CN109697503B 模糊参数化的ki模块以及运行方法 （罗伯特·博世有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN109697503B(45)授权公告日2025.01.10

(21)申请号201811229529.5

(22)申请日2018.10.22

(65)同一申请的已公布的文献号申请公布号CN109697503A

(43)申请公布日2019.04.30

(30)优先权数据

102017218889.82017.10.23DE

(73)专利权人罗伯特·博世有限公司地址德国斯图加特

(72)发明人T.格内魏因J.阿克特霍尔德J.M.克勒

(74)专利代理机构中国专利代理(香港)有限公司72001

专利代理师臧永杰申屠伟进

(51)Int.CI.

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

GO6V10/764(2022.01)

GO6V10/82(2022.01)

(56)对比文件

YoojinChoi等.LearningLowPrecisionDeepNeuralNetworksthrough

Regularization.康奈尔大学图书馆.2018,第1-9页.

审查员周辉辉

权利要求书2页说明书8页附图4页

(54)发明名称

模糊参数化的KI模块以及运行方法

(57)摘要

CN109697503B一种人工智能智能模块，KI模块，其被构造用于，通过内部处理链来将一个或多个输入参量处理成一个或多个输出参量，其中通过一个或多个参数来规定所述内部处理链，并且其中所述KI模块被构造用于，由在存储器中所保存的一个或多个存储值确定所述一个或多个参数，其中，设置分布模块，所述分布模块被构造用于，分别从一个或多个统计学分布中提取单个值并且由此求取所述一个或多个参数，其中每个统计学分布的至少一个统计学特性参量与至少一个存储值有关。用于消除存储值的方法。用于离散化和压

CN109697503B

CN109697503B权利要求书1/2页

2

1.一种用于对图像分类的人工智能KI模块(1),所述KI模块被构造用于，通过内部处理链(12)来将一个或多个输入参量(11)处理成一个或多个输出参量(16),其中图像被选择作为输入参量(11)并且所述图像的分类被选择作为输出参量(16),其中通过一个或多个参数(13)来规定所述内部处理链(12),并且其中所述KI模块(1)被构造用于，由在存储器(14)中所保存的一个或多个存储值(15)确定所述一个或多个参数(13),其特征在于，设置分布模块(2),所述分布模块被构造用于，分别从一个或多个统计学分布(21)中提取单值(22)并且由此确定所述一个或多个参数(13),其中每个统计学分布(21)的至少一个统计学特性参量与至少一个存储值(15)有关，其中所述分布模块(2)包含至少一个具有多个元素(23a-23c)的编码簿表格(23)并且被构造用于，将所述一个或多个参数(13)作为所述元素(23a-23c)

的线性组合来确定，其中所述线性组合的系数是从所述统计学分布(21)中所提取的单值(22)。

2.根据权利要求1所述的KI模块(1),其特征在于，所述内部处理链(12)是深度的神经网络。

3.根据权利要求2所述的KI模块(1),其特征在于，所述编码簿表格(23)包含奇数数目的数字，所述数字关于平均值对称地布置。

4.根据权利要求1所述的KI模块(1),其特征在于，所述内部处理链(12)是具有至少一个卷积层的神经网络。

5.根据权利要求4所述的KI模块(1),其特征在于，所述编码簿表格(23)包含过滤器。

6.根据权利要求2至5中任意一项所述的KI模块(1),其特征在于，所述分布模块(2)针对所述神经网络的每个层包含单独的编码簿表格(23)。

7.根据权利要求2至5中任意一项所述的KI模块(1),其特征在于，用于所述存储值(15)的所述存储器(14)被构造用于，记录整数索引(15a)并且至少一个查找表格(17)被设置用于每个索引到一个或多个离散的存储值(15)的转化。

8.根据权利要求7所述的KI模块(1),其特征在于，针对所述神经网络的每个层设置单独的查找表格(17)。

9.用于运行根据权利要求1至8中任意一项所述的KI模块(1)的方法(100),所述方法具有以下步骤：

一组存储值(15)如此被确