-
公开(公告)号：CN111260041A
公开(公告)日：2020-06-09
申请号：CN201911200671.1
申请日：2019-11-29
Applicant: 罗伯特·博世有限公司
IPC: G06N3/06
Abstract: 编码器，该编码器能与数据存储器连接并且被构造用于将数值存储在数据存储器中，这些数值处在预先给定的最小值与预先给定的最大值之间的值域内，其中编码器包含如下分配规则，该值域根据分配规则被分成多个离散区间，而且其中编码器被构造为：将所要存储的数值放置到正好一个区间中并且输出区间的标志符，其中区间在数值的尺度上不一样宽。用于数值的解码器，这些数值利用根据权利要求1至5中任一项所述的编码器被存储在数据存储器中，该解码器被构造为：根据分配规则，给从数据存储器中调用的离散区间的标志符分配属于区间的固定数值并且输出属于区间的固定数值。具有KNN、编码器和解码器的KI模块。用于制造KI模块的方法。所属的计算机程序。
-
公开(公告)号：CN109409188A
公开(公告)日：2019-03-01
申请号：CN201810941723.X
申请日：2018-08-17
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于对组织进行分类的设备（1），其包括具有至少一个卷积层（31a-31e）的人工神经网络（3），其中，卷积层（31a-31e）包含多个可训练的卷积核（32a-32c）并且对于每个卷积核（32a-32c）提供一个激活卡（33a-33c），并且在所述至少一个卷积层（31a-31e）之后连接至少一个分类器层（35a-35b）。此外，本发明涉及用于训练的一种设备和一种方法以及用于运行所述设备的方法（200）和所属的计算机程序。
-
公开(公告)号：CN111226234A
公开(公告)日：2020-06-02
申请号：CN201880068733.5
申请日：2018-10-15
Applicant: 罗伯特·博世有限公司
IPC: G06N3/08
Abstract: 本发明涉及一种用于创建深度神经网络（10）的方法（30）。所述深度神经网络（10）具有多个层（12）和带有权重的连接（13），并且在所创建的神经网络中的所述权重可只取来自离散值的可预先给定的列表的可预先给定的离散值，所述方法包括步骤：针对所述深度神经网络（10）提供至少一个训练输入变量；测定表征成本函数的变量，所述表征成本函数的变量包括第一变量，所述第一变量表征所述深度神经网络的根据所提供的训练输入变量来测定的输出变量与可预先给定的标称输出变量的偏差，并且其中所述表征成本函数的变量此外还包括至少一个惩罚变量，所述惩罚变量表征权重之一的值与可预先给定的离散值中的至少两个可预先给定的离散值中的至少一个的偏差；训练所述深度神经网络（10）。本发明此外还涉及一种计算机程序和一种用于实施根据本发明的方法（30）的设备，并且涉及一种机器可读的存储元件，在所述机器可读的存储元件上存储有计算机程序。
-
公开(公告)号：CN104699658B
公开(公告)日：2019-09-24
申请号：CN201410721221.8
申请日：2014-12-02
Applicant: 罗伯特·博世有限公司
IPC: G06F17/15
Abstract: 本发明涉及一种用于计算基于数据的函数模型的梯度、尤其是高斯过程模型的梯度的方法，所述函数模型尤其具有一个或多个累积的基于数据的子函数模型，其中设置模型计算单元（3），所述模型计算单元构造用于在两个循环操作中基于硬件地计算具有指数函数、和函数以及乘法函数的基于数据的函数模型的函数值，其中使用模型计算单元（3）用于为预先给出的输入测量的所希望的值计算基于数据的函数模型的梯度。
-
Patent Agency Ranking
公开(公告)号：CN109697503A
公开(公告)日：2019-04-30
申请号：CN201811229529.5
申请日：2018-10-22
Applicant: 罗伯特·博世有限公司
Abstract: 一种人工智能智能模块，KI模块，其被构造用于，通过内部处理链来将一个或多个输入参量处理成一个或多个输出参量，其中通过一个或多个参数来规定所述内部处理链，并且其中所述KI模块被构造用于，由在存储器中所保存的一个或多个存储值确定所述一个或多个参数，其中，设置分布模块，所述分布模块被构造用于，分别从一个或多个统计学分布中提取单个值并且由此求取所述一个或多个参数，其中每个统计学分布的至少一个统计学特性参量与至少一个存储值有关。用于消除存储值的方法。用于离散化和压缩存储值的方法。用于评估输出参量的不确定性的方法。
