[發(fā)明專利]用于增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)的分布式架構(gòu)中的自學(xué)習(xí)

在審

• 申請?zhí)枺?/td>: 201880083679.1
• 申請日: 2018-12-03
• 公開（公告）號: CN111527500A
• 公開（公告）日: 2020-08-11
• 發(fā)明（設(shè)計）人: A·蒙代洛;A·特羅亞
• 申請（專利權(quán)）人: 美光科技公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京律盟知識產(chǎn)權(quán)代理有限責(zé)任公司 11287
• 代理人: 王龍

一種運(yùn)載工具，其具有最初安裝于其中以從由所述運(yùn)載工具的一或多個傳感器產(chǎn)生的輸入產(chǎn)生輸出的第一ANN模型。所述運(yùn)載工具基于使用所述第一ANN模型從所述輸入產(chǎn)生的輸出選擇輸入。所述運(yùn)載工具具有用以通過無監(jiān)督機(jī)器學(xué)習(xí)從包含由所述運(yùn)載工具選擇的所述輸入的傳感器數(shù)據(jù)漸進(jìn)地訓(xùn)練所述第一ANN模型的模塊。任選地，用于所述無監(jiān)督學(xué)習(xí)的所述傳感器數(shù)據(jù)可進(jìn)一步包含由群體中的其它運(yùn)載工具選擇的輸入。將由運(yùn)載工具選擇的傳感器輸入傳輸?shù)郊惺接嬎銠C(jī)服務(wù)器，所述集中式計算機(jī)服務(wù)器通過監(jiān)督機(jī)器學(xué)習(xí)從來自所述群體中的所述運(yùn)載工具的傳感器所接收輸入訓(xùn)練所述第一ANN模型并產(chǎn)生第二ANN模型，作為所述群體中經(jīng)由無監(jiān)督機(jī)器學(xué)習(xí)先前漸進(jìn)地改進(jìn)的所述第一ANN模型的替代。

相關(guān)申請案

本申請案主張于2017年12月29日提出申請且標(biāo)題為“分布式架構(gòu)中的自學(xué)習(xí)以增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)(Self-Learning in Distributed Architecture for EnhancingArtificial Neural Network)”的美國專利申請案序號15/858,505的優(yōu)先權(quán)，所述申請案的全部揭示內(nèi)容特此以引用方式并入本文中。

本申請案與于2017年12月29日提出申請且標(biāo)題為“用于增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)的分布式架構(gòu)(Distributed Architecture for Enhancing Artificial Neural Network)”的美國專利申請案序號15/858,143相關(guān)，所述美國專利申請案的全部揭示內(nèi)容特此以引用方式并入本文中。

技術(shù)領(lǐng)域

本文中所揭示的至少一些實(shí)施例一般來說涉及人工神經(jīng)網(wǎng)絡(luò)，且更特定來說涉及但不限于用于運(yùn)載工具控件的人工神經(jīng)網(wǎng)絡(luò)。

背景技術(shù)

自主駕駛技術(shù)領(lǐng)域的最近發(fā)展允許計算系統(tǒng)至少在一些條件下在不具有來自運(yùn)載工具的人類操作者的輔助的情況下操作運(yùn)載工具的控制元件。

舉例來說，傳感器(例如，相機(jī)及雷達(dá))可安裝在運(yùn)載工具上以檢測道路上的運(yùn)載工具的環(huán)境的條件。安裝在運(yùn)載工具上的計算系統(tǒng)分析傳感器輸入以識別條件并產(chǎn)生用于在不具有來自運(yùn)載工具的人類操作者的任何輸入的情況下自主調(diào)整運(yùn)載工具的方向及/或速度的控制信號或命令。

自主駕駛及/或高級駕駛員輔助系統(tǒng)(ADAS)通常涉及用于識別在傳感器輸入中捕獲的事件及/或?qū)ο蟮娜斯ど窠?jīng)網(wǎng)絡(luò)(ANN)。

一般來說，人工神經(jīng)網(wǎng)絡(luò)(ANN)使用神經(jīng)元的網(wǎng)絡(luò)來處理到網(wǎng)絡(luò)的輸入并從網(wǎng)絡(luò)產(chǎn)生輸出。

網(wǎng)絡(luò)中的每一神經(jīng)元m接收一組輸入p_k，其中k＝1、2…n。一般來說，到神經(jīng)元的輸入中的一些輸入可為網(wǎng)絡(luò)中的某些神經(jīng)元的輸出；且到神經(jīng)元的輸入中的一些輸入可整體上為到網(wǎng)絡(luò)的輸入。網(wǎng)絡(luò)中的神經(jīng)元當(dāng)中的輸入/輸出關(guān)系表示網(wǎng)絡(luò)中的神經(jīng)元連接性。

每一神經(jīng)元m分別具有針對其輸入p_k的偏置b_m、激活函數(shù)f_m及一組突觸權(quán)重w_mk，其中k＝1、2…n。激活函數(shù)可呈階梯函數(shù)、線性函數(shù)、log-sigmoid函數(shù)等的形式。網(wǎng)絡(luò)中的不同神經(jīng)元可具有不同激活函數(shù)。

每一神經(jīng)元m產(chǎn)生其輸入與其偏置的加權(quán)和，其中s_m＝b_m+w_m1×p₁+w_m2×p₂+…+w_mn×p_n。神經(jīng)元m的輸出a_m是加權(quán)和的激活函數(shù)，其中a_m＝f_m(s_m)。