結(jié)構(gòu)。
[0025] 所述模型計(jì)算單元3具有一定數(shù)量的運(yùn)算核心，例如在圖1所示的實(shí)施例中的第 一運(yùn)算核心31和第二運(yùn)算核心32,第一運(yùn)算核心31和第二運(yùn)算核心32純粹以硬件分別執(zhí) 行預(yù)先給出的算法的計(jì)算。所述模型計(jì)算單元3還可以包括局部的SRAM存儲(chǔ)器33用于存 儲(chǔ)配置數(shù)據(jù)。所述模型計(jì)算單元3同樣可以包括局部的DMA單元34 (DMA = Direct Memory Access (直接存儲(chǔ)器訪問））。借助于局部的DM單元34可以訪問控制組件1的集成的資 源，尤其內(nèi)部存儲(chǔ)器5。
[0026] 所述控制組件1可以包括內(nèi)部存儲(chǔ)器5以及其它DMA單元6 (DMA = Direct Memory Access (直接存儲(chǔ)器訪問））。內(nèi)部存儲(chǔ)器5以及其它DM單元6以合適的方式、例如經(jīng)由 內(nèi)部的通信連接4相互處于連接之中。內(nèi)部存儲(chǔ)器5可以包括（對(duì)于主運(yùn)算單元2、模型計(jì) 算單元3以及必要時(shí)其它單元來說）共同的SRAM存儲(chǔ)器以及用于配置數(shù)據(jù)（參數(shù)以及控 制點(diǎn)數(shù)據(jù)）的閃存（Flash-Speicher)。
[0027] 基于貝葉斯回歸方法使用非參數(shù)的基于數(shù)據(jù)的函數(shù)模型。貝葉斯回歸的基礎(chǔ)例如 在 C. E. Rasmussen 等人的"Gaussian Processes for Machine learning"MIT 出版社 2006 年進(jìn)行描述。貝葉斯回歸是基于數(shù)據(jù)的方法，該方法基于模型。為了建立模型，需要訓(xùn)練數(shù) 據(jù)的測(cè)量點(diǎn)以及有待建模的輸出參量所屬的輸出數(shù)據(jù)。模型的建立借助于使用完全或者部 分地相應(yīng)于訓(xùn)練數(shù)據(jù)或者從訓(xùn)練數(shù)據(jù)中產(chǎn)生的控制點(diǎn)數(shù)據(jù)來實(shí)現(xiàn)。此外確定抽象的超參 數(shù)，所述超參數(shù)使得模型函數(shù)的空間參數(shù)化并且有效地將訓(xùn)練數(shù)據(jù)的各個(gè)測(cè)量點(diǎn)的影響加 權(quán)到稍后的模型預(yù)測(cè)（Modellvohersage)上。
[0028] 抽象的超參數(shù)通過優(yōu)化方法確定。用于這種優(yōu)化方法的方案在于臨界似然 P (YI H，X)的優(yōu)化。該臨界似然p (YI H，X)描述了訓(xùn)練數(shù)據(jù)的所測(cè)量的y值的可信性，作為矢 量Y示出，給出了模型參數(shù)H以及訓(xùn)練數(shù)據(jù)的X值。在模型訓(xùn)練中使p(Y|H，X)最大化，其 方式是尋找合適的超參數(shù)，該超參數(shù)產(chǎn)生了由超參數(shù)和訓(xùn)練數(shù)據(jù)確定的模型函數(shù)的曲線并 且盡可能精確地反映訓(xùn)練數(shù)據(jù)。為了簡(jiǎn)化計(jì)算，使得P(Y|H，X)的對(duì)數(shù)最大化，因?yàn)閷?duì)數(shù)不 改變可信性函數(shù)的連續(xù)性。
