-
公开(公告)号：CN114580491A
公开(公告)日：2022-06-03
申请号：CN202111432281.4
申请日：2021-11-29
Applicant: 罗伯特·博世有限公司
IPC: G06K9/62
Abstract: 经由二元和多类马尔可夫随机场的基于高效半定规划的推理的图像分割。一种用于通过图像分割来控制物理系统的系统包括控制器。控制器可以被配置为从第一传感器接收n个像素的图像；从第二传感器接收图像的注释，基于图像和注释形成耦合矩阵、每个长度为n的k个类向量和偏置系数；基于耦合矩阵、类向量和偏置系数生成每个长度为n的n个像素向量；从像素向量创建长度为n的单个分割向量，其中分割向量中的每个条目标识k个类向量中的一个；输出单个分割向量；以及基于单个分割向量来操作物理系统。
-
公开(公告)号：CN113988255A
公开(公告)日：2022-01-28
申请号：CN202110843722.3
申请日：2021-07-26
Applicant: 罗伯特·博世有限公司
IPC: G06N3/04 , G06N3/063 , G06N3/08 , G11C11/4063
Abstract: 提供了深度均衡模型的硬件计算结构。一种动态均衡(DEQ)模型电路包括：第一乘法器，其被配置为接收输入，通过第一权重缩放输入，并输出经缩放的输入；第二乘法器，其被配置为接收根，通过第二权重缩放根，并输出经缩放的根；求和块，其被配置为组合经缩放的输入、偏置输入和经缩放的根并输出非线性输入；以及第一非线性函数，其被配置为接收非线性输入并输出根，其中第一权重和第二权重基于神经网络的经训练的DEQ模型。
-
公开(公告)号：CN117250914A
公开(公告)日：2023-12-19
申请号：CN202310713383.6
申请日：2023-06-15
Applicant: 罗伯特·博世有限公司
IPC: G05B19/418
Abstract: 用在制造过程期间捕获的测量数据训练机器学习模型的方法和系统。接收关于多个制造零件的物理特性的测量数据，所述物理特性由各个制造站处的多个传感器测量。时间序列动力学机器学习模型将测量数据编码到具有多个节点的潜在空间中。每个节点与制造站之一处的制造零件之一的测量数据相关联。可以构建一批测量数据，所述批包括第一节点和经由第一边直接连接到第一节点并且在时间上早于第一节点被测量的第一多个节点。预测机器学习模型可以基于所述批的节点的潜在空间来预测第一制造零件的测量。
-
公开(公告)号：CN116796257A
公开(公告)日：2023-09-22
申请号：CN202310272606.X
申请日：2023-03-20
Applicant: 罗伯特·博世有限公司 , 卡内基梅隆大学
IPC: G06F18/2415 , G06F18/25 , G06F18/214 , G06F18/10 , G06F18/15 , G06N3/08
Abstract: 用随机化和样本拒绝改进预训练系统鲁棒性的系统和方法。一种系统包括机器学习网络。该网络包括被配置为从传感器接收输入数据的输入接口。处理器被编程为接收输入数据，利用输入数据生成扰动输入数据集，其中扰动输入数据集包括输入数据的扰动，利用去噪器对扰动输入数据集进行去噪，其中去噪器被配置为生成去噪数据集，将去噪数据集发送到预训练的分类器和拒绝器两者，其中预训练的分类器被配置为对去噪数据集进行分类，并且拒绝器被配置为拒绝去噪数据集的分类，利用去噪输入数据集训练拒绝器以实现经训练的拒绝器，并且响应于获得经训练的拒绝器，输出与输入数据相关联的放弃分类，其中放弃分类对于分类而言被忽略。
-
公开(公告)号：CN114911892A
公开(公告)日：2022-08-16
申请号：CN202210118328.8
申请日：2022-02-08
Applicant: 罗伯特·博世有限公司
Abstract: 用于搜索、检索和排序的交互层神经网络。一种语言系统包括控制器。控制器可以被配置为接收查询和文档，将查询标记化为查询标记序列并将文档标记化为文档标记序列，为每个查询和文档标记生成标记对矩阵，为标记对矩阵中的每个条目检索由神经条件翻译概率网络产生的预计算的相似性得分，其中所述神经网络已经在使用成对查询和相应相关文档的语料库的排序任务中被训练，经由相应查询的每个相似性得分的和积聚合，产生每个文档相对于每个查询的排序得分；以及输出该文档和该文档的关联排序得分。
-
Patent Agency Ranking
公开(公告)号：CN114358104A
公开(公告)日：2022-04-15
申请号：CN202111143249.4
申请日：2021-09-28
Applicant: 罗伯特·博世有限公司
Abstract: 提供了用于利用对抗性示例检测进行可能鲁棒分类的方法和系统。一种用于训练机器学习网络的计算机实现的方法，包括：从传感器接收输入数据，其中所述输入数据包括扰动，其中所述输入数据指示图像、雷达、声纳或声音信息；利用对一个或多个隐藏层值的至少界定，获得所述输入数据的扰动版本的分类误差和损失的最坏情况界限；响应于输入数据，训练分类器，其中分类器包括多个类，所述多个类包括附加放弃类，其中放弃类是响应于至少界定输入数据而确定的；响应于输入数据而输出分类；以及输出经训练分类器，其被配置为响应于具有包括附加放弃类的多个类的输入数据分类器而检测附加放弃类。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.019 seconds)
