首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

用于训练高斯过程回归模型的设备和方法 

申请/专利权人:罗伯特·博世有限公司

申请日:2020-08-12

公开(公告)日:2024-07-05

公开(公告)号:CN112388628B

主分类号:B25J9/16

分类号:B25J9/16

优先权:["20190813 EP 19191389.6"]

专利状态码:有效-授权

法律状态:2024.07.05#授权;2022.09.02#实质审查的生效;2021.02.23#公开

摘要:用于训练高斯过程回归模型的设备和方法。根据各种实施例,描述了用于训练高斯过程回归模型的方法,包括:基于训练数据点集合训练高斯过程回归模型,其中每个训练数据点与传感器数据函数值和一个或多个传感器数据导数值相关联;确定附加训练数据点的批次,其基于从所述批次的传感器数据函数值和传感器数据导数值的预测协方差矩阵中选择的部分预测协方差矩阵的度量的优化,部分预测协方差矩阵包括所述批次的传感器数据函数值的预测协方差;以及基于传感器数据函数值和与附加训练数据点相关联的一个或多个传感器数据导数值来更新高斯过程回归模型。

主权项:1.一种用于训练高斯过程回归模型107的计算机实现的方法,包括:基于训练数据点集合来训练601高斯过程回归模型107,其中每个训练数据点与传感器数据函数值和一个或多个传感器数据导数值相关联,其中每个传感器数据导数值是由训练数据点处传感器数据的微分给定的值;确定602附加训练数据点的批次,其基于从所述批次的传感器数据函数值和传感器数据导数值的预测协方差矩阵中选择的部分预测协方差矩阵的度量的优化,部分预测协方差矩阵包括所述批次的传感器数据函数值的预测协方差,其中基于部分预测协方差矩阵的一个或多个特征值的度量的最大化来选择所述批次,并且其中部分预测协方差矩阵的度量是部分预测协方差矩阵的迹、行列式或最大特征值;以及基于传感器数据函数值和与附加训练数据点相关联的一个或多个传感器数据导数值来更新603高斯过程回归模型107。

全文数据:

权利要求:

百度查询: 罗伯特·博世有限公司 用于训练高斯过程回归模型的设备和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。