-
公开(公告)号：CN118898275A
公开(公告)日：2024-11-05
申请号：CN202410546738.1
申请日：2024-05-06
Applicant: 罗伯特·博世有限公司
Abstract: 用于处理测量数据(1b)的神经网络架构(1)，包括多个层(2、3、4)，每个层具有多个神经元(2a、3a、4a)，每个神经元被构造为使用全纯计算函数(5)将复值输入(2b、3b、4b)处理成激活(6)并通过将非线性激活函数(7)应用于所述激活(6)来确定该神经元的输出(8)，其中所述激活函数也是全纯的。
-
公开(公告)号：CN118194931A
公开(公告)日：2024-06-14
申请号：CN202311689349.6
申请日：2023-12-11
Applicant: 罗伯特·博世有限公司
Inventor： F·施密特
IPC: G06N3/0475 , G06N3/0455 , G06N3/08
Abstract: 提供了一种用于在训练数据上训练自动编码器以获得用于合成新数据的生成模型的系统和方法。在所述训练期间，仿射变换320被应用于编码器310的输出，以获得潜在空间中的训练数据实例的表示。此外，潜在空间中的训练数据实例的表示的均值和协方差被确定，并且仿射变换的参数被更新以将训练数据实例的表示的均值和协方差朝向目标均值和目标协方差移位。经训练的自动编码器的解码器330可以被用作生成模型，例如以合成系统、设备或机器的测试或模拟的输入数据，或者以合成用于(另一)机器可学习模型的训练的训练数据。
-
公开(公告)号：CN116011523A
公开(公告)日：2023-04-25
申请号：CN202211285722.7
申请日：2022-10-20
Applicant: 罗伯特·博世有限公司
Inventor： F·施密特
Abstract: 按照各种实施方式，描述了一种用于控制代理的方法，该方法具有：借助于训练数据来训练神经网络，这些训练数据对于多个代理来说包含这些代理的行为的示例，其中该神经网络的输出具有针对行为的预测并且取决于网络参数，这些网络参数针对所有训练数据来共同被训练，并且该神经网络的输出取决于另一参数，该另一参数针对所述多个代理中的每个代理来单独训练；将概率分布拟合到针对这些代理的该另一参数的从训练中得到的值；在代理的环境中对来自另一代理的概率分布中的值进行采样；而且在考虑该神经网络针对该另一代理的经采样的值所输出的该另一代理的行为的预测的情况下控制该代理。
-
公开(公告)号：CN113711139A
公开(公告)日：2021-11-26
申请号：CN202080027845.3
申请日：2020-03-24
Applicant: 罗伯特·博世有限公司
IPC: G05B13/02
Abstract: 用于操控技术装置（102）的计算机实现的方法和设备（100），其中所述技术装置（102）是机器人、至少部分自主的车辆、家居控制装置、家用电器、家庭手工设备尤其是电动工具、生产机器、个人辅助设备、监控系统或者访问控制系统，其中所述设备（100）具有用于至少一个传感器（108）的输入数据（106）的输入端（104）、用于借助于操控信号（112）操控所述技术装置（102）的输出端（110）和计算装置（114），所述计算装置被构造用于根据输入数据（106）操控技术装置（102），其中根据输入数据（106）确定所述技术装置（102）的至少一部分或所述技术装置（102）的环境的状态，其中根据用于所述技术装置（102）的策略和状态确定至少一个行动，并且其中所述技术装置（102）被操控用于执行至少一个行动，其中利用强化学习算法在与所述技术装置（102）或所述技术装置（102）的环境的交互中根据至少一个反馈信号学习尤其是由人工神经网络代表的策略，其中根据目标预设确定所述至少一个反馈信号，其中与连续函数的值成比例地确定交互情节的至少一个起始状态和/或至少一个目标状态，其中通过将连续函数应用于先前为策略确定的性能度量、通过将连续函数应用于先前为策略确定的性能度量的导数、通过将连续函数应用于先前为策略确定的性能度量的尤其是时间上的变化、通过将连续函数应用于策略或通过组合这些应用来确定所述值。
-
公开(公告)号：CN113671942A
公开(公告)日：2021-11-19
申请号：CN202110471494.1
申请日：2021-04-29
Applicant: 罗伯特·博世有限公司
IPC: G05D1/02
Abstract: 本公开涉及控制机器人的设备和方法。所述方法包括：接收要达到的目标配置的指示；通过价值迭代确定粗略尺度价值映射，其中使用转移概率模型确定转移概率；以及对于粗略尺度状态序列中的每个，从初始粗略尺度状态开始并且直到达到目标配置或者已经达到最大数量的精细尺度状态为止，从粗略尺度价值映射确定精细尺度子目标；由致动器执行精细尺度控制动作，以及获得传感器数据以确定所达到的精细尺度状态，从当前精细尺度状态开始，并且直到达到所确定的精细尺度子目标，转移到不同的粗略尺度状态，或者已经达到精细尺度状态序列的最大序列长度为止；以及从精细尺度状态序列中的最后一个确定粗略尺度状态序列中的下一个。
-
Patent Agency Ranking
公开(公告)号：CN113302630A
公开(公告)日：2021-08-24
申请号：CN201980084684.9
申请日：2019-11-27
Applicant: 罗伯特·博世有限公司 , 卡内基梅隆大学
