In Bearbeitung

Bitte warten ...

Einstellungen

Einstellungen

Gehe zu Anmeldung

1. WO2020126597 - VERFAHREN, COMPUTERPROGRAMM, MASCHINENLESBARES SPEICHERMEDIUM SOWIE VORRICHTUNG ZUR DATENVORHERSAGE

Veröffentlichungsnummer WO/2020/126597
Veröffentlichungsdatum 25.06.2020
Internationales Aktenzeichen PCT/EP2019/084172
Internationales Anmeldedatum 09.12.2019
IPC
G06N 3/04 2006.01
GPhysik
06Datenverarbeitung; Rechnen oder Zählen
NRechnersysteme, basierend auf spezifischen Rechenmodellen
3Rechnersysteme, die auf biologischen Modellen basieren
02unter Verwendung neuronaler Netzwerkmodelle
04Architektur, z.B. Verbindungstopologie
G06N 3/08 2006.01
GPhysik
06Datenverarbeitung; Rechnen oder Zählen
NRechnersysteme, basierend auf spezifischen Rechenmodellen
3Rechnersysteme, die auf biologischen Modellen basieren
02unter Verwendung neuronaler Netzwerkmodelle
08Lernverfahren
Anmelder
  • ROBERT BOSCH GMBH [DE]/[DE]
Erfinder
  • WILLERS, Oliver
  • SUDHOLT, Sebastian
Prioritätsdaten
10 2018 222 294.019.12.2018DE
Veröffentlichungssprache Deutsch (DE)
Anmeldesprache Deutsch (DE)
Designierte Staaten
Titel
(DE) VERFAHREN, COMPUTERPROGRAMM, MASCHINENLESBARES SPEICHERMEDIUM SOWIE VORRICHTUNG ZUR DATENVORHERSAGE
(EN) METHOD, COMPUTER PROGRAM, MACHINE-READABLE STORAGE MEDIUM, AND DEVICE FOR DATA PREDICTION
(FR) PROCÉDÉ, PROGRAMME INFORMATIQUE, SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR ET DISPOSITIF DE PRÉDICTION DES DONNÉES
Zusammenfassung
(DE)
Verfahren zur Datenvorhersage basierend auf einem Eingabedatum (Y) mittels eines Verfahrens des maschinellen Lernens (ML- Function), wobei parallel zu der Datenvorhersage das Eingangsdatum (Y) mittels eines Variational Autoencoders (VAE) auf ein Encoderdatum (Z) abgebildet wird, wobei ein Distanzkriterium in Abhängigkeit von dem Encoderdatum (Z) und einer erwarteten Verteilung (Z') ermittelt wird, wobei das Distanzkriterium ein Plausibilitätsmaß Datenvorhersage repräsentiert.
(EN)
A method for data prediction on the basis of an input datum (Y) by means of a machine learning method (ML-function), wherein, in parallel with the data prediction, the input datum (Y) is mapped onto an encoder datum (Z) by means of a variational autoencoder (VAE), and a distance criterion is determined according to the encoder datum (Z) and an expected distribution (Z'), the distance criterion representing a measure of plausibility of the data prediction.
(FR)
L'invention concerne un procédé de prédiction de données sur la base d'une donnée d'entrée (Y) au moyen d'un procédé d'apprentissage automatique (ML- Fonction), parallèlement à la prédiction de données, la donnée d'entrée (Y) étant reproduite sur une donnée de codeur (Z) au moyen d'un auto-codeur variable (VAE), un critère de distance étant déterminé en fonction de la donnée de codeur (Z) et d'une distribution attendue (Z'), le critère de distance représentant une mesure de plausibilité pour la prédiction de données.
Aktuellste beim Internationalen Büro vorliegende bibliographische Daten