会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 1. 发明申请
    • MODELLBERECHNUNGSEINHEIT UND STEUERGERÄT ZUR BERECHNUNG EINES RBF-MODELLS
    • 用于计算RBF模型的模型计算单元和控制装置
    • WO2018046453A1
    • 2018-03-15
    • PCT/EP2017/072137
    • 2017-09-05
    • ROBERT BOSCH GMBH
    • MARKERT, HeinerGUNTORO, AndreULMER, HolgerKLOPPENBURG, Ernst
    • G06N3/063G06N7/00G05B13/04F02P5/15G06F15/78
    • Die Erfindung betrifft eine Modellberechnungseinheit (22) zur Berechnung eines RBF-Modells mit einem in Hardware ausgebildeten fest verdrahteten Rechenkern (1 1, 13, 14) zur Berechnung eines fest vorgegebenen Rechenalgorithmus in gekoppelten Funktionsblöcken, wobei der Rechenkern (1 1, 13, 14) ausgebildet ist, um für ein RBF-Modell abhängig von einer oder mehreren Eingangsgrößen eines Eingangsgrößenvektors, von Stützstellenpunkten (V\J, k] ), von Längenskalen (L[j, k]), von für jeden Stützstellenpunkt vorgegebenen Gewichtungsparametern (p3 [/j) eine Ausgangsgröße zu berechnen, wobei die Ausgangsgröße als eine Summe eines für jeden Stützstellenpunkt (V\J, k] ) berechneten Werts gebildet wird, wobei der Wert einem Produkt aus einem dem betreffenden Stützstellenpunkt {V\J, k] ) zugeordneten Gewichtungsparameter (p3 [/j) und einem Ergebnis einer Exponentialfunktion eines Werts ist, der sich abhängig von einem durch die Längenskalen (L[j, k]) gewichteten quadratischen Abstand des betreffenden Stützstellenpunkts (L[j, k]) von dem Eingangsgrößenvektor ergibt, wobei die Längenskalen (L[j, k]) als lokale Längenskalen separat für jeden der Stützstellenpunkte bereitgestellt werden.
    • 本发明涉及一种模型计算单元(22),用于在联接Funktionsbl&OUML PUSH计算固定的预定计算算法来计算与一个在硬件中受过训练的硬连线算术核心一个RBF模型(11,13,14), 其中,所述处理器核心(11,13,14)适于导航用R A RBF模型&AUML依赖性的;一个或多个输入变量&oUML的ngig;道路连接的输入变量&oUML;道路envektors,圣导航用途tzstellenpunkten(V \Ĵ, 计算E中,Ausgangsgrö K]),LÄ ngenskalen(L [J,K]),用f导航用途R各自圣导航用途tzstellenpunkt预定的加权参数(P3 [/ j)的一个Ausgangsgrö大街路为 是形成tzstellenpunkt(V \ J,K])来计算值,其中的一个有关的圣导航中使用的产品的价值,F导航用途R各自圣导航用途tzstellenpunkt {V \ J,K])相关联的权重参数的总和(P3 [/ J )和一个值的指数函数的结果, 输入变量&OUML的ngenskalen加权(L [J,K])平方距离相应圣导航用途tzstellenpunkts的(L [J,K]);从一个由L&AUML他依赖位于BEAR ngig ROAD envektor结果,其中LÄ ngenskalen (L [j,k])作为局部长度尺度分别提供给每个样本位置。

    • 3. 发明申请
    • MODELLBERECHNUNGSEINHEIT UND STEUERGERÄT ZUR BERECHNUNG EINER NEURONENSCHICHT EINES MEHRSCHICHTIGEN PERZEPTRONENMODELLS
    • 模型计算单元和控制单元计算多层PERZEPTRONENMODELLS的神经元层组成
    • WO2018046425A1
    • 2018-03-15
    • PCT/EP2017/072058
    • 2017-09-04
    • ROBERT BOSCH GMBH
    • MARKERT, HeinerGUNTORO, AndreSCHIEGG, MartinKLOPPENBURG, Ernst
    • G06N3/063G06N7/00G05B13/04F02P5/15G06F15/78
    • Die Erfindung betrifft eine Modellberechnungseinheit zur Berechnung einer Neuronenschicht eines mehrschichtigen Perzeptronenmodells mit einem in Hardware ausgebildeten fest verdrahteten Rechenkern zur Berechnung eines fest vorgegebenen Rechenalgorithmus in gekoppelten Funktionsblöcken, wobei der Rechenkern ausgebildet ist, um für eine Neuronenschicht eines mehrschichtigen Perzeptronenmodells mit einer Anzahl von Neuronen abhängig von einer oder mehreren Eingangsgrößen eines Eingangsgrößenvektors, von einer Gewichtungsmatrix mit Gewichtungsfaktoren und einen für jedes Neuron vorgegebenen Offsetwert eine Ausgangsgröße für jedes Neuron zu berechnen, wobei für jedes Neuron eine Summe der mit einem durch das Neuron und die Eingangsgröße bestimmten Gewichtungsfaktor gewichteten Werte der Eingangsgrößen und dem dem Neuron vorgegebenen Offsetwert berechnet wird und das Ergebnis mit einer Aktivierungsfunktion transformiert wird, um die Ausgangsgröße für das Neuron zu erhalten.