[0029] 高斯過程模型的計(jì)算相應(yīng)地實(shí)現(xiàn)了在圖2中示意性示出的步驟。首先可以使用于 測(cè)試點(diǎn)X (輸入?yún)⒘渴噶浚┑妮斎胫礮>示準(zhǔn)化，更確切地說根據(jù)以下公式進(jìn)行標(biāo)準(zhǔn)化：
[0031] 在此，mx相應(yīng)于關(guān)于控制點(diǎn)數(shù)據(jù)的輸入值的平均值的平均值函數(shù)，s x相應(yīng)于控制
【主權(quán)項(xiàng)】
1. 用于計(jì)算基于數(shù)據(jù)的函數(shù)模型的梯度、尤其是高斯過程模型的梯度的方法，所述函 數(shù)模型尤其具有一個(gè)或多個(gè)累積的基于數(shù)據(jù)的子函數(shù)模型，其中設(shè)置模型計(jì)算單元（3)，所 述模型計(jì)算單元構(gòu)造用于在兩個(gè)循環(huán)操作中基于硬件地計(jì)算具有指數(shù)函數(shù)、和函數(shù)以及乘 法函數(shù)的基于數(shù)據(jù)的函數(shù)模型的函數(shù)值，其中使用模型計(jì)算單元（3)用于為預(yù)先給出的輸 入?yún)⒘康乃Ｍ闹涤?jì)算基于數(shù)據(jù)的函數(shù)模型的梯度。
2. 根據(jù)權(quán)利要求1所述的方法，其中通過控制點(diǎn)數(shù)據(jù)、超參數(shù)以及帶有一定數(shù)量的元 素的參數(shù)矢量定義了基于數(shù)據(jù)的函數(shù)模型的基于數(shù)據(jù)的子函數(shù)模型中的每一個(gè)，所述元素 的數(shù)量相應(yīng)于所涉及的基于數(shù)據(jù)的子函數(shù)模型的控制點(diǎn)數(shù)據(jù)點(diǎn)的數(shù)量，其中為了計(jì)算基于 數(shù)據(jù)的函數(shù)模型的梯度而修改基于數(shù)據(jù)的函數(shù)模型，其方式是用取決于控制點(diǎn)數(shù)據(jù)點(diǎn)的權(quán) 重矢量加載參數(shù)矢量。
3. 根據(jù)權(quán)利要求2所述的方法，其中，基于數(shù)據(jù)的函數(shù)模型的梯度作為用于預(yù)先給出 的輸入?yún)⒘康乃Ｍ闹档男薷牡幕跀?shù)據(jù)的函數(shù)模型的函數(shù)值在模型計(jì)算單元（3)中進(jìn) 行計(jì)算并且加上偏移值。
4. 根據(jù)權(quán)利要求2到3中任一項(xiàng)所述的方法，其中，使控制點(diǎn)數(shù)據(jù)點(diǎn)標(biāo)準(zhǔn)化并且將修改 的基于數(shù)據(jù)的函數(shù)模型的函數(shù)值與偏移值的和與基于關(guān)于輸出數(shù)據(jù)的控制點(diǎn)數(shù)據(jù)的標(biāo)準(zhǔn) 偏差的因子相乘，從而得到基于數(shù)據(jù)的函數(shù)模型的梯度。
5. 根據(jù)權(quán)利要求2到4中任一項(xiàng)所述的方法，其中，在修改的基于數(shù)據(jù)的函數(shù)模型的計(jì) 算期間重復(fù)地用取決于控制點(diǎn)數(shù)據(jù)點(diǎn)的權(quán)重矢量加載參數(shù)矢量。
