[发明专利]通过停放的车辆的处理能力进行的ANN训练

说明书

本公开涉及一种用于通过停放的车辆的处理能力进行ANN训练的系统。所述系统可包含主计算装置，所述主计算装置具有经配置以控制ANN的训练的控制器。可通过停放的车辆的计算装置至少部分地在单独部分中执行训练。所述控制器可经配置以将训练所述ANN的计算任务分成分离的任务。另外，所述控制器可经配置以将所述分离的任务中的至少一些指派到停放的车辆的所选计算装置。所述控制器还可经配置以接收且汇总所述分离的任务的结果以训练所述ANN。所述控制器还可经配置以根据所述结果训练所述ANN。所述主计算装置可经配置以将指派的任务发送到所述车辆的所选装置，以及从所述所选装置接收所述指派的任务的所述结果。

相关申请

本申请要求2020年4月16日提交的标题为“通过停放的车辆的处理能力进行的ANN训练(ANN TRAINING THROUGH PROCESSING POWER OF PARKED VEHICLES)”的第16/850,946号美国专利申请的优先权，所述美国专利申请的全部公开内容特此以引用的方式并入本文。

技术领域

本文公开的至少一些实施例涉及通过停放的车辆的处理能力进行的人工神经网络(ANN)训练。

背景技术

人工神经网络(ANN)是从生物神经网络松散建模的人工智能(AI)系统。ANN可被视为AI系统，因为此类系统可人工学习以执行任务。ANN是许多不同类型的机器学习工具中的一种。ANN可通过实例输入且通常在未被编程有特定于任务的规则的情况下人工地学习。举例来说，当ANN用于语音识别时，它可通过分析已知含有口语单词“hello”的实例音频信号来学习标识含有口语单词“hello”的音频信号。然后，ANN的计算结果可用于标识其它音频信号中的口语单词“hello”。在图像识别实例中，ANN可通过分析已知含有人的实例图像来学习标识含有人的图像。然后，ANN的输出可用于标识其它图像中的人。

除了语音和图像识别，ANN还可用于几乎任何包含有监督学习的机器学习任务。并且，此类ANN已用于医疗诊断、解决商业和技术问题、机器翻译、网络过滤、大数据系统中的过滤、玩视频游戏以及实时生成视频游戏和多媒体的新部分。甚至正在开发ANN来指导车辆自动化和自动驾驶汽车的决策。

ANN基于通常称作人工神经元的一组连接节点。所述连接节点松散地模拟大脑的生物神经元。节点之间的连接类似于大脑中的突触。然而，所述连接(通常称为边)是数学模型的一部分，与传输进出生物神经元的信号的实际物理元素不同。人工神经元或节点也是数学模型的一部分，与经由突触接收信号且随后处理信号且经由突触发送信号的生物神经元松散地类似。

在ANN中，节点之间的连接可包含数字。并且，节点的输出可从函数(例如非线性函数)计算得出，所述函数包含其输入的总和或总和的导数，或更具体地说，包含其输入连接的总和或总和的导数。另外，人工神经元和边通常具有随着学习过程而调整的权重。权重可使边处的数字增大或减小。人工神经元还可具有阈值，使得仅当神经元的输入的总数超过阈值时才输入神经元的边的数字。另外，通常在ANN中将其节点或人工神经元组织成层。并且，ANN的不同层可对其输入执行不同的变换。ANN可包含输入层和输出层，且变换的发生是从所述输入层到所述输出层。另外，ANN在输入层与输出层之间可包含一或多个中间层。

附图说明

根据下文给出的详细描述和本公开的各种实施例的附图，将更充分地理解本公开。

图1到3说明根据本公开的一些实施例的实例联网系统，其包含车辆以及至少部分地经由车辆的计算系统训练ANN的一或多个主计算装置。

图4到6说明根据本公开的一些实施例的可由图1到3中所描绘的联网系统的各方面执行的实例操作的流程图。

具体实施方式