买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉罗伯特·博世有限公司申请的专利用标签受到噪声干扰的学习数据来训练可训练模块获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113711241B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202080030999.8，技术领域涉及：G06N3/09；该发明授权用标签受到噪声干扰的学习数据来训练可训练模块是由W·H·布鲁克;M·奥滕里特;J·M·科勒设计研发完成，并于2020-04-08向国家知识产权局提交的专利申请。

本用标签受到噪声干扰的学习数据来训练可训练模块在说明书摘要公布了：用于训练可训练模块（1）的方法（100），具有如下步骤：•分别至少利用学习数据集（2）的子集对可训练模块（1）的多个修改过程（1a‑lc）进行预训练（110），所述修改过程（1a‑lc）彼此大大地不同到使得，所述修改过程（1a‑lc）在不断进行学习时不是全等地被转化成彼此；•至少一个学习数据集（2）的学习输入变量值（11a）作为输入变量（11）被输送（120）给所有修改过程（la‑lc）；•从输出变量值（13）彼此间的偏差中，确定针对输出变量值（13）的不确定性（13b）的度量，并且该度量作为针对学习数据集（2）的不确定性（2a）的度量被分配（130）给所述学习数据集（2），所述修改过程（la‑lc）将所述学习输入变量值（11a）分别转换成所述输出变量值（13）；•依据所述不确定性（2a），确定（140）所述学习数据集（2）的评价（2b），所述评价（2b）是针对如下内容的度量：学习数据集（2）中的学习输出变量值（13a）至学习输入变量值（11a）的分配正确到何种程度。方法（200），其中此外运行（220）可训练模块，并且可训练模块利用操控信号（5）对系统（50，60，70）进行操控。

本发明授权用标签受到噪声干扰的学习数据来训练可训练模块在权利要求书中公布了：1.用于借助学习数据集2来训练可训练模块1的计算机实施的方法100，所述可训练模块1将一个或者多个输入变量11转换为一个或者多个输出变量13，所述学习数据集2包含学习输入变量值11a和所属的学习输出变量值13a，其中所述输入变量11分别包括图像像素，所述输出变量13分别包括类，其中所述学习输入变量值11a分别包括图像像素，所属的学习输出变量值13a分别包括给该图像像素所分配的类，以及其中至少所述学习输入变量值11a已通过物理测量过程、和或通过对这种测量过程的部分或者全部仿真、和或通过对利用这种测量过程可观测的技术系统的部分或者全部仿真来获得，所述方法100具有如下步骤： ·分别至少利用所述学习数据集2的子集，对所述可训练模块1的多个修改过程1a-lc进行预训练110，所述修改过程1a-lc彼此大大地不同到使得，所述修改过程1a-lc在不断进行学习时不是全等地转化成彼此； ·至少一个学习数据集2的学习输入变量值11a作为输入变量11被输送120给所有修改过程la-lc； ·从所述输出变量13彼此间的偏差中，确定针对所述输出变量13的不确定性13b的度量，并且所述针对所述输出变量13的不确定性13b的度量被分配130给所述学习数据集2作为针对所述学习数据集2的不确定性2a的度量，所述修改过程la-lc将所述学习输入变量值11a分别转换成所述输出变量13； ·依据所述不确定性2a，确定140所述学习数据集2的评价2b，所述评价2b是针对如下内容的度量：在所述学习数据集2中，所述学习输出变量值13a至所述学习输入变量值11a的分配正确到何种程度； 其中，依据多个学习数据集2，确定141所述不确定性2a的分布3，并且其中依据所述分布3确定145所述评价2b； 其中，所述分布3被建模142为多个经过参数化的贡献41,42的叠加4，所述贡献41,42分别来源于具有相同的或者相似的评价2b的学习数据集2，并且其中所述贡献41，42的参数41a,42a如下被优化143：所述不确定性2a的分布3与所述叠加4的偏差被最小化，以便这样确定所述贡献41，42。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人罗伯特·博世有限公司，其通讯地址为：德国斯图加特；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。