-
公开(公告)号：CN109697503B
公开(公告)日：2025-01-10
申请号：CN201811229529.5
申请日：2018-10-22
Applicant: 罗伯特·博世有限公司
IPC: G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 一种人工智能智能模块，KI模块，其被构造用于，通过内部处理链来将一个或多个输入参量处理成一个或多个输出参量，其中通过一个或多个参数来规定所述内部处理链，并且其中所述KI模块被构造用于，由在存储器中所保存的一个或多个存储值确定所述一个或多个参数，其中，设置分布模块，所述分布模块被构造用于，分别从一个或多个统计学分布中提取单个值并且由此求取所述一个或多个参数，其中每个统计学分布的至少一个统计学特性参量与至少一个存储值有关。用于消除存储值的方法。用于离散化和压缩存储值的方法。用于评估输出参量的不确定性的方法。
-
公开(公告)号：CN111226234B
公开(公告)日：2024-05-07
申请号：CN201880068733.5
申请日：2018-10-15
Applicant: 罗伯特·博世有限公司
IPC: G06N3/047 , G06N3/0495 , G06N3/09
Abstract: 本发明涉及一种用于创建深度神经网络（10）的方法（30）。所述深度神经网络（10）具有多个层（12）和带有权重的连接（13），并且在所创建的神经网络中的所述权重可只取来自离散值的可预先给定的列表的可预先给定的离散值，所述方法包括步骤：针对所述深度神经网络（10）提供至少一个训练输入变量；测定表征成本函数的变量，所述表征成本函数的变量包括第一变量，所述第一变量表征所述深度神经网络的根据所提供的训练输入变量来测定的输出变量与可预先给定的标称输出变量的偏差，并且其中所述表征成本函数的变量此外还包括至少一个惩罚变量，所述惩罚变量表征权重之一的值与可预先给定的离散值中的至少两个可预先给定的离散值中的至少一个的偏差；训练所述深度神经网络（10）。本发明此外还涉及一种计算机程序和一种用于实施根据本发明的方法（30）的设备，并且涉及一种机器可读的存储元件，在所述机器可读的存储元件上存储有计算机程序。
-
公开(公告)号：CN105975442A
公开(公告)日：2016-09-28
申请号：CN201610110437.X
申请日：2016-02-29
Applicant: 罗伯特·博世有限公司
IPC: G06F17/17
CPC classification number: F02D41/26 , F02D41/1401 , F02D2041/1434 , G06F17/17
Abstract: 本发明涉及一种用来求得所寻找的、用于函数模型的输入数据点的方法，所述输入数据点配属于输出参数的输出值，所述方法具有下述步骤：‑ 利用输出参数的通过所述函数模型配设的输出值来提供（S1）用于所述函数模型的多个输入数据点；‑ 根据第一种解决方法来确定（S2，S3）多个输入数据点中的两个输入数据点，配属于这些输入数据点的输出值包括预先给定的输出值；‑ 在所述两个输入数据点的基础上执行（S4）第二种可靠的收敛的解决方法，以便求得所寻找的输入数据点。
-
公开(公告)号：CN104699658A
公开(公告)日：2015-06-10
申请号：CN201410721221.8
申请日：2014-12-02
Applicant: 罗伯特·博世有限公司
IPC: G06F17/15
Abstract: 本发明涉及一种用于计算基于数据的函数模型的梯度、尤其是高斯过程模型的梯度的方法，所述函数模型尤其具有一个或多个累积的基于数据的子函数模型，其中设置模型计算单元（3），所述模型计算单元构造用于在两个循环操作中基于硬件地计算具有指数函数、和函数以及乘法函数的基于数据的函数模型的函数值，其中使用模型计算单元（3）用于为预先给出的输入测量的所希望的值计算基于数据的函数模型的梯度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
