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

Inventor： F·施密特 ,  C·多莫克斯 ,  K·拉姆巴赫

IPC: G06N3/048 ,  G06N3/084 ,  G06N3/06 ,  G06F18/24 ,  G06F18/213 ,  G06F17/16

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：CN118294907A

公开(公告)日：2024-07-05

申请号：CN202410003795.5

申请日：2024-01-02

Applicant: 罗伯特·博世有限公司

Inventor： K·拉姆巴赫 ,  D·斯托克尔 ,  M·塔塔尔钦科

IPC: G01S7/41

Abstract: 用于鉴于预给定任务而处理作为空间中的点的点云而存在的测量数据的方法，其中所述点云将一个或多个测量参量的值分配给每个点，所述方法具有如下步骤：·对于每个测量参量，分配给所述点云中的点的所述测量参量的所有值都被收集并处理成经聚合的表示，其中无论所述点云中的多少点被分配有相应测量参量的值，所述表示都具有相同的维度；·所述表示中的一个或多个作为输入而被输送到任务网络；和·所述任务网络将所述一个或多个表示映射到鉴于预给定任务的所寻求的输出。

公开(公告)号：CN117953262A

公开(公告)日：2024-04-30

申请号：CN202311418103.5

申请日：2023-10-30

Applicant: 罗伯特·博世有限公司

Inventor： G·哈科比扬 ,  C·维斯 ,  K·拉姆巴赫

IPC: G06V10/764 ,  G01S13/89 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 用于确定对象的分类(216)的方法和设备，其中所述设备被设计成，提供雷达图像中被分配给所述对象的像素(202)，其中所述设备被设计成，提供点云，其中所述点云包括至少一个点，所述至少一个点通过被分配给所述对象的至少一个属性来代表被分配给所述对象的雷达反射(204)，其中所述设备被设计成，从所述像素中提取表征所述对象的第一特征(208)，从所述点云中提取表征所述对象的第二特征(212)，并且根据所述第一特征(208)和所述第二特征(212)来确定所述对象的分类(216)。

公开(公告)号：CN113673709A

公开(公告)日：2021-11-19

申请号：CN202110515545.6

申请日：2021-05-12

Applicant: 罗伯特·博世有限公司

Inventor： C·K·穆马蒂 ,  A·霍列娃 ,  K·撒克曼 ,  K·拉姆巴赫 ,  P·萨兰利蒂柴 ,  V·费舍尔

IPC: G06N20/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 具有内容和位置敏感分类器的对象分类。提供了一种用于使用机器学习模型对空间数据中的对象进行分类的系统和方法，以及一种用于训练机器学习模型的系统和方法。机器学习模型可以包括内容敏感分类器、位置敏感分类器和至少一个离群检测器。这两个分类器可以联合在空间数据中的对象是分布内还是边缘分布外之间进行区分。离群检测部分可以在来自训练数据的内围示例上被训练，而机器可学习模型的输入数据中实际离群值的存在可以在训练期间在机器可学习模型的特征空间中被模拟。这些部分的组合可以提供空间数据中相对于离群值的更稳健的对象分类，而不必增加训练数据的大小。

公开(公告)号：CN119721127A

公开(公告)日：2025-03-28

申请号：CN202411358972.8

申请日：2024-09-27

Applicant: 罗伯特·博世有限公司

Inventor： C·多莫克斯 ,  K·拉姆巴赫 ,  M·普什卡列娃 ,  Y·费尔德曼 ,  A·根德勒

IPC: G06N3/0455 ,  G06N3/08 ,  G06V10/26 ,  G06V10/74 ,  G06V10/774 ,  G01S7/02

Abstract: 训练将雷达频谱映射到编码的第一编码器的设备和方法，该方法包括提供第一编码器，其中第一编码器被配置为将雷达频谱映射到雷达频谱在第一特征空间中的编码，提供第二编码器，其中第二编码器被配置为将数字图像映射到数字图像在第一特征空间中的编码，提供第一雷达频谱和第一数字图像，其中第一雷达频谱包括第一对象的至少一部分的雷达反射，其中第一数字图像描绘第一对象的至少一部分，其中第一雷达频谱和第一数字图像表示相同或基本相同的真实世界场景、优选地同时或基本同时，用第一编码器将第一雷达频谱映射到第一编码，用第二编码器将第一数字图像映射到第二编码，以及取决于第一编码和第二编码之间的距离来训练第一编码器和/或第二编码器。

公开(公告)号：CN119577502A

公开(公告)日：2025-03-07

申请号：CN202411240209.5

申请日：2024-09-05

Applicant: 罗伯特·博世有限公司

Inventor： A·巴特勒 ,  B·比肖夫 ,  C·多莫克斯 ,  D·尼德洛纳 ,  K·拉姆巴赫 ,  M·夸克 ,  M·乌利希 ,  P·齐格勒 ,  R·乔丹 ,  S·布劳恩

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种用于将来自对区域的监视的测量数据处理成所述区域中的物体关于给定分类的分类分数和/或属性的方法，包括：·提供测量数据的点云；·提供具有多个单元的输入网格；·基于所述点云将所述至少一个测量量的值和/或从所述至少一个测量量得出的至少一个工作产品的值分配给所述输入网格的每个单元；以及·由任务神经网络将所述输入网格处理成输出网格，·每个单元被确定为o如果所述点云的至少一个点在所述单元内，则被物体占据，以及o如果所述单元没有所述点云的点，则为未被占据；以及·分配给相应网格中未被占据的单元的值在所述相应网格的情境下被修改为中性值。

公开(公告)号：CN114332525A

公开(公告)日：2022-04-12

申请号：CN202111135021.0

申请日：2021-09-27

Applicant: 罗伯特·博世有限公司

Inventor： C·K·穆马蒂 ,  J·H·梅岑 ,  K·拉姆巴赫 ,  R·胡特马赫

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/56 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及对分类器网络的训练的基于数据的向前推算。用于训练神经网络的方法具有步骤：提供学习输入图像及学习输出数据；提供辅助输入图像；通过将至少一个预先给定的变化引入到辅助输入图像中，产生辅助输入图像的修改；修改被输送给神经网络；在考虑输出数据的情况下，确定针对变化的预测；利用预先给定的辅助成本函数评价预测与变化的偏差；怀着如下目的优化表征神经网络的行为的参数：在进一步处理辅助输入图像时，改进通过辅助成本函数进行的评价；学习输入图像被输送给神经网络；利用主成本函数评价输出数据与学习输出数据的偏差；怀着如下目的优化表征神经网络的行为的参数：在进一步处理学习输入图像时，改进通过主成本函数进行的评价。