    • 本发明涉及一种模型计算单元,用于在硬件硬连线计算引擎一个训练有素的用于耦合Funktionsbl&OUML PUSH计算固定的预定计算算法,其中所述处理器核心被配置到f导航用途ř计算的多层Perzeptronenmodells的神经元层 与一些神经元的多层Perzeptronenmodells的神经元层取决于BEAR ngig一个或多个输入变量&的oUML;道路连接的输入变量&oUML;道路envektors,加权矩阵的通过加权因子和f导航用途R各自神经元预置偏移值Ausgangsgr&oUML;道路˚F导航用途 R键计算每个神经元,其中f导航用途R各自神经元是一个通过神经元和一个总和输入变量&oUML;输入变量&oUML的ROAD加权某个E加权因子值;道路S和预定的神经元的偏移值进行计算,并将结果与 激活剂 函数被转换为获取神经元的输出值。

    • 6. 发明申请
    • MODELLBERECHNUNGSEINHEIT UND STEUERGERÄT ZUR BERECHNUNG EINER PARTIELLEN ABLEITUNG EINES RBF-MODELLS
    • 用于计算RBF模型局部放电的模型计算单元和控制装置
    • WO2018046427A1
    • 2018-03-15
    • PCT/EP2017/072061
    • 2017-09-04
    • ROBERT BOSCH GMBH
    • MARKERT, HeinerGUNTORO, AndreSCHIEGG, Martin
    • G06N3/063G06N7/00G05B13/04F02P5/15G06F15/78
    • Die Erfindung betrifft Modellberechnungseinheit zur Berechnung eines Gradienten bezüglich einer bestimmten Eingangsgröße von Eingangsgrößen eines vorgegebenen Eingangsgrößenvektors für ein RBF-Modell mit einem in Hardware ausgebildeten fest verdrahteten Rechenkern zur Berechnung eines fest vorgegebenen Rechenalgorithmus in gekoppelten Funktionsblöcken, wobei der Rechenkern ausgebildet ist, um den Gradienten bezüglich der bestimmten Eingangsgröße für ein RBF-Modell abhängig von einer oder mehreren Eingangsgrößen des Eingangsgrößenvektors einer Eingangsdimension, einer Anzahl von Stützstellenpunkten, von für jeden Stützstellenpunkt ( V j, k ) und jede Eingangsdimension (k) vorgegebenen Längenskalen ( I j, k ),und von für jeden Stützstellenpunkt vorgegebenen Parametern der RBF-Funktion zu berechnen.
    • 本发明涉及一种计算单元,用于计算梯度刻导航使用类似于某一输入变量&OUML建模;道路输入变量&OUML的;道路连接的预定的输入变量&OUML;道路envektors˚F导航用途R A RBF模型与硬件 形成硬连线计算引擎用于耦合Funktionsbl&oUML PUSH计算固定的预定计算算法,其中,所述计算模块被配置为确定所述梯度切导航用途可能的特定输入变量&oUML的;道路˚F导航用途ř一个或多个输入变量&oUML的RBF模型依赖BEAR ngig ;大街输入变量&oUML的S; ROAD envektors输入维数,一个数St导航用途tzstellenpunkten的,F导航用途R各自圣导航用途tzstellenpunkt( V 的<子> J,K <子> )和给定的L&AUML每个输入尺寸(K); ngenskalen( I 的<子> J,K <子 > )和针对每个采样点的RBF-F预定参数 来计算函数。

    • 7. 发明申请
    • MODELLBERECHNUNGSEINHEIT UND STEUERGERÄT ZUR WAHLWEISEN BERECHNUNG EINES RBF-MODELLS, EINES GAUß-PROZESS-MODELLS UND EINES MLP-MODELLS
    • 可选计算RBF模型,GAUG过程模型和MLP模型的模型计算单元和控制装置
    • WO2018046422A1
    • 2018-03-15
    • PCT/EP2017/072051
    • 2017-09-04
    • ROBERT BOSCH GMBH
    • MARKERT, HeinerGUNTORO, AndreSCHIEGG, MartinKLOPPENBURG, Ernst
    • G06N3/063G06N7/00G05B13/04F02P5/15G06F15/78
    • Die Erfindung betrifft eine Modellberechnungseinheit (22) zur wahlweisen Berechnung eines RBF-Modellsoder einer Neuronenschicht eines mehrschichtigen Perzeptronenmodells mit einem in Hardware ausgebildeten fest verdrahteten Rechenkern (11, 13, 14) zur Berechnung eines fest vorgegebenen Rechenalgorithmus ingekoppelten Funktionsblöcken, wobei der Rechenkern (11, 13, 14) ausgebildet ist, um für ein RBF-Modell abhängig von einer oder mehreren Eingangsgrößen eines Eingangsgrößenvektors (ut), von Stützstellenpunkten (V), von Längenskalen (L), von für jeden Stützstellenpunkt vorgegebenen Parametern eine Ausgangsgröße (y) zu berechnen, wobei der Rechenkern (11, 13, 14) weiterhin ausgebildet ist, um für die Neuronenschicht des mehrschichtigen Perzeptronenmodells mit einer Anzahl von Neuronen (20) abhängig von der einen oder den mehreren Eingangsgrößen des Eingangsgrößenvektors (ut), von einer Gewichtungsmatrix mit Gewichtungsfaktoren (V 0…p7-1,0…p6-1 ) und einen für jedes Neuron (20) vorgegebenen Offsetwert eine Ausgangsgröße für jedes Neuron (20) zu berechnen.
