“J·柯尔特”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果12个，建议您升级VIP下载更多相关专利

[发明专利]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-CN202310272606.X在审
发明人： F·谢赫勒斯拉米;林婉怡;J·H·梅岑;张欢;J·柯尔特 -专利权人：罗伯特·博世有限公司;卡内基梅隆大学
申请日： 2023-03-20 - 公布日： 2023-09-22 - 主分类号： G06F18/2415 文献下载
摘要：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。
随机化样本拒绝改进训练系统鲁棒性方法

[发明专利]针对对抗性攻击为预训练模型预置鲁棒器的系统和方法-CN202210680575.7在审
发明人：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 -专利权人：罗伯特·博世有限公司
申请日： 2022-06-16 - 公布日： 2022-12-16 - 主分类号： G06V10/774 文献下载
摘要：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。
针对对抗性攻击训练模型预置鲁棒器系统方法

[发明专利]多模态融合模型对单源对抗的防御-CN202210681146.1在审
发明人： K·杨;林婉怡;M·普拉提姆;F·J·卡布里塔孔德萨;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2022-06-16 - 公布日： 2022-12-16 - 主分类号： G06V10/80 文献下载
摘要：一种用于自主车辆的多模态感知系统包括第一传感器和控制器，所述第一传感器是视频、RADAR、LIDAR或超声传感器中的一种。该控制器可以被配置为：从第一传感器接收第一信号，从第二传感器接收第二信号，并且从第三传感器接收第三信号，从第一信号提取第一特征向量，从第二信号提取第二特征向量，从第三信号提取第三特征向量，基于不一致的模态预测经由机器学习网络的剔除异常项网络从第一、第二和第三特征向量确定剔除异常项向量，将第一、第二和第三特征向量以及剔除异常项向量融合成融合特征向量，输出融合特征向量，并且基于融合特征向量控制自主车辆。
多模态融合模型对抗防御

[发明专利]用于搜索、检索和排序的交互层神经网络-CN202210118328.8在审
发明人： L·博伊特索夫;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2022-02-08 - 公布日： 2022-08-16 - 主分类号： G06F16/31 文献下载
摘要：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。
用于搜索检索排序交互神经网络

[发明专利]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-CN202111432281.4在审
发明人： D·T·维尔莫特;C·帕巴拉茹;王柏崴;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2021-11-29 - 公布日： 2022-06-03 - 主分类号： G06K9/62 文献下载
摘要：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。
经由二元多类马尔可夫随机基于高效规划推理图像分割

[发明专利]用于使用元学习初始化进行对抗性训练的方法和系统-CN202111169613.4在审
发明人：张潇;A·K·萨胡;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2021-10-08 - 公布日： 2022-04-22 - 主分类号： G06V20/10 文献下载
摘要：提供了用于使用元学习初始化进行对抗性训练的方法和系统。一种存储指令的计算机程序产品，当由计算机执行时，所述指令引起计算机：从传感器接收输入数据，其中输入数据包括指示图像的数据，其中传感器包括视频、雷达、LiDAR、声音、声纳、超声、运动或热成像传感器；响应于输入数据，利用生成器生成输入数据的对抗性版本；利用输入数据和输入数据的对抗性版本创建训练数据集；利用相对于对抗性损失的随机梯度方面来确定元模型的更新方向，并且响应于输入数据和利用分类器的分类来确定基于交叉熵的分类损失；以及响应于交叉熵分类损失利用训练数据集来更新元模型和分类器。
用于使用学习初始化进行对抗性训练方法系统

[发明专利]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-CN202111143249.4在审
发明人： F·谢科霍勒斯拉米;J·柯尔特;A·洛菲雷扎巴德 -专利权人：罗伯特·博世有限公司
申请日： 2021-09-28 - 公布日： 2022-04-15 - 主分类号： G06K9/62 文献下载
摘要：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。
用于利用对抗性示例检测进行可能分类方法系统

