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！

龙图腾网获悉丰田汽车欧洲股份有限公司;卡姆林意大利公司申请的专利用于在环境背景下模拟类人控制行为的系统和基于计算机的方法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：CN107924484B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：201580081857.3，技术领域涉及：G06N3/0442；该发明授权用于在环境背景下模拟类人控制行为的系统和基于计算机的方法是由约纳斯·安贝克-马德森;艾默里克·拉托;马尔切洛·马斯特罗莱奥;费代里科·萨西;罗伯托·乌戈洛蒂;亚历山德罗·巴基尼;卢卡·穆西;卢卡·阿斯卡里设计研发完成，并于2015-07-23向国家知识产权局提交的专利申请。

本用于在环境背景下模拟类人控制行为的系统和基于计算机的方法在说明书摘要公布了：一种用于在环境背景下模拟类人决策的基于计算机的方法，包括：‑用至少一个传感器捕获环境数据，‑实现用于通过将高维数据压缩成低维映射来实现所述数据的双向压缩的基于计算机的方法，‑如果在基于计算机的模型的学习阶段期间捕获环境数据，则通过压缩数据的所述映射将具有不同特性的数据分离的良好程度来判定所述映射的质量，以评估所述映射，所述捕获的数据对应于已经预先评估的已知的预先记录的数据，‑如果在所述学习阶段之后捕获环境数据，则将新的点添加到所述压缩数据，并且生成指示使用哪个类人决策的信号来对应于操作员的状态。

本发明授权用于在环境背景下模拟类人控制行为的系统和基于计算机的方法在权利要求书中公布了：1.一种用于通过在用于在环境背景下生成指示类人决策的信号的系统上将高维数据压缩成较低维映射来实现所述数据的双向压缩的基于计算机的方法，所述方法包括： -接收具有第一维度的环境数据，所述第一维度大于通过至少一个传感器捕获并发送的数据的维度； 将所述环境数据或从所述环境数据导出的属性压缩为具有比第一维度低的第二维度的压缩数据， -学习阶段，通过所述压缩数据的所述映射将具有不同特性的预先评估的已知的接收到的所述环境数据分离的良好程度来判定所述压缩数据的映射的质量，以评估所述压缩数据的映射， -推理阶段，生成指示类人决策的信号，并且是节点的实际操作阶段，在该阶段期间，将所述环境数据的输入模式与所述学习阶段中记忆的模式进行比较，并生成前馈FF和反馈FB输出， 其特征在于，对于两个度量空间X＝x,μx和Y＝y,μy，其中x为维度大于或等于第二空间y的维度的第一空间，μx是第一空间x上的第一度量，μy是第二空间y上的第二度量，所述压缩是通过将形成于属于所述第一空间x的所述环境数据的第一n个点的组P和属于所述第二空间y的所述压缩数据的第二n个点的组Q之间的点对进行双向映射来实现的，第二n个点的组Q中的每个点与第一点组P通过以下等式配对： 其中μxP是P中的点之间的第一对称距离矩阵，μyt是Q中的点之间的第二对称距离矩阵，且d.,.是方阵空间上的对称距离函数，而A1和A2是具有以下性质的任意两个函数： -A:R+→[0,1], -A0＝1, -limx→∞Az＝0, -Az1Az2当且仅当z1z2， 所述方法还包括：通过求解以下等式来将属于所述第一空间x的新的点m压缩到所述第二空间y上： 以及通过求解以下等式将属于所述第二空间y的新的点t解压缩在所述第一空间x上： 其中μxP,m和μyQ,t是BiMap的点与对应的相应空间中的新的点之间的距离矢量，BiMap是由等式2和等式3表示的第一空间x中的点与第二空间y中的点之间的对应关系，通过求解等式1从点P计算Q点； 其中，所述系统包括具有记忆系统的架构，所述架构被配置为与工具和操作员的动态行为进行交互； 其中，所述架构的记忆体是人工记忆体，所述架构是具有用于抽象、泛化和学习的结构和机制的第一神经网络，所述第一神经网络的实现品定义了包括人工分层记忆系统的架构，所述人工分层记忆系统包括：接收端口，其被配置为接收由传感器产生的环境数据；一个或多个第一节点，其被配置为学习和识别从所述接收端口接收到的频繁出现的输入属性和序列，所述一个或多个第一节点形成第二神经网络，所述第二神经网络包括作为组件的神经元和连接图中两个或多个所述神经元的边缘；以及输出端口，其被配置为输出由所述架构构建的并且与所述行为相关联的环境数据，由此所述一个或多个第一节点中的每一个或者本质上全部第一节点适用于时间序列分析，并且包括拓扑图或时间图中连接的组件。

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丰田汽车欧洲股份有限公司;卡姆林意大利公司，其通讯地址为：比利时布鲁塞尔；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”。

以上内容由龙图腾AI智能生成。