[发明专利]借助于神经卷积网络处理传感器数据的方法和设备

权利要求书

1.一种用于借助于卷积网络处理传感器数据的计算机实现的方法，所述方法包括：

通过所述卷积网络的多个连续的层来处理所述传感器数据，所述卷积网络具有：

卷积过滤器层，所述卷积过滤器层

-接收至少一个具有输入数据值的输入矩阵；

-实现第一过滤器矩阵，所述第一过滤器矩阵通过用第一权重加权的过滤器基函数总和给定；

-针对变换参数的相应值，通过将由所述变换参数进行参数化的变换公式应用于所述第一权重而从所述第一权重中计算出至少一个第二权重；

-针对每个第二权重，通过计算用该第二权重加权的过滤器基函数总和来确定相应的第二过滤器矩阵；以及

-将所述输入矩阵与所述第一过滤器矩阵和每个第二过滤器矩阵进行卷积运算，从而为每个过滤器矩阵产生具有输出数据值的输出矩阵；以及

组合所述输出矩阵的聚合层。

2.根据权利要求1所述的方法，其中，所述变换参数是角度，并且所述卷积过滤器层通过应用所述变换公式来计算所述第二权重，使得所述第二过滤器矩阵是旋转了所述角度的第一过滤器矩阵。

3.根据权利要求1所述的方法，其中，所述变换参数是缩放参数，并且所述卷积过滤器层通过应用所述变换公式来计算所述第二权重，使得所述第二过滤器矩阵是所述第一过滤器矩阵的缩放，其中所述缩放的强度通过所述缩放参数给定。

4.根据权利要求1至3中任一项所述的方法，其中，所述聚合层为每个输出矩阵确定预定义的评估变量的相应值，并通过输出使得所述评估变量最大的输出矩阵的标识来组合所述输出矩阵。

5.根据权利要求1至4中任一项所述的方法，包括：通过将针对所述训练数据由所述卷积网络预测的值与针对所述训练数据预定的参考值进行比较来训练所述卷积网络，其中对所述第一权重的系数和/或所述变换公式的系数进行训练。

6.根据权利要求1至5中任一项所述的方法，包括基于所述卷积网络的输出来控制致动器。

7.一种具有多个连续的层的卷积网络，所述多个连续的层具有卷积过滤器层和聚合层，其中所述卷积网络被设计为执行根据权利要求1至6中任一项所述的方法。

8. 一种软件或硬件代理，特别是机器人，包括：

被设计为提供传感器数据的传感器；和

根据权利要求7所述的卷积网络，其中所述卷积网络被设计为执行所述传感器数据的回归或分类。

9.根据权利要求8所述的软件或硬件代理，具有致动器和控制装置，所述控制装置被设计为使用所述卷积网络的输出来控制至少一个致动器。

10.一种具有程序指令的计算机程序，所述程序指令被设计为在由一个或多个处理器执行时执行根据权利要求1至6中任一项所述的方法。

11.一种机器可读存储介质，其上存储有程序指令，所述程序指令被设计为在由一个或多个处理器执行时执行根据权利要求1至6中任一项所述的方法。