[发明专利]学习联合潜在对抗训练的方法和系统-CN202111127403.9在审
发明人： L·莱斯;J·柯尔特;林婉怡 -专利权人：罗伯特·博世有限公司
申请日： 2021-09-26 - 公布日： 2022-04-12 - 主分类号： G06V10/774 文献下载
摘要：学习联合潜在对抗训练的方法和系统。一种用于训练机器学习网络的计算机实现的方法。该机器学习网络方法包括从传感器接收输入数据，其中输入数据包括成对的清洁扰动数据，其中输入数据指示图像、雷达、声纳或声音信息，生成输入数据的扰动版本，响应于输入数据，利用生成器利用来自输入数据的数据和利用输入数据的扰动版本的扰动图像创建成对的训练数据集，响应于成对的训练数据集，联合训练生成器和分类器，确定用于生成扰动的潜在向量，该扰动被配置为最大化分类器的分类损失并最小化生成器的生成损失，并且在收敛到第一阈值时输出训练的生成器和训练的分类器。
学习联合潜在对抗训练方法系统

[发明专利]深度均衡模型的硬件计算结构-CN202110843722.3在审
发明人： J·柯尔特;K·沃杰乔夫斯基;E·帕帕乔吉欧;S·M·卡什米利 -专利权人：罗伯特·博世有限公司
申请日： 2021-07-26 - 公布日： 2022-01-28 - 主分类号： G06N3/04 文献下载
摘要：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。
深度均衡模型硬件计算结构

[发明专利]用于多尺度深度平衡模型的系统和方法-CN202110629767.0在审
发明人：白绍杰;J·柯尔特;V·科尔通;D·T·维尔莫特 -专利权人：罗伯特·博世有限公司
申请日： 2021-06-07 - 公布日： 2021-12-24 - 主分类号： G06N3/08 文献下载
摘要：用于多尺度深度平衡模型的系统和方法。一种用于分类和训练神经网络的计算机实现的方法包括在神经网络处接收输入，其中该输入包括变化分辨率的多个分辨率输入，针对所述多个分辨率输入的每个对应分辨率输出多个特征张量，利用针对变化分辨率的上采样或下采样来融合所述多个特征张量，利用平衡求解器从所述多个特征张量标识一个或多个预测向量，以及响应于所述一个或多个预测向量输出损失。
用于尺度深度平衡模型系统方法

[发明专利]用于流体流动预测的组合可微分偏微分方程求解器和图形神经网络的系统和方法-CN202110629887.0在审
发明人： F·D·A·贝尔巴特-佩雷斯;T·D·依科诺蒙;J·柯尔特;D·维尔莫特 -专利权人：罗伯特·博世有限公司
申请日： 2021-06-07 - 公布日： 2021-12-24 - 主分类号： G06F30/28 文献下载
摘要：用于流体流动预测的组合可微分偏微分方程求解器和图形神经网络的系统和方法。一种计算机实现的方法包括接收包括第一节点集合的粗网格输入，其中粗网格被输入到具有物理参数的计算流体动力学求解器以获得粗网格解，接收具有第二节点集合的细网格输入，其中第二节点集合包括比第一节点集合多的节点，将细网格输入与物理参数级联，并通过图形卷积层运行所述级联以获得细网格隐藏层，对粗网格解进行上采样以获得包括与第二节点集合相同数量的节点的粗网格上采样，并至少响应于粗网格上采样而输出预测。
用于流体流动预测组合微分微分方程求解图形神经网络系统方法

[发明专利]元学习演化策略黑盒优化分类器-CN202110590519.X在审
发明人： D·T·维尔莫特;C·丹尼尔;J·柯尔特 -专利权人：罗伯特·博世有限公司
申请日： 2021-05-28 - 公布日： 2021-12-03 - 主分类号： G06K9/62 文献下载
摘要：一种用于训练元学习演化策略黑盒优化分类器的计算方法。该方法包括：接收元学习演化策略黑盒优化分类器的一个或多个训练函数和一个或多个初始元学习参数。该方法进一步包括：对来自一个或多个训练函数的所采样的目标函数以及所采样的函数的初始均值进行采样。该方法还包括：针对t=1,…,T中的T数量的步骤，通过在使用初始均值的所采样的目标函数上运行元学习演化策略黑盒优化分类器来计算T数量的均值的集合。该方法还包括：从T数量的均值的集合中计算损失函数。该方法进一步包括：响应于损失函数的特性，更新元学习演化策略黑盒优化分类器的一个或多个初始元学习参数。
学习演化策略黑盒优化分类

1
共 12 条