[发明专利]具有条件标准化流的机器可学习系统在审
申请号: | 202010685683.4 | 申请日: | 2020-07-16 |
公开(公告)号: | CN112241783A | 公开(公告)日: | 2021-01-19 |
发明(设计)人: | A·巴塔查里亚;C-N·施特雷勒 | 申请(专利权)人: | 罗伯特·博世有限公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08;G06N5/04;G06K9/62;G05B13/02;G05B13/04;B60R16/02 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 张凌苗;刘春元 |
地址: | 德国斯*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 具有 条件 标准化 机器 学习 系统 | ||
1.一种机器可学习系统,所述系统包括
-训练存储装置,其包括训练对的集合,训练对包括条件作用数据(
-处理器系统,其被配置用于
-编码器函数,其将目标空间(
-解码器函数,其将潜在空间(
-条件标准化流函数,其以条件作用数据(
-在训练对的集合上训练编码器函数、解码器函数和条件标准化流,所述训练包括最小化编码器函数和解码器函数的级联的重建损失,并且最小化在基础空间上的概率分布与应用于训练对的集合的编码器和条件标准化流函数的级联之间的差异。
2.如权利要求1中所述的机器可学习系统,其中
-训练对中的条件作用数据(
-训练对中的条件作用数据(
3.如权利要求1-2中任一项中所述的机器可学习系统,其中
-基础空间上的概率分布是预定概率分布,或
-基础空间上的概率分布是以条件作用数据(
4.如权利要求1-3中任一项中所述的机器可学习系统,其中,编码器函数和解码器函数是非确定性函数,编码器函数和解码器函数被布置成生成概率分布,从所述概率分布来确定函数输出。
5.如权利要求4中所述的机器可学习系统,其中编码器函数和解码器函数中的至少一个被布置成生成均值,通过对具有均值和预定方差的高斯分布进行采样来确定函数输出。
6.如权利要求1-5中任一项中所述的机器可学习系统,其中所述训练包括最大化证据下界(ELBO),证据下界(ELBO)是针对给定条件作用数据(
其中,是概率分布和的库尔贝克-莱布勒(Kullback-Leibler)散度,概率分布由基础分布和条件标准化流定义。
7.如权利要求6中所述的机器可学习系统,其中通过如下计算为的库尔贝克-莱布勒(Kullback-Leibler)散度
其中是条件标准化流,并且是条件标准化流的雅克比。
8.如前述权利要求中任一项中所述的机器可学习系统,其中条件标准化流函数包括多个可逆标准化流子函数的序列,所述多个可逆标准化流子函数的一个或多个参数由神经网络取决于条件作用数据而生成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于罗伯特·博世有限公司,未经罗伯特·博世有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010685683.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:高指数、弯帽线栅偏振器
- 下一篇:具有标准化流的机器可学习系统