    • 本发明涉及一种模型计算单元(22),用于选择性计算为固定的预定计算算法总耦合计算RBF模型或多层Perzeptronenmodells的用在硬件训练硬连线处理器核神经层(11,13,14) Funktionsbl&oUML PUSH,其中所述处理器核心(11,13,14)适于导航使用ř一个或多个输入变量&oUML的RBF模型依赖BEAR ngig;道路连接的输入变量&oUML;圣导航用途ROAD envektors(UT) 以计算E(y)时,所述处理器内核(11,13,14)被进一步配置为; tzstellenpunkten(V),L&AUML; ngenskalen(L)中,f导航用途R每次圣导航用途tzstellenpunkt预定参数的Ausgangsgr&ouml;大街 ˚F导航用途r为多层Perzeptronenmodells的神经元层具有多个神经元(20)中的一个或多个输入变量&oUML依赖性BEAR ngig;输入变量&oUML的道南;道路envektors(UT), 通过加权因子的加权矩阵(V <子> 0 ... ... p7-1,0 P6-1 )和A F导航用途R各自神经元预定的(20)偏移的Ausgangsgr&OUML;道路˚F导航用途R各自神经元( 20)。

    • 8. 发明申请
    • MODELLBERECHNUNGSEINHEIT UND STEUERGERÄT ZUR BERECHNUNG EINES MEHRSCHICHTIGEN PERZEPTRONENMODELLS
    • 用于计算多层感知模型的模型计算单元和控制装置
    • WO2018046418A1
    • 2018-03-15
    • PCT/EP2017/072046
    • 2017-09-04
    • ROBERT BOSCH GMBH
    • MARKERT, HeinerGUNTORO, Andre
    • G06N3/063G06N7/00G05B13/04F02P5/15G06F15/78
    • Die Erfindung betrifft eine Modellberechnungseinheit (22) zur Berechnung eines mehrschichtigen Perzeptronenmodells, wobei die Modellberechnungseinheit (22) in Hardware ausgebildet und fest verdrahtet ist, umfassend: - einen Rechenkern (18), der ausgebildet ist, um eine oder mehrere Ausgangsgrößen einer Neuronenschicht des mehrschichtigen Perzeptronenmodells mit einer Anzahl von Neuronen (20) abhängig von einer oder mehreren Eingangsgrößen eines Eingangsgrößenvektors (ut) zu berechnen; - einen Speicher (12), der für jede Neuronenschicht einen Konfigurationsspeicherbereich (121) zum Speichern von Konfigurationsparametern in einem jeweiligen Konfigurationsspeicherabschnitt (A) und einen Datenspeicherbereich (122) zum Speichern der Eingangsgrößen des Eingangsgrößenvektors und der einen oder der mehreren Ausgangsgrößen ( y [ j ]) in einem jeweiligen Datenspeicherabschnitt (D) aufweist; - eine DMA-Einheit (17), die ausgebildet ist, um den Rechenkern (18) nacheinander anzuweisen, jeweils eine Neuronenschicht basierend auf den Konfigurationsparametern eines jeweiligen Konfigurationsspeicherabschnitts (A) und den dadurch definierten Eingangsgrößen des Eingangsgrößenvektors (ut) zu berechnen und die jeweils resultierenden Ausgangsgrößen ( y [ j ]) in einen durch die entsprechenden Konfigurationsparameter definierten Datenspeicherabschnitt (D) des Datenspeicherbereichs (122) zu speichern, wobei die Konfigurationsparameter von aufeinanderfolgend berücksichtigten Konfigurationsspeicherabschnitten (A) einen Datenspeicherabschnitt (D) für die resultierenden Ausgangsgrößen angeben, der dem Datenspeicherabschnitt (D) für die Eingangsgrößen für die Berechnung einer darauffolgenden Neuronenschicht entspricht.
