WO2023217792 - METHOD AND THE DEVICE FOR OPERATING A TECHNICAL SYSTEM
National phase entry:
Publication Number
WO/2023/217792
Publication Date
16.11.2023
International Application No.
PCT/EP2023/062296
International Filing Date
09.05.2023
Title **
[English]
METHOD AND THE DEVICE FOR OPERATING A TECHNICAL SYSTEM
[French]
PROCÉDÉ ET DISPOSITIF POUR FAIRE FONCTIONNER UN SYSTÈME TECHNIQUE
Applicants **
ROBERT BOSCH GMBH
Postfach 30 02 20
70442 Stuttgart, DE
Inventors
RAKITSCH, Barbara
Romingerweg 3
70193 Stuttgart, DE
LINDINGER, Jakob
Elisabeth-Emter-Weg 9
79110 Freiburg, DE
LIPPERT, Christoph
Schreinerstraße 54
10247 Berlin, DE
Priority Data
22173335.5
13.05.2022
EP
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
EPO
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1046 | |
| EPO | Filing, Examination | 4598 | |
| Japan | Filing | 592 | |
| South Korea | Filing | 574 | |
| USA | Filing, Examination | 2710 |
Total: 9520 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
Device and computer-implemented method for machine learning with time-series data representing observations related to a technical system (102), the method comprising providing (200) the time-series data, and model parameters of a distribution over the time-series data and over a first latent variable and over a second latent variable, and variational parameters of an approximate distribution over a second latent variable, sampling (204-1) a value of the second latent variable from the approximate distribution over the second latent variable, finding (204-2) a value of the first latent variable depending on a density of the distribution over the time-series data and over the first latent variable and over the value of the second latent variable, in particular that maximizes the density of the distribution over the time-series data and over the first latent variable and over the value of the second latent variable, determining (204-3) a Hessian depending on a second order Taylor approximation of the distribution over the time-series data and the first latent variable and the value of the second latent variable evaluated at the value of the first latent variable, determining (204-4) a determinant of the Hessian, determining (204-5) a Laplace approximation of a distribution over the time-series data conditioned with the value of the second latent variable depending on the determinant of the Hessian, determining (204-6) an inverse of the Hessian, determining (204-7) a Jacobian of the distribution over the time-series data and the first latent variable and the value of the second latent variable, evaluating (202-1) an approximate lower bound that depends on the Laplace approximations that are determined for a plurality of values of the second latent variable, determining (202-2) gradients of the Laplace approximations depending on the inverse Hessians and the Jacobians, updating (202-3) the model parameters and the variational parameters depending on the gradients[French]
Dispositif et procédé mis en œuvre par ordinateur pour l'apprentissage machine avec des données de série chronologique représentant des observations relatives à un système technique (102), le procédé consistant à fournir (200) les données de série chronologique, et des paramètres de modèle d'une distribution sur les données de série chronologique et sur une première variable latente et sur une seconde variable latente, et des paramètres variationnels d'une distribution approximative sur une seconde variable latente, à échantillonner (204-1) une valeur de la seconde variable latente à partir de la distribution approximative sur la seconde variable latente, à trouver (204-2) une valeur de la première variable latente en fonction d'une densité de la distribution sur les données de série chronologique et sur la première variable latente et sur la valeur de la seconde variable latente, à déterminer (204-3) une hessienne selon une approximation de Taylor de second ordre de la distribution sur les données de série chronologique et la première variable latente et la valeur de la seconde variable latente évaluée à la valeur de la première variable latente, à déterminer (204-4) un déterminant de la hessienne, à déterminer (204-5) une approximation de Laplace d'une distribution sur les données de série chronologique conditionnées avec la valeur de la seconde variable latente en fonction du déterminant de la hessienne, à déterminer (204-6) un inverse de la hessienne, à déterminer (204-7) un jacobien de la distribution sur les données de série chronologique et la première variable latente et la valeur de la seconde variable latente, à évaluer (202-1) une limite inférieure approximative qui dépend des approximations de Laplace qui sont déterminées pour une pluralité de valeurs de la seconde variable latente, à déterminer (202-2) des gradients des approximations de Laplace en fonction des hessiennes inverses et des jacobiens, à mettre à jour (202-3) les paramètres de modèle et les paramètres variationnels en fonction des gradients