-
公开(公告)号：CN119558370A
公开(公告)日：2025-03-04
申请号：CN202411218567.6
申请日：2024-09-02
Applicant: 罗伯特·博世有限公司
IPC: G06N3/08 , G06N3/0499 , G06N20/10
Abstract: 提供了通过典型性进行数据扩充评估和自动训练集改进。公开的实施例包括用于评估扩充训练元素的方法。可以使用不同的扩充技术来生成扩充训练元素。公开的实施例可以生成对于训练多个不同机器学习模型有用的训练集。
-
公开(公告)号：CN116824325A
公开(公告)日：2023-09-29
申请号：CN202310308882.7
申请日：2023-03-27
Applicant: 罗伯特·博世有限公司
Abstract: 提供了深度平衡流估计一种用于机器学习(ML)系统的计算机实现方法包括：从传感器接收第一图像帧和第二图像帧，其中第一图像帧和第二图像帧是时间序列数据；确定第一图像帧的第一流状态和第一潜在状态；基于第一流状态、第一潜在状态和层函数通过根查找方法来确定基于深度平衡模型(DEQ)的固定点解，以获得估计的流状态和估计的潜在状态；接收第三图像帧，其中第二图像帧和第三图像帧是时间序列数据；基于估计的流状态、估计的潜在状态和层函数通过根查找方法来确定固定点解，以获得更新后的流状态和更新后的潜在状态；以及输出更新后的流状态。
-
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：CN119106708A
公开(公告)日：2024-12-10
申请号：CN202410736494.3
申请日：2024-06-07
Applicant: 罗伯特·博世有限公司
IPC: G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/096
Abstract: 经由深度平衡模型进行一步扩散蒸馏。公开了生成平衡变换器。所公开的实施例提供简单且有效的技术，所述技术可以仅使用噪声/图像对来将多步扩散过程蒸馏成单步生成模型。
-
Patent Agency Ranking
公开(公告)号：CN118112995A
公开(公告)日：2024-05-31
申请号：CN202311611385.0
申请日：2023-11-29
Applicant: 罗伯特·博世有限公司
IPC: G05B19/418
Abstract: 提供了具有预训练特征提取的工业质量监视系统。公开了用于对制造品进行分类的方法和系统。用训练数据训练分类器，所述训练数据包括1)与物品相关的特征向量，其基于在制造过程的特定站处捕获的与物品相关的测量，以及2)编码的时间序列数据，其表示在特定站之前在制造过程的站序列处捕获的与该制造品相同类型的物品的测量历史。
-
公开(公告)号：CN119494776A
公开(公告)日：2025-02-21
申请号：CN202411136146.9
申请日：2024-08-19
Applicant: 罗伯特·博世有限公司
Abstract: 所公开的实施例将基于扩散的生成式模型用于雷达点云超分辨率。所公开的实施例使用扩散建模的数学运算来从更低分辨率雷达点云数据生成更高分辨率雷达点云数据。
-
公开(公告)号：CN118567219A
公开(公告)日：2024-08-30
申请号：CN202410213606.7
申请日：2024-02-27
Applicant: 罗伯特·博世有限公司
IPC: G05B13/04
Abstract: 提供了用于制造的具有预训练特征提取的预测性维护。一种计算机实施的系统和方法包括建立给定零件遍历的站序列。每个站包括相对于给定零件执行至少一个操作的机器。接收与遍历多个机器的多个零件的属性相关的测量数据。测量数据由传感器获得，并且对应于当前处理周期。第一机器学习模型被预训练以生成(i)基于测量数据的隐表示和(ii)基于隐表示的机器状态。接收与当前处理周期相关的机器观察数据。基于测量数据和机器观察数据生成聚合数据。第二机器学习模型基于聚合数据生成维护预测。维护预测对应于下一个处理周期。
-
公开(公告)号：CN118211694A
公开(公告)日：2024-06-18
申请号：CN202311737459.5
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。第一神经网络基于站子序列的每个站处的给定部件的观察测量数据生成一组参数数据。该组参数数据与对应于站子序列的潜在变量子序列相关联。第二神经网络基于历史测量数据和该组参数数据生成下一参数数据。历史测量数据涉及在给定部件之前被处理的另一部件，并与站序列的每个站相关联。下一参数数据与潜在变量子序列之后的下一潜在变量相关联。下一潜在变量对应于站序列中的站子序列之后的下一站。第二神经网络基于下一潜在变量和下一参数数据生成下一站处的给定部件的预测测量数据。
-
公开(公告)号：CN115880560A
公开(公告)日：2023-03-31
申请号：CN202211206078.X
申请日：2022-09-28
Applicant: 罗伯特·博世有限公司
IPC: G06V10/82 , G06V10/764 , G06V10/86 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/063
Abstract: 一种卷积神经网络系统包括传感器和控制器，其中所述控制器被配置成：从所述传感器接收图像；将所述图像划分成补片，每个补片具有大小p；经由第一卷积层基于大小p的特征检测器来提取具有多个通道的特征图，其中所述特征检测器具有等于大小p的步幅；通过交替地应用逐深度卷积层和逐点卷积层来改善所述特征图以获得经改善的特征图，其中所述特征图中的通道的数目和所述特征图的大小遍及改善中的所有操作而保持恒定；以及输出经改善的特征图。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
