[发明专利]用于增强人工神经网络的分布式架构中的自学习

说明书

一种运载工具，其具有最初安装于其中以从由所述运载工具的一或多个传感器产生的输入产生输出的第一ANN模型。所述运载工具基于使用所述第一ANN模型从所述输入产生的输出选择输入。所述运载工具具有用以通过无监督机器学习从包含由所述运载工具选择的所述输入的传感器数据渐进地训练所述第一ANN模型的模块。任选地，用于所述无监督学习的所述传感器数据可进一步包含由群体中的其它运载工具选择的输入。将由运载工具选择的传感器输入传输到集中式计算机服务器，所述集中式计算机服务器通过监督机器学习从来自所述群体中的所述运载工具的传感器所接收输入训练所述第一ANN模型并产生第二ANN模型，作为所述群体中经由无监督机器学习先前渐进地改进的所述第一ANN模型的替代。

相关申请案

本申请案主张于2017年12月29日提出申请且标题为“分布式架构中的自学习以增强人工神经网络(Self-Learning in Distributed Architecture for EnhancingArtificial Neural Network)”的美国专利申请案序号15/858,505的优先权，所述申请案的全部揭示内容特此以引用方式并入本文中。

本申请案与于2017年12月29日提出申请且标题为“用于增强人工神经网络的分布式架构(Distributed Architecture for Enhancing Artificial Neural Network)”的美国专利申请案序号15/858,143相关，所述美国专利申请案的全部揭示内容特此以引用方式并入本文中。

技术领域

本文中所揭示的至少一些实施例一般来说涉及人工神经网络，且更特定来说涉及但不限于用于运载工具控件的人工神经网络。

背景技术

自主驾驶技术领域的最近发展允许计算系统至少在一些条件下在不具有来自运载工具的人类操作者的辅助的情况下操作运载工具的控制元件。

举例来说，传感器(例如，相机及雷达)可安装在运载工具上以检测道路上的运载工具的环境的条件。安装在运载工具上的计算系统分析传感器输入以识别条件并产生用于在不具有来自运载工具的人类操作者的任何输入的情况下自主调整运载工具的方向及/或速度的控制信号或命令。

自主驾驶及/或高级驾驶员辅助系统(ADAS)通常涉及用于识别在传感器输入中捕获的事件及/或对象的人工神经网络(ANN)。

一般来说，人工神经网络(ANN)使用神经元的网络来处理到网络的输入并从网络产生输出。

网络中的每一神经元m接收一组输入p_k，其中k＝1、2…n。一般来说，到神经元的输入中的一些输入可为网络中的某些神经元的输出；且到神经元的输入中的一些输入可整体上为到网络的输入。网络中的神经元当中的输入/输出关系表示网络中的神经元连接性。

每一神经元m分别具有针对其输入p_k的偏置b_m、激活函数f_m及一组突触权重w_mk，其中k＝1、2…n。激活函数可呈阶梯函数、线性函数、log-sigmoid函数等的形式。网络中的不同神经元可具有不同激活函数。

每一神经元m产生其输入与其偏置的加权和，其中s_m＝b_m+w_m1×p₁+w_m2×p₂+…+w_mn×p_n。神经元m的输出a_m是加权和的激活函数，其中a_m＝f_m(s_m)。