買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉羅伯特·博世有限公司申請的專利用標簽受到噪聲干擾的學習數據來訓練可訓練模塊獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113711241B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202080030999.8，技術領域涉及：G06N3/09；該發明授權用標簽受到噪聲干擾的學習數據來訓練可訓練模塊是由W·H·布魯克;M·奧滕里特;J·M·科勒設計研發完成，并于2020-04-08向國家知識產權局提交的專利申請。

本用標簽受到噪聲干擾的學習數據來訓練可訓練模塊在說明書摘要公布了：用于訓練可訓練模塊（1）的方法（100），具有如下步驟：?分別至少利用學習數據集（2）的子集對可訓練模塊（1）的多個修改過程（1a?lc）進行預訓練（110），所述修改過程（1a?lc）彼此大大地不同到使得，所述修改過程（1a?lc）在不斷進行學習時不是全等地被轉化成彼此；?至少一個學習數據集（2）的學習輸入變量值（11a）作為輸入變量（11）被輸送（120）給所有修改過程（la?lc）；?從輸出變量值（13）彼此間的偏差中，確定針對輸出變量值（13）的不確定性（13b）的度量，并且該度量作為針對學習數據集（2）的不確定性（2a）的度量被分配（130）給所述學習數據集（2），所述修改過程（la?lc）將所述學習輸入變量值（11a）分別轉換成所述輸出變量值（13）；?依據所述不確定性（2a），確定（140）所述學習數據集（2）的評價（2b），所述評價（2b）是針對如下內容的度量：學習數據集（2）中的學習輸出變量值（13a）至學習輸入變量值（11a）的分配正確到何種程度。方法（200），其中此外運行（220）可訓練模塊，并且可訓練模塊利用操控信號（5）對系統（50，60，70）進行操控。

本發明授權用標簽受到噪聲干擾的學習數據來訓練可訓練模塊在權利要求書中公布了：1.用于借助學習數據集2來訓練可訓練模塊1的計算機實施的方法100，所述可訓練模塊1將一個或者多個輸入變量11轉換為一個或者多個輸出變量13，所述學習數據集2包含學習輸入變量值11a和所屬的學習輸出變量值13a，其中所述輸入變量11分別包括圖像像素，所述輸出變量13分別包括類，其中所述學習輸入變量值11a分別包括圖像像素，所屬的學習輸出變量值13a分別包括給該圖像像素所分配的類，以及其中至少所述學習輸入變量值11a已通過物理測量過程、和或通過對這種測量過程的部分或者全部仿真、和或通過對利用這種測量過程可觀測的技術系統的部分或者全部仿真來獲得，所述方法100具有如下步驟： ·分別至少利用所述學習數據集2的子集，對所述可訓練模塊1的多個修改過程1a-lc進行預訓練110，所述修改過程1a-lc彼此大大地不同到使得，所述修改過程1a-lc在不斷進行學習時不是全等地轉化成彼此； ·至少一個學習數據集2的學習輸入變量值11a作為輸入變量11被輸送120給所有修改過程la-lc； ·從所述輸出變量13彼此間的偏差中，確定針對所述輸出變量13的不確定性13b的度量，并且所述針對所述輸出變量13的不確定性13b的度量被分配130給所述學習數據集2作為針對所述學習數據集2的不確定性2a的度量，所述修改過程la-lc將所述學習輸入變量值11a分別轉換成所述輸出變量13； ·依據所述不確定性2a，確定140所述學習數據集2的評價2b，所述評價2b是針對如下內容的度量：在所述學習數據集2中，所述學習輸出變量值13a至所述學習輸入變量值11a的分配正確到何種程度； 其中，依據多個學習數據集2，確定141所述不確定性2a的分布3，并且其中依據所述分布3確定145所述評價2b； 其中，所述分布3被建模142為多個經過參數化的貢獻41,42的疊加4，所述貢獻41,42分別來源于具有相同的或者相似的評價2b的學習數據集2，并且其中所述貢獻41，42的參數41a,42a如下被優化143：所述不確定性2a的分布3與所述疊加4的偏差被最小化，以便這樣確定所述貢獻41，42。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人羅伯特·博世有限公司，其通訊地址為：德國斯圖加特；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。