专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

41. 发明专利

DE102021205590A1 Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren 未知
公开(公告)号：DE102021205590A1
公开(公告)日：2022-12-01
申请号：DE102021205590
申请日：2021-06-01
申请人： BOSCH GMBH ROBERT
发明人： HOPF ANDREAS , NORDEN ROLAND , SPIEKER THOMAS , BARTH JENS-HOLGER , MEISTER MONA , GROH KONRAD , KOWOL FRANK , TONNER ERIK , WOEHRLE MATTHIAS
IPC分类号： F02D41/30
摘要： Die Erfindung betrifft ein Verfahren zum Betreiben eines Einspritzsystems eines Verbrennungsmotors durch Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils (6) basierend auf einem Sensorsignal vorgesehen, mit folgenden Schritten:- Bereitstellen (S1, S2) einer Auswertungspunktzeitreihe (E) durch Abtasten eines Sensorsignals eines Sensors des Einspritzventils,- Verwenden (S5) eines datenbasierten Zeitpunktbestimmungsmodells (23) mit der Auswertungspunktzeitreihe (E), um eine modellierte Angabe zu einem Öffnungs- oder Schließzeitpunkt zu erhalten, wobei das Zeitpunktbestimmungsmodell (23) als künstliches neuronales Netz ausgebildet ist und trainiert ist, um abhängig von der bereitgestellten Auswertungspunktzeitreihe (E) einen Öffnungs- oder Schließzeitpunkt anzugeben,- Bestimmen (S6) eines Konfidenzwerts (K), indem die Auswertungspunktzeitreihe (E) auf einen Projektionsvektor (P) niedrigerer Dimensionalität projiziert wird und der Projektionsvektor (P) mithilfe einer Überwachungsfunktion (24) hinsichtlich einer Abweichung analysiert wird;- Betreiben des Verbrennungsmotors abhängig von dem Öffnungs- oder Schließzeitpunkt und abhängig von dem Konfidenzwert (K).

42. 发明专利

DE102020213081A1 Verfahren und Vorrichtung zum Trainieren und Betreiben eines Klassifikators zum Einsatz in einer am Körper tragbaren Datenverarbeitungsvorrichtung 未知
公开(公告)号：DE102020213081A1
公开(公告)日：2022-04-21
申请号：DE102020213081
申请日：2020-10-16
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD , WOEHRLE MATTHIAS , FRISCHEN ANDREAS , BEGGEL LAURA
IPC分类号： A61B5/11 , G06N20/00
摘要： Computerimplementiertes Verfahren zum Trainieren eines Klassifikators (60), wobei der Klassifikator (60) ausgebildet ist, eine Zeitreihe (x) entgegenzunehmen und basierend auf der Zeitreihe (x) eine Ausgabe (y) zu ermitteln, wobei die Zeitreihe (x) eine vordefinierte Anzahl von Sensorsignalen eines ersten Sensors einer tragbaren Datenverarbeitungsvorrichtung (400) umfasst und die tragbare Datenverarbeitungsvorrichtung (400) an einem Körper eines Benutzers getragen wird und die Ausgabe (y) charakterisiert, ob sich ein Zustand des Benutzers geändert hat oder nicht und falls sich der Zustand geändert hat die Ausgabe (y) ferner charakterisiert zu welchem Zeitpunkt innerhalb der Zeitreihe (x) sich der Zustand geändert hat, wobei das Verfahren zum Training die folgenden Schritte umfasst:• Ermitteln einer ersten Trainingszeitreihe (x1) und einer zweiten Trainingszeitreihe (x2), wobei die erste Trainingszeitreihe (x1) und zweite Trainingszeitreihe (x2) jeweils Ausschnitte der vordefinierten Anzahl von Sensorsignalen aus einer ursprünglichen Trainingszeitreihe sind und die erste Trainingszeitreihe (x1) zu der zweiten Trainingszeitreihe (x2) in Bezug zur ursprünglichen Trainingszeitreihe um einen ersten Wert verschoben sind;• Ermitteln einer ersten Trainingsausgabe (ŷ1) basierend auf der ersten Trainingszeitreihe (x1) mittels des Klassifikators (60) und einer zweiten Trainingsausgabe (y2) basierend auf der zweiten Trainingszeitreihe (x2) mittels des Klassifikators (60);• Ermitteln eines ersten Verlustwertes, der eine Differenz zwischen der ersten Trainingsausgabe (ŷ1) und einer verschobenen Trainingsausgabe charakterisiert, wobei die verschobene Trainingsausgabe eine Verschiebung der zweiten Trainingsausgabe (y2) gemäß dem ersten Wert charakterisiert;• Anpassen zumindest eines Teils einer Mehrzahl von Modellparametern (Φ) des Klassifikators (60) basierend auf dem ersten Verlustwert.

