[发明专利]用于数字信号处理的设备和计算机实现的方法在审
申请号: | 202110561985.5 | 申请日: | 2021-05-21 |
公开(公告)号: | CN113723588A | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | E·胡格布姆;J·汤姆恰克;M·韦林;张丹 | 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;G06F17/16 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 刘艺诗;周学斌 |
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: | 用于 数字信号 处理 设备 计算机 实现 方法 | ||
1.一种用于数字信号处理的计算机实现的方法,包括提供(206;406)第一组数据,将第一组数据映射(208;408)到第二组数据,以及取决于第二组数据来确定(210;414、416)数字信号处理的输出,其中取决于有限级数项的总和来确定第二组数据,其中取决于第一组数据与内核的卷积结果来确定所述级数的至少一个项,并且取决于第一组数据并且独立于内核来确定所述级数的至少一个项,其特征在于,取决于第一结果来确定所述级数的至少一个项,其中取决于第一组数据与内核的第一卷积来确定第一结果,并且其中取决于第一结果与内核的第二卷积来确定所述至少一个项。
2.根据权利要求1所述的方法,其特征在于,取决于内核与由第一组数据定义的自回归函数的输出的卷积来确定取决于内核所确定的所述级数的至少一个项。
3.根据权利要求1所述的方法,其特征在于,第一组数据表示在输入层与输出层之间的人工神经网络的隐藏层处的输入,其中第二组数据表示人工神经网络的输出,其中输入和输出具有相同的维数。
4.根据前述权利要求中的一项所述的方法,其特征在于,将表示数字信号的训练输入数据映射(202;402)到训练输出数据,其中取决于级数项的总和来确定训练输出数据,其中取决于训练输入数据与内核的卷积结果来确定所述级数的至少一个项,并且取决于训练输入数据并且独立于内核来确定所述级数的至少一个项,其中取决于训练输出数据来确定(204;404)人工神经网络的至少一个参数。
5.根据前述权利要求中任一项所述的方法,其特征在于,将内核的元素乘以负值,特别是-1。
6.根据前述权利要求中的一项所述的方法,其特征在于,在训练中,在人工神经网络的隐藏层处确定级数项的总和,所述隐藏层被布置在用于训练输入数据的人工神经网络的输入层与用于训练输出数据的人工神经网络的输出层之间。
7.根据前述权利要求中的一项所述的方法,其特征在于,取决于内核来定义编码器,其中取决于内核来定义解码器,其中编码器和/或解码器的训练包括利用编码器将数字信号映射到其表示,并且利用解码器将该表示映射到合成信号。
8.根据前述权利要求中的一项所述的方法,其特征在于,取决于除以阶乘的结果来确定取决于卷积的数量而确定的所述级数的至少一个项,其中所述阶乘由小于或等于所述数量的正整数的乘积来定义。
9.根据前述权利要求中的一项所述的方法,其特征在于,取决于数字信号来确定(406)第一组数据,其中取决于第二组数据来确定(408)数字信号的表示,或者在于取决于数字信号的表示来确定(206)第一组数据,其中取决于第二组数据来确定(208)数字信号的合成样本。
10.根据权利要求9所述的方法,其特征在于,取决于第二组数据来确定(408)密度,其中数字信号处理的输出指示所述密度是满足条件(414)还是不满足条件(416)。
11.根据前述权利要求中的一项所述的方法,其特征在于,取决于多个内核来确定项的多个总和。
12.根据权利要求11所述的方法,其特征在于,取决于彼此不同的内核来确定项的多个总和。
13.根据前述权利要求中的一项所述的方法,其特征在于,从具有密度的随机分布中采样第一组数据,或者取决于自回归函数从输入数据中确定第一组数据。
14.根据前述权利要求中的一项所述的方法,其特征在于,内核针对与输入的矩阵乘法定义平方矩阵,所述矩阵乘法等价于所述输入与内核的卷积,其中所述矩阵的谱范数小于1。
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/202110561985.5/1.html,转载请声明来源钻瓜专利网。