Abstract: 一种用于获得至分类器（60）的对抗输入信号（xadv）的计算机实现的方法，所述分类器（60）用于对从传感器（30）获得的输入信号（x）进行分类，其中所述对抗输入信号（xadv）是从原始输入信号（xorg）获得的，并且其中所述对抗输入信号（xadv）和所述原始输入信号（xorg）引起分类器（60）将所述原始输入信号（xorg）分类为属于第一类（）并且将所述对抗输入信号（xadv）分类为属于不同于所述第一类（）的第二类（），其中所述方法包括以下步骤：‑修改所述原始输入信号（xorg）以产生经修改输入信号（xmod）；‑将所述经修改输入信号（xmod）投影到围绕所述原始输入信号（xorg）的度量球上，以产生投影输入信号（xproj）；以及‑取决于所述投影输入信号（xproj）获得所述对抗输入信号（xadv），其特征在于，所述度量是至少近似Wasserstein距离。
-
公开(公告)号：CN106415450A
公开(公告)日：2017-02-15
申请号：CN201580029231.8
申请日：2015-04-07
Applicant: 罗伯特·博世有限公司
Abstract: 提出一种用于产生用于手势识别的图像矩阵的模块，其中，所述模块具有用于输入激光投影机模块的至少一个同步数据信号的至少一个第一数据输入单元、用于输入光传感器模块的图像数据信号的第二数据输入单元并且具有存储器单元和存储器控制单元，其中，所述存储器控制单元如此配置，使得所述图像数据信号的图像数据根据所述至少一个同步数据信号作为图像矩阵存储在所述存储器单元中，其中，所述存储器控制单元如此配置，使得所述图像矩阵由所述图像数据根据借助所述至少一个同步数据信号传输的图像行方向信息来产生。
-
公开(公告)号：CN106233307A
公开(公告)日：2016-12-14
申请号：CN201580021780.0
申请日：2015-03-03
Applicant: 罗伯特·博世有限公司
CPC classification number: G06F3/017 , G01B11/002 , G01B11/14 , G01S3/786 , G01S17/02 , G06F3/011 , G06F3/04883 , G06K9/00335 , G06K9/00355 , G06K9/22 , G06T2207/30196
Abstract: 提出一种用于与模块无接触式交互的方法，其中，所述模块具有第一子模块和第二子模块，其中，在第一方法步骤中，通过所述第一子模块产生初级射束，其中，在第二方法步骤中，通过所述第二子模块如此以扫描运动加载所述初级射束，使得图像信息被投影到投影区域中，其中，在第三方法步骤中，通过所述模块识别由对象执行的控制命令，其中，所述控制命令涉及与所述模块的无接触式交互，其中，在所述第三方法步骤中，通过所述模块探测所述对象的几何形状。
-
公开(公告)号：CN113168572B
公开(公告)日：2025-03-04
申请号：CN201980084702.3
申请日：2019-11-28
Applicant: 罗伯特·博世有限公司
IPC: G06F18/24 , G06F18/214 , G06N3/047 , G06N3/084
Abstract: 一种用于提供用于操控执行器（10）的操控信号（A）的方法，其中根据神经网络（60）的输出信号（y）来确定所述操控信号（A），其特征在于，所述神经网络（60）包括缩放层（S4），其中所述缩放层将附在所述缩放层（S4）的输入上的输入信号（z4）映射到附在所述缩放层（S4）的输出上的输出信号（z5），使得所述映射对应于输入信号（z4）到可预先给定的值域上的投影，其中可预先给定表征所述映射的参数（ρ,c）。
-
公开(公告)号：CN113711139B
公开(公告)日：2024-08-02
申请号：CN202080027845.3
申请日：2020-03-24
Applicant: 罗伯特·博世有限公司
IPC: G05B13/02
Abstract: 用于操控技术装置（102）的计算机实现的方法和设备（100），其中所述技术装置（102）是机器人、至少部分自主的车辆、家居控制装置、家用电器、家庭手工设备尤其是电动工具、生产机器、个人辅助设备、监控系统或者访问控制系统，其中所述设备（100）具有用于至少一个传感器（108）的输入数据（106）的输入端（104）、用于借助于操控信号（112）操控所述技术装置（102）的输出端（110）和计算装置（114），所述计算装置被构造用于根据输入数据（106）操控技术装置（102），其中根据输入数据（106）确定所述技术装置（102）的至少一部分或所述技术装置（102）的环境的状态，其中根据用于所述技术装置（102）的策略和状态确定至少一个行动，并且其中所述技术装置（102）被操控用于执行至少一个行动，其中利用强化学习算法在与所述技术装置（102）或所述技术装置（102）的环境的交互中根据至少一个反馈信号学习尤其是由人工神经网络代表的策略，其中根据目标预设确定所述至少一个反馈信号，其中与连续函数的值成比例地确定交互情节的至少一个起始状态和/或至少一个目标状态，其中通过将连续函数应用于先前为策略确定的性能度量、通过将连续函数应用于先前为策略确定的性能度量的导数、通过将连续函数应用于先前为策略确定的性能度量的尤其是时间上的变化、通过将连续函数应用于策略或通过组合这些应用来确定所述值。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