43. 发明专利

DE102020211518A1 BEWERTUNG VON WARNMELDUNGEN IN DER STATISCHEN CODE-ANALYSE 未知
公开(公告)号：DE102020211518A1
公开(公告)日：2022-03-17
申请号：DE102020211518
申请日：2020-09-14
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD , SCHMIDT BERNARD , WOEHRLE MATTHIAS
IPC分类号： G06N20/00 , G06F11/36
摘要： Die vorliegende Offenbarung betrifft ein Verfahren zum Trainieren eines Maschinenlernalgorithmus zur Bewertung von Warnmeldungen in der statischen Code-Analyse in einer elektronischen Programmierumgebung. Das erste Verfahren umfasst das Bereitstellen eines Trainingsdatensatzes von Codezeilen in mindestens einem Programmiercode, um Warnmeldungen in der statischen Code-Analyse zu generieren, wobei die Warnmeldungen zumindest entweder einem ersten Typ von Warnmeldungen mit einer höheren Kritikalität oder einem zweiten Typ von Warnmeldungen mit einer niedrigeren Kritikalität zugeordnet sind. Das Verfahren umfasst weiterhin das Injizieren von weiteren Codezeilen, die den ersten Typ von Warnmeldungen mit einer höheren Kritikalität in der statischen Code-Analyse generieren, in den Trainingsdatensatz zum Erzeugen eines modifizierten Trainingsdatensatzes, um einer verzerrten Statistik mit unterrepräsentierten Warnmeldungen mit einer höheren Kritikalität und überrepräsentierten unkritischen Warnmeldungen mit einer niedrigeren Kritikalität entgegenzuwirken. Das Verfahren umfasst weiterhin das Trainieren des Maschinenlernalgorithmus mit dem modifizierten Trainingsdatensatz.

44. 发明专利

DE102020211419A1 Verfahren und Vorrichtung zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells für die Bestimmung eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils mithilfe maschineller Lernverfahren 未知
公开(公告)号：DE102020211419A1
公开(公告)日：2022-03-17
申请号：DE102020211419
申请日：2020-09-11
申请人： BOSCH GMBH ROBERT
发明人： HOPF ANDREAS , NORDEN ROLAND , BARTH JENS-HOLGER , WOEHRLE MATTHIAS , MEISTER MONA , GROH KONRAD , KOWOL FRANK , TONNER ERIK
IPC分类号： F02D41/40 , G06F30/27
摘要： Die Erfindung betrifft ein computer-implementiertes Verfahren zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells zum Ermitteln eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils (6), basierend auf einem Sensorsignal mit folgenden Schritten:- Bereitstellen mindestens einer ungelabelten Auswertungspunkt-Zeitreihe durch Abtasten des Sensorsignals eines Sensors des Einspritzventils (6);- Trainieren des datenbasierten Zeitpunktbestimmungsmodells, um einer Auswertungspunkt-Zeitreihe (X) eine Zeitpunktangabe (Y) zuzuordnen, die eine bestimmte Öffnungs- bzw. Schließzeitdauer repräsentiert,wobei das Trainieren mithilfe einer ersten Verschiebungsfunktion (Φ(X)) zum zeitlichen Verschieben der Auswertungspunkt-Zeitreihe (X) und einer zweiten Verschiebungsfunktion (Ψ(Y)) zum zeitlichen Verschieben der Zeitpunktangabe (Y) durchgeführt wird,wobei für das Training eine Konsistenz-Loss-Funktion verwendet wird, die einen Unterschied zwischen einer ersten Zeitpunktangabe, die einer Modellausgabe des Zeitpunktbestimmungsmodells für die gemäß der ersten Verschiebungsfunktion (Φ(X)) zeitlich verschobene Auswertungspunkt-Zeitreihe (X') entspricht, und einer zweiten Zeitpunktangabe, die einer gemäß der zweiten Verschiebungsfunktion (Ψ(Y)) zeitlich verschobenen Zeitpunktangabe angibt, die einer Modellausgabe des Zeitpunktbestimmungsmodells für die mindestens eine Auswertungspunkt-Zeitreihe (X) entspricht.

