【技术实现步骤摘要】
本专利技术涉及一种卷积神经网络，其基于收集到的各种类型的数据进行运算(学习)并提取特征，特别是涉及一种用于生成卷积神经网络中使用的数据的方法，以及使用该卷积神经网络的学习系统和学习装置。
技术介绍
1、近年来，诸如人工智能(ai)和信息通信技术(ict)的先进技术已经被利用来高效地实现进行诸如学习、推理、识别和判断的处理的技术。在上述技术中，存在作为由人工智能进行的学习方法的机器学习。在机器学习中，机器(计算机)利用大量的给定数据进行自行学习、基于学习结果(学习模型)相对于输入数据来优化输出数据，并基于输出数据进行估计和预测。这种机器学习的一个示例是使用卷积神经网络(cnn)的处理技术。卷积神经网络被用于各种领域，如图像识别、语音识别、自然语言处理和机器翻译。
2、日本未审查专利申请公开第2019-168453号(jp2019-168453a)公开了一种使用上述的卷积神经网络来估计蓄电元件的劣化的技术。jp2019-168453a中描述的劣化估计装置获取蓄电元件在第一时间点的健康状态(soh)以及第一时间点之后第二时间点的s...
【技术保护点】
1.一种用于生成卷积神经网络的矩阵数据的方法，所述卷积神经网络基于所述矩阵数据进行卷积运算，预定信息作为矩阵元素被排列在所述矩阵数据中，其中：
2.一种用于生成卷积神经网络的矩阵数据的方法，所述卷积神经网络基于所述矩阵数据进行卷积运算并估计车辆的预定元件的经时变化的状态，具有检测到的所述车辆的各个部件的行为和状态的车辆信息作为矩阵的成分被排列在所述矩阵数据中，其中：
3.根据权利要求2所述的方法，其中：
4.一种学习系统，其设置有安装在车辆上的控制单元和安装在所述车辆外部的服务器，所述学习系统使用卷积神经网络，所述卷积神经网络通过基...
【技术特征摘要】
1.一种用于生成卷积神经网络的矩阵数据的方法，所述卷积神经网络基于所述矩阵数据进行卷积运算，预定信息作为矩阵元素被排列在所述矩阵数据中，其中：
2.一种用于生成卷积神经网络的矩阵数据的方法，所述卷积神经网络基于所述矩阵数据进行卷积运算并估计车辆的预定元件的经时变化的状态，具有检测到的所述车辆的各个部件的行为和状态的车辆信息作为矩阵的成分被排列在所述矩阵数据中，其中：
3.根据权利要求2所述的方法，其中：
4.一种学习系统，其设置有安装在车辆上的控制单元和安装在所述车辆外部的服务器...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。