    • 本发明涉及一种模型计算单元(22),用于计算一个多层Perzeptronenmodells,其中所述模型运算部(22)中的硬件和硬连线形成,包括: - 处理器,其适合于芯(18) 一个或多个Ausgangsgr&oUML;道路连接多层Perzeptronenmodells与多个神经元的神经元层(20)的一个或多个输入变量&oUML依赖性BEAR ngig;道路连接的输入变量&oUML;道路envektors(UT)来计算; - 一个存储器(12)的F导航用途R各自神经层包括配置存储器区域(121),用于在一个特定的配置存储部(A)和数据存储区域(122),用于存储输入变量&OUML存储配置参数;输入变量&OUML的道南;道路envektors和 (D)中的一个或多个输出量(Y [j]); 输入变量&OUML的ROAD秒;; - 其适于指示所述处理器核(18)相继地,每个都具有基于相应的配置存储部(A)的配置参数的神经元的一个层和限定从而输入变量&OUML一个DMA单元(17)ROAD envektors (UT)来计算和每个得到Ausgangsgr&oUML;道路烯(ý的[Ĵ的])(d)在由所述数据存储区域的对应的配置参数数据存储部(122)所限定的空间 来存储,其中,经由导航用途cksichtigten配置存储器部分的连续的配置参数(a)数据存储部(d)的F导航用途r把所得Ausgangsgr&oUML;道路连接指定哪些数据存储部(d)的F导航用途r为输入变量&oUML;道路烯˚F导航用途ř 后续神经元层的计算对应于

    • 9. 发明申请
    • MODELLBERECHNUNGSEINHEIT UND STEUERGERÄT ZUR BERECHNUNG EINES MEHRSCHICHTIGEN PERZEPTRONENMODELLS MIT VORWÄRTS- UND RÜCKKOPPLUNG
    • 模型计算单元和控制装置计算正向和反向耦合的多层渗流模型
    • WO2018046416A1
    • 2018-03-15
    • PCT/EP2017/072043
    • 2017-09-04
    • ROBERT BOSCH GMBH
    • MARKERT, HeinerGUNTORO, AndreSCHIEGG, Martin
    • G06N3/063G06N7/00G05B13/04F02P5/15G06F15/78
    • Die Erfindung betrifft eine Modellberechnungseinheit (22) zur Berechnung eines mehrschichtigen Perzeptronenmodells, wobei die Modellberechnungseinheit (22) in Hardware ausgebildet und fest verdrahtet ist, umfassend: • - einen Rechenkern (18); • - einen Speicher (12); • - eine DMA-Einheit (17), die ausgebildet ist, um den Rechenkern (18) nacheinander anzuweisen, jeweils eine Neuronenschicht basierend auf Eingangsgrößen eines zugeordneten Eingangsgrößenvektors (101) zu berechnen und die jeweils resultierenden Ausgangsgrößen eines Ausgangsgrößenvektors (102) in einen zugeordneten Datenspeicherabschnitt (D) zu speichern, wobei der Datenspeicherabschnitt (D) für den mindestens einer der Neuronenschichten zugeordneten Eingangsgrößenvektor (101) die Datenspeicherabschnitte (D) von mindestens zwei der Ausgangsgrößenvektoren (102) von zwei verschiedenen Neuronenschichten jeweils zumindest teilweise umfassen.
    • 本发明涉及一种模型计算单元(22),用于计算一个多层Perzeptronenmodells,其中所述模型运算部(22)形成在硬件和硬连线,包括:• - 处理器核(18); •存储器(12); ·DMA单元(17),其被配置为顺序地指示算术核心(18)基于相关联的输入地址矢量(101)的输入量来计算一个神经元层并且确定各个结果输出量 在专用数据存储部分(D)中,与存储数据存储部分(D)的神经元层(101)相关联的至少一个输入神经元层的数据存储部分(D) )的两个不同神经元层的初始大小矢量(102)中的至少两个,每个至少部分地是。