45. 发明专利

DE102020211418A1 Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren 未知
公开(公告)号：DE102020211418A1
公开(公告)日：2022-03-17
申请号：DE102020211418
申请日：2020-09-11
申请人： BOSCH GMBH ROBERT
发明人： HOPF ANDREAS , NORDEN ROLAND , BARTH JENS-HOLGER , MEISTER MONA , GROH KONRAD , KOWOL FRANK , TONNER ERIK , WOEHRLE MATTHIAS
IPC分类号： F02D41/40
摘要： Die Erfindung betrifft ein Verfahren zum Betreiben eines Einspritzventils (6) durch Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils (6), basierend auf einem Sensorsignal (S), mit folgenden Schritten:- Bereitstellen (S1, S2) einer Auswertungspunkt-Zeitreihe (Z) durch Abtasten eines Sensorsignals eines Sensors des Einspritzventils;- Verwenden (S3) eines nicht linearen, datenbasierten ersten Teilmodells (21), um einen ersten Ausgabevektor (A1), basierend auf der Auswertungspunkt-Zeitreihe (Z), zu erhalten, wobei jedes Element des ersten Ausgabevektors (A1) einem bestimmten Zeitpunkt zugeordnet ist;- Verwenden (S4) eines linearen, datenbasierten zweiten Teilmodells (22), um einen zweiten Ausgabevektor (A2), basierend auf der Auswertungspunkt-Zeitreihe (Z), zu erhalten, wobei jedes Element des zweiten Ausgabevektors (A2) einem bestimmten Zeitpunkt zugeordnet ist;- Begrenzen (S5, S6) des durch den ersten Ausgabevektor (A1) bestimmten Zeitpunkts abhängig von dem zweiten Ausgabevektor (A2), um den Öffnungs- oder Schließzeitpunkt zu erhalten.

46. 发明专利

DE102020203705A1 Plausibilisierung der Ausgabe neuronaler Klassifikatornetzwerke anhand von Zusatzinformationen über Merkmale 未知
公开(公告)号：DE102020203705A1
公开(公告)日：2021-09-23
申请号：DE102020203705
申请日：2020-03-23
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD
IPC分类号： G06K9/62
摘要： Verfahren (100) zur Plausibilisierung der Ausgabe eines als Klassifikator genutzten neuronalen Netzwerks, KNN (1), mit den Schritten:• eine Mehrzahl von Bildern (2), zu denen das KNN (1) eine Zuordnung (3) zu einer oder mehreren Klassen (3a-3c) einer vorgegebenen Klassifikation ermittelt hat, sowie die jeweils vom KNN (1) ermittelte Zuordnung (3) werden bereitgestellt (110);• zu jedem Bild (2) wird weiterhin mindestens ein Merkmalsparameter (8) bestimmt (120), der Typ, Grad der Ausprägung, und/oder Position mindestens eines in dem Bild (2) enthaltenen Merkmals charakterisiert;• zu jeder Kombination aus einem Bild (2) und einer Zuordnung (3) wird durch Anwendung einer Relevanzbewertungsfunktion (4) eine ortsaufgelöste Relevanzbewertung (2a) des Bildes (2) ermittelt (130);• zu jeder Kombination aus einem Bild (2) und einer Zuordnung (3) wird unter Heranziehung des Merkmalsparameters (8) eine Soll-Relevanzbewertung (2a*) ermittelt (140);• anhand der Übereinstimmung zwischen den Relevanzbewertungen (2a) und den Soll-Relevanzbewertungen (2a*) wird ein Gütemaß (4a) für die Relevanzbewertungsfunktion (4) ermittelt (150).

