键帧的代理类型；根据关键帧任务类型和关键帧代理类型，接收在原始图像数据的关键帧中标识的对象的注释；基于关键帧的注释的置信水平，选择审查关键帧；针对原始图像数据的中间帧的注释，确定中间帧的任务类型和中间帧的代理类型；以及根据中间帧任务类型和中间帧代理类型，接收在原始图像数据的中间帧中标识的对象的注释。
-
Patent Agency Ranking
公开(公告)号：CN119227776A
公开(公告)日：2024-12-31
申请号：CN202410856028.9
申请日：2024-06-28
Applicant: 罗伯特·博世有限公司
IPC: G06N3/098
Abstract: 具有模型多样性的联邦学习。公开了用于机器学习环境中的联邦学习的方法和系统。将多个服务器维护的机器学习模型的至少部分从服务器发送到多个客户端，从而产生多个本地机器学习模型。在每个客户端处，用本地存储在该相应客户端处的本地存储的数据来训练多个本地机器学习模型。确定多个本地机器学习模型中的每一个的相应损失，并且更新多个本地机器学习模型中的每一个的相应权重。来自每个客户端的相应更新的权重被传送到服务器，而不传送客户端的本地存储的数据。在服务器处，用从每个客户端发送的更新的权重来训练多个服务器维护的机器学习模型。
-
公开(公告)号：CN119106749A
公开(公告)日：2024-12-10
申请号：CN202410744937.3
申请日：2024-06-11
Applicant: 罗伯特·博世有限公司 , 卡内基梅隆大学
IPC: G06N20/00 , G06N5/04 , G06F18/214 , G06F16/34 , G06F16/35 , G06F18/2415 , G06N5/022
Abstract: 本公开涉及用于在大型语言模型上利用弱学习器的系统和方法。一种计算机实现的方法包括将表格数据转换成文本表示，生成与表格数据的文本表示相关联的元数据，响应于利用大型语言模型(LLM)以及表格数据的元数据和文本表示的零样本提示，输出指示表格数据的一个或多个自然语言数据描述，利用LLM，并在一个或多个自然语言数据描述上附加提示输出一个或多个概要，响应于具有最小验证率的单个概要，选择一个或多个概要中的单个概要，接收与表格数据相关联的查询，输出与查询相关联的一个或多个预测，以及响应于从一次或多次迭代生成的一个或多个预测满足收敛阈值，输出与查询相关联的最终预测。
-
公开(公告)号：CN117422146A
公开(公告)日：2024-01-19
申请号：CN202310889794.0
申请日：2023-07-19
Applicant: 罗伯特·博世有限公司 , 卡内基梅隆大学
IPC: G06N20/00 , G06F18/214 , G06F18/24
Abstract: 提供了用于经由共轭伪标签的测试时适配的系统和方法。一种计算机实现的系统和方法涉及机器学习系统从源域到目标域的测试时适配。从目标域获得传感器数据。机器学习系统基于传感器数据生成预测数据。基于利用预测数据评估的预定函数的梯度来生成伪参考数据。基于伪参考数据和预测数据生成损失数据。基于损失数据更新机器学习系统的一个或多个参数。机器学习系统被配置为在一个或多个参数已经被更新之后在目标域中执行任务。
-
公开(公告)号：CN115482428A
公开(公告)日：2022-12-16
申请号：CN202210680575.7
申请日：2022-06-16
Applicant: 罗伯特·博世有限公司
Inventor： 林婉怡 , L·博伊特索夫 , A·诺鲁扎德 , J·柯尔特 , F·J·卡布里塔孔德萨
IPC: G06V10/774 , G06V10/82 , G06V20/52 , G06V10/764 , G06N20/00 , G06N3/04
Abstract: 提供了针对对抗性攻击为预训练模型预置鲁棒器的系统和方法。一种用于训练机器学习网络的计算机实现的方法。所述方法包括：从传感器接收输入数据，其中输入数据指示图像、雷达、声纳或声音信息；利用输入数据生成输入数据集，其中输入数据集包括扰动数据；将输入数据集发送给鲁棒器，其中鲁棒器被配置为通过移除与输入数据集相关联的扰动来清理输入数据集，以创建修改的输入数据集；将修改的输入数据集发送到预训练机器学习任务；利用修改的输入数据集训练鲁棒器以获得经训练的鲁棒器；以及响应于经训练的鲁棒器收敛到第一阈值，输出经训练的鲁棒器。
-
公开(公告)号：CN114359614A
公开(公告)日：2022-04-15
申请号：CN202111135019.3
申请日：2021-09-27
Applicant: 罗伯特·博世有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 一种系统和方法涉及提供具有针对补丁攻击的防御的机器学习预测。所述系统和方法包括：获得数字图像，并且经由随机过程来生成位置数据集合。所述位置数据集合包括数字图像上的随机选择的位置，这些位置为创建用于裁剪的区域提供了可行的基础。基于所述位置数据集合来生成随机裁剪物集合。每个裁剪物包括数字图像的不同区域，如关于其对应位置数据所定义的那样。所述机器学习系统被配置成：提供针对所述随机裁剪物集合中的每个裁剪物的预测，并且输出预测集合。集体地评估所述预测集合，以确定所述预测集合当中的多数预测。基于所述多数预测来针对数字图像生成输出标签。所述输出标签包括所述多数预测作为所述数字图像的标识符。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
