基本信息:
- 专利标题： 鲁棒且可更好训练的人工神经网络
- 申请号：CN202080063529.1 申请日：2020-07-28
- 公开(公告)号：CN114341887A 公开(公告)日：2022-04-12
- 发明人： F·施密特 , C·哈瑟-舒尔茨 , T·萨克塞
- 申请人： 罗伯特·博世有限公司
- 申请人地址： 德国斯图加特
- 专利权人： 罗伯特·博世有限公司
- 当前专利权人： 罗伯特·博世有限公司
- 当前专利权人地址： 德国斯图加特
- 代理机构： 中国专利代理(香港)有限公司
- 代理人： 张涛; 刘春元
- 优先权： 102019213898.5 20190911 DE
- 国际申请： PCT/EP2020/071311 2020.07.28
- 国际公布： WO2021/047816 DE 2021.03.18
- 进入国家日期： 2022-03-10
- 主分类号： G06N3/04
- IPC分类号： G06N3/04 ; G06N3/08
摘要：
人工神经网络KNN（1）具有处理层（21‑23），每个处理层都被构造为根据所述KNN（1）的可训练参数（20）将输入变量（21a‑23a）处理为输出变量（21b‑23b），其中在至少一个处理层（21‑23）中和/或在至少两个处理层（21‑23）之间连接至少一个标准化器（3），其中所述标准化器（3）‑包括翻译元件（3a），所述翻译元件被构造为使用预给定的变换（3a'）将引入所述标准化器（3）的输入变量（31）翻译为一个或多个输入向量（32），其中每个输入变量（31）恰好进入一个输入向量（32）中；‑包括标准化元件（3b），所述标准化元件被构造为基于标准化函数（33）将所述一个或多个输入向量（32）标准化为一个或多个输出向量（34），其中所述标准化函数（33）具有至少两个不同的机制（33a，33b），并根据所述输入向量（32）在点处和/或在区域中的范数（32a）在所述机制（33a，33b）之间切换，所述点和/或所述区域的位置取决于预给定参数ρ；以及‑包括回译元件（3c），所述回译元件被构造为使用预给定变换（3a'）的逆（3a''）将所述输出向量（34）翻译为输出变量（35），所述输出变量与输送给所述标准化器（3）的输入变量（31）具有相同的维度。
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06N | 基于特定计算模型的计算机系统 |
| ------G06N3/00 | 基于生物学模型的计算机系统 |
| --------G06N3/02 | .采用神经网络模型 |
| ----------G06N3/04 | ..体系结构，例如，互连拓扑 |