公开(公告)号：CN118824280A

公开(公告)日：2024-10-22

申请号：CN202410475440.6

申请日：2024-04-19

Applicant: 罗伯特·博世有限公司

Inventor： T·阿尔贝尔 ,  A·亨克 ,  C·欧 ,  D·瑙姆金 ,  F·舍恩 ,  F·郎 ,  L·A·胡尔戈 ,  M·胡贝尔 ,  M·库卡

IPC: G10L25/27 ,  G10L25/48 ,  G10L25/03 ,  G10L25/18 ,  G10K11/178

Abstract: 根据各种实施方式，提供用于适配由设备产生的噪声的方法，包括针对大量设备特征中的每个设备特征，通过利用设备特征的值的大量组合训练EBM来确定该设备特征对噪声评价特征数的贡献与该设备特征的值的依赖性并且针对每一个组合确定噪声评价特征数的所属值，其中EBM的多个决策树中的每一个决策树根据分配给该决策树的设备特征值为针对该设备特征具有该值的设备确定对噪声评价特征数的贡献；为其噪声应该被适配的设备确定设备特征的值；从针对设备特征确定的依赖性中针对设备特征的一个或多个设备特征确定设备特征的值的变化以用于改善噪声评价特征数；以及根据所确定的变化来适配设备。

公开(公告)号：CN117807429A

公开(公告)日：2024-04-02

申请号：CN202311269477.5

申请日：2023-09-27

Applicant: 罗伯特·博世有限公司

Inventor： I·巴塔洛夫 ,  T·阿尔贝尔 ,  F·J·C·孔德萨 ,  F·郎 ,  F·舍恩 ,  C·欧 ,  M·胡贝尔 ,  D·瑙姆金 ,  M·库卡 ,  B·利普奇克 ,  M·博世特 ,  A·亨克

IPC: G06F18/214 ,  G01H17/00 ,  G01H9/00 ,  G06N20/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 使用加速度计数据进行基于深度学习的声音预测的系统和方法。一种系统包括与一个或多个传感器通信的处理器。处理器被编程为从所述一个或多个传感器接收来自测试设备的振动信息和与振动信息相关联的声音信息；利用至少振动数据和与振动数据相关联的声音信息生成训练数据集，其中所述训练数据集被发送至被配置为输出声音预测的机器学习模型；从运行发出实时振动数据的致动器或电驱动的运行时设备接收实时振动数据；并且基于机器学习模型和实时振动数据，输出指示从运行时设备发出的声称声音的声音预测。

公开(公告)号：CN117809688A

公开(公告)日：2024-04-02

申请号：CN202311259010.2

申请日：2023-09-27

Applicant: 罗伯特·博世有限公司

Inventor： I·巴塔洛夫 ,  T·阿尔贝尔 ,  F·J·C·孔德萨 ,  F·郎 ,  F·舍恩 ,  C·欧 ,  M·胡贝尔 ,  D·瑙姆金 ,  M·库卡 ,  B·利普奇克 ,  M·博舍特 ,  A·亨克

IPC: G10L25/51 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084 ,  G10L25/30 ,  G10L25/06

Abstract: 用于使用加速度计数据预测声音感知的模型的系统和方法。一种系统，包括处理器，其中所述处理器被编程为从第一环境中的设备接收声音信息和振动信息；利用至少振动信息和与振动信息的对应声音相关联的声音感知分数生成训练数据集，其中所述训练数据集被馈送到未训练的机器学习模型中；响应于满足未训练的机器学习模型的收敛阈值，输出经训练的机器学习模型；在第二环境中接收来自设备的实时振动信息；并且基于实时振动信息作为经训练的机器学习模型的输入，输出指示与从设备发出的声音相关联的特性的实时声音感知分数。