特斯拉申请专利 利用庞大车队获取数据训练自动驾驶神经网络

据外媒报道，电动汽车制造商特斯拉已经申请了一项专利，内容是怎样从其复杂的客户车队中获取实习数据，以实习其自动驾驶神经收集。

这项专利是为特斯拉申请的，但特斯拉人工智能和自动驾驶软件主管安德烈·卡帕西(Andrej Karparis)被指定为该申请的独一发现人。

卡帕西描写了在应用措施中为深度进修培训网络数据的题目：“用于自动驾驶等应用的深度进修体系是通过实习呆板进修模子来开拓的。凡是，深度进修体系的机能至少部门地受到用于实习模子的实习集的质量限定。在很多环境下，大量的资源被投入到网络、打点和注释培训数据上。建设实习集所需的事变量也许很大，并且凡是是单调乏味的。另外，凡是很难网络呆板进修模子必要改造的特定用例的数据。”

特斯拉开拓自动驾驶体系的方法与大大都其他公司大不沟通。尽量大大都其他公司操作相对较少的测试车队来网络数据并测试其体系，但特斯拉行使其数十万辆配备了一系列传感器的客户汽车来网络阶梯和驾驶数据，并在“影子模式”下测试其自动驾驶体系。车队网络的这些数据对特斯拉实习其神经收集实现自动驾驶极其有代价。然而，他们必需警惕他们网络并提供应收集的内容。

卡帕西在专利申请中注明：“跟着呆板进修模子变得越来越伟大，好比深层神经收集，大量实习数据集的须要性也响应增进。与浅层神经收集对比，这些深层神经收集也许必要更多的实习样本，以确保它们的泛化手段较高。譬喻，固然神经收集可以被实习成对付所给实习数据来说高度准确，但其也许不能很好地推广到未见的将来示例中。在这个例子中，神经收集也许受益于实习数据中包括的特殊示例。”

因此，卡帕西表明白他的专利要领，在传输之前就对源数据举办分类：“示例要领包罗吸取传感器并将神经收集应用于传感器数据。将触发器分类器应用于神经收集的中间功效，以确定传感器数据的分类器评分。按照至少部门分类器得分，抉择是否通过计较机收集传输至少部门传感器数据。一旦确定为阳性，传感器数据就会被传输并用于天生实习数据。”

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!