47. 发明专利

DE102019215912A1 VERFAHREN UND VORRICHTUNG ZUM COMPUTER-IMPLEMENTIERTEN BETREIBEN EINES NEURONALEN NETZWERKS 未知
公开(公告)号：DE102019215912A1
公开(公告)日：2021-04-22
申请号：DE102019215912
申请日：2019-10-16
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD
IPC分类号： G06N3/02
摘要： Gemäß einem Ausführungsbeispiel wird ein Verfahren zum computer-implementierten Betreiben eines neuronalen Netzwerks beschrieben, wobei das neuronale Netzwerk eine Folge von mehreren Netzwerk-Schichten und mindestens eine der Folge nachfolgende Netzwerk-Schicht aufweist, wobei das Verfahren das Erzeugen eines Datensatzes mittels der Folge von mehreren Schichten des neuronalen Netzwerks unter Verwendung von Sensordaten, wobei die letzte Netzwerk-Schicht der Folge der mehreren Netzwerk-Schichten des neuronalen Netzwerks eine vollständig verbundene Schicht ist oder wobei die letzte Netzwerk-Schicht der Folge der mehreren Netzwerk-Schichten des neuronalen Netzwerks eine Konvolutionsschicht ist, das Bilden von mehreren Unterdatensätzen des Datensatzes, wobei jeder Unterdatensatz mehrere Datenwerte aufweist, das Kombinieren der Datenwerte der Unterdatensätze mittels einer Operation, die invariant unter einer Permutation der Unterdatensätze ist; und das Ermitteln eines Klassifikationsergebnisses oder eines Regressionsergebnisses für die Sensordaten mittels der mindestens einen der letzten Netzwerk-Schicht der Folge von mehreren Netzwerk-Schichten nachfolgenden Netzwerk-Schicht aufweist, wobei in dem Fall, dass die letzte Netzwerk-Schicht der Folge der mehreren Netzwerk-Schichten des neuronalen Netzwerks eine Konvolutionsschicht ist, die Unterdatensätze Merkmalskarten sind.

48. 发明专利

DE102019209228A1 Verfahren und Vorrichtung zum Überprüfen der Robustheit eines künstlichen neuronalen Netzes 未知
公开(公告)号：DE102019209228A1
公开(公告)日：2020-12-31
申请号：DE102019209228
申请日：2019-06-26
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD , GLADISCH CHRISTOPH , WOEHRLE MATTHIAS , HEINZEMANN CHRISTIAN
IPC分类号： G06N3/02
摘要： Computerimplementiertes Verfahren zum Überprüfen der Robustheit eines künstlichen neuronalen Netzes (60) mit einer Mehrzahl von Ausgängen, an welchen abhängig von Aktivierungen einer Merkmalskarte einer gemeinsamen verdeckten Schicht jeweils eine Ausgangsgröße (y1...y3) abhängig von der dem künstlichen neuronalen Netz (60) zugeführten Eingangsgröße (x), insbesondere eine Klassifikation und/oder Segmentierung zumindest eines Teils der Eingangsgröße, bereitgestellt wird, wobei Werte der Aktivierungen der Merkmalskarte variiert werden, wobei eine Konsistenz der dann bereitgestellten Ausgangsgrößen (y1...y3) untereinander überprüft wird und abhängig von dieser Konsistenz entschieden wird, ob das künstliche neuronale Netz (60) robust ist, oder nicht.

49. 发明专利

DE102019209153A1 Verfahren und Vorrichtung zum sicheren Klassifizieren und/oder Segmentieren von Bildern 未知
公开(公告)号：DE102019209153A1
公开(公告)日：2020-12-31
申请号：DE102019209153
申请日：2019-06-25
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD
IPC分类号： G06K9/62
摘要： Computerimplementiertes Verfahren zum sicheren Identifizieren von Objekten in einem mittels eines bildgebenden Sensors (30) empfangenen Eingangsbilds (x), wobei mittels eines maschinellen Lernsystems (NN1), insbesondere eines künstlichen neuronalen Netzes, aus dem Eingangsbild (x) ein normalisiertes Eingangsbild (xn) ermittelt wird, indem Schatten aus dem Eingangsbild (x) entfernt werden, wobei abhängig vom normalisierten Eingangsbild (xn) eine Klassifikation und/oder Segmentierung (y) des Eingangsbilds (x) ermittelt wird.

50. 发明专利

DE102019208008A1 Verfahren und Vorrichtung zum sicheren Zuordnen identifizierter Objekte in Videobildern 未知
公开(公告)号：DE102019208008A1
公开(公告)日：2020-12-03
申请号：DE102019208008
申请日：2019-05-31
申请人： BOSCH GMBH ROBERT
发明人： GROH KONRAD
IPC分类号： G06K9/66
摘要： Computerimplementiertes Verfahren zum Zuordnen von Objekten in einer mittels eines bildgebenden Sensors (30) empfangenen Folge von Eingangsbildern (x), wobei aus den Eingangsbildern zunächst eine Folge von jeweils zu den jeweiligen Eingangsbildern (x) gehöriger Listen von in dem jeweiligen Eingangsbild (x) sichtbaren Objekten ermittelt wird, wobei mittels eines maschinellen Lernsystems aus dieser Folge von Listen die identifizierten Objekte der Listen einander zugeordnet werden.

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式