6. 根據(jù)權(quán)利要求1所述的方法，其中通過控制點(diǎn)數(shù)據(jù)、超參數(shù)以及參數(shù)矢量定義基于 數(shù)據(jù)的函數(shù)模型的基于數(shù)據(jù)的子函數(shù)模型中的每一個(gè)，其中參數(shù)矢量包含一定數(shù)量的元 素，所述元素的數(shù)量相應(yīng)于控制點(diǎn)數(shù)據(jù)點(diǎn)的數(shù)量，其中為了關(guān)于預(yù)先給出的輸入?yún)⒘坑?jì)算 基于數(shù)據(jù)的函數(shù)模型的梯度而修改基于數(shù)據(jù)的函數(shù)模型，其方式是針對(duì)預(yù)先給出的輸入?yún)?量的所希望的值在模型計(jì)算單元（3)中計(jì)算基于數(shù)據(jù)的函數(shù)模型的函數(shù)值，將結(jié)果與預(yù)先 給出的輸入?yún)⒘康乃Ｍ闹迪喑?，并且隨后在模型計(jì)算單元（3)中以變化的參數(shù)矢量重 新對(duì)基于數(shù)據(jù)的函數(shù)模型實(shí)施計(jì)算。
7. 用于在控制組件（1)中實(shí)施用于基于數(shù)據(jù)的函數(shù)模型的牛頓迭代法的方法，所述控 制組件具有主運(yùn)算單元（2 )和模型計(jì)算單元（3 )，其中模型計(jì)算單元（3 )構(gòu)造用于在兩個(gè)循 環(huán)操作中基于硬件地計(jì)算具有指數(shù)函數(shù)、和函數(shù)以及乘法函數(shù)的基于數(shù)據(jù)的函數(shù)模型的函 數(shù)值，其中按根據(jù)權(quán)利要求1到6中任一項(xiàng)所述的方法求得基于數(shù)據(jù)的函數(shù)模型的梯度并 且借助于模型計(jì)算單元（3)計(jì)算基于數(shù)據(jù)的函數(shù)模型。
8. 裝置，尤其控制組件（1 )，具有主運(yùn)算單元（2)和模型計(jì)算單元（3)，其中模型計(jì)算單 元（3)構(gòu)造用于在兩個(gè)循環(huán)操作中基于硬件地計(jì)算具有指數(shù)函數(shù)、和函數(shù)以及乘法函數(shù)的 基于數(shù)據(jù)的函數(shù)模型的函數(shù)值，其中所述裝置構(gòu)造用于實(shí)施根據(jù)權(quán)利要求1到7中任一項(xiàng) 所述的方法。
9. 計(jì)算機(jī)程序，所述計(jì)算機(jī)程序安排用于實(shí)施根據(jù)權(quán)利要求1到7中任一項(xiàng)所述方法 的所有步驟。
10. 電子存儲(chǔ)介質(zhì)，在所述電子存儲(chǔ)介質(zhì)上存儲(chǔ)了根據(jù)權(quán)利要求9所述的計(jì)算機(jī)程序。
11. 電子控制單元，所述電子控制單元具有根據(jù)權(quán)利要求10所述的電子存儲(chǔ)介質(zhì)。
【專利摘要】本發(fā)明涉及一種用于計(jì)算基于數(shù)據(jù)的函數(shù)模型的梯度、尤其是高斯過程模型的梯度的方法，所述函數(shù)模型尤其具有一個(gè)或多個(gè)累積的基于數(shù)據(jù)的子函數(shù)模型，其中設(shè)置模型計(jì)算單元（3），所述模型計(jì)算單元構(gòu)造用于在兩個(gè)循環(huán)操作中基于硬件地計(jì)算具有指數(shù)函數(shù)、和函數(shù)以及乘法函數(shù)的基于數(shù)據(jù)的函數(shù)模型的函數(shù)值，其中使用模型計(jì)算單元（3）用于為預(yù)先給出的輸入測(cè)量的所希望的值計(jì)算基于數(shù)據(jù)的函數(shù)模型的梯度。
【IPC分類】G06F17-15
【公開號(hào)】CN104699658
【申請(qǐng)?zhí)枴緾N201410721221
【發(fā)明人】漢澤爾曼 M., M. 克勒 J., 馬克特 H.
【申請(qǐng)人】羅伯特·博世有限公司
【公開日】2015年6月10日
【申請(qǐng)日】2014年12月2日
【公告號(hào)】DE102013224694A1, US20150154329