申请/专利权人:罗伯特·博世有限公司
申请日:2023-10-09
公开(公告)日:2024-04-09
公开(公告)号:CN117852602A
主分类号:G06N3/08
分类号:G06N3/08;G06N20/00
优先权:["20221007 DE 102022210639.3"]
专利状态码:在审-公开
法律状态:2024.04.09#公开
摘要:根据各种实施方式,描述了一种用于训练机器学习模型的方法,具有确定训练输入数据元素的大量训练序列,其中对于每个训练序列,每个训练输入数据元素包含来自分配给该训练序列的时间段的一个时间点的传感器数据,在所述时间段中预给定事件在一个或多个相应的事件时间点至少发生一次;针对每个训练输入数据元素确定所述训练输入数据元素包含传感器数据时的时间点与所述一个或多个相应事件时间点之一之间的时间距离;以及根据所确定的时间距离来训练所述机器学习模型。
主权项:1.一种用于训练机器学习模型的方法,具有:确定训练输入数据元素的大量训练序列,其中对于每个训练序列,每个训练输入数据元素包含来自分配给该训练序列的时间段的一个时间点的传感器数据,在所述时间段中预给定事件在一个或多个相应的事件时间点至少发生一次;针对每个训练输入数据元素确定所述训练输入数据元素包含传感器数据时的时间点与所述一个或多个相应事件时间点之一之间的时间距离;以及根据所确定的时间距离来训练所述机器学习模型。
全文数据:
权利要求:
百度查询: 罗伯特·博世有限公司 用于训练机器学习模型的方法
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。