WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2000058908) AN IMPROVED METHOD AND SYSTEM FOR TRAINING AN ARTIFICIAL NEURAL NETWORK
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2000/058908    International Application No.:    PCT/US2000/008026
Publication Date: 05.10.2000 International Filing Date: 24.03.2000
IPC:
G06F 17/30 (2006.01), G06N 3/08 (2006.01)
Applicants: DRYKEN TECHNOLOGIES, INC. [US/US]; 5731 Lyons View Drive, Suite 95, Knoxville, TN 37919 (US)
Inventors: BLACK, Christopher, Lee; (US)
Agent: ROURK, Christopher, J.; Akin, Gump, Strauss, Hauer & Feld, LLP, 1700 Pacific Avenue, Suite 4100, Dallas, TX 75201-4675 (US)
Priority Data:
09/282,392 31.03.1999 US
Title (EN) AN IMPROVED METHOD AND SYSTEM FOR TRAINING AN ARTIFICIAL NEURAL NETWORK
(FR) PROCEDE ET SYSTEME AMELIORES POUR L'INITIALISATION D'UN RESEAU NEURONAL ARTIFICIEL
Abstract: front page image
(EN)A method and system for training an artificial neural network ('ANN') (10) are disclosed. One embodiment of the method initializes an ANN (10) by assigning values to one or more weights. An adaptive learning rate is set to an initial starting value and training patterns for an input layer (18) and an output layer (22) are stored. The input layer training pattern is processed in the ANN (10) to obtain an output pattern. An error is calculated between the output layer training pattern and the output pattern and used to calculate an error ratio, which is used to adjust the value of the adaptive learning rate. If the error ratio is less than a threshold value, the adaptive learning rate can be multiplied by a step-up factor to increase the learning rate. If the error ratio is greater than the threshold value, the adaptive learning rate can be multiplied by a step-down factor to reduce the learning rate. The value of the weights used to initialize the ANN (10) are adjusted based on the calculated error and the adaptive learning rate. The training method is repeated until the ANN (10) achieves a final trained state.
(FR)L'invention porte sur un procédé et un système permettant d'initialiser un réseau neuronal artificiel (10). Selon une réalisation, ce procédé initialise un réseau neuronal artificiel (10) en affectant des valeurs à un ou plusieurs poids. Une vitesse d'apprentissage adaptative est établie par rapport à une valeur initiale et des configurations d'apprentissage sont stockées pour une couche d'entrée (18) et une couche de sortie (22). La configuration d'apprentissage de la couche d'entrée est traitée dans le réseau neuronal artificiel (10) de façon à obtenir une configuration de sortie. Une erreur est calculée entre la configuration d'apprentissage de la couche de sortie et la configuration de sortie et est utilisée pour calculer un rapport d'erreur qui permet d'ajuster la valeur de la vitesse d'apprentissage adaptative. Si le rapport d'erreur est inférieur à une valeur de seuil, la vitesse d'apprentissage adaptative peut être multipliée par un facteur d'accélération pour augmenter la vitesse d'apprentissage. Si le rapport d'erreur est supérieur à la valeur de seuil, la vitesse d'apprentissage adaptative peut être multipliée par un facteur de décélération pour réduire la vitesse d'apprentissage. La valeur des poids utilisés pour initialiser le réseau neuronal artificiel (10) est ajustée sur la base de l'erreur calculée et de la vitesse d'apprentissage adaptative. Le procédé d'initialisation se poursuit jusqu'à ce que le réseau neuronal artificiel (10) atteigne un état d'apprentissage final.
Designated States: AU, CA, JP.
European Patent Office (AT, BE, CH, CY, DE, DK, ES, FI, FR, GB, GR, IE, IT, LU, MC, NL, PT, SE).
Publication Language: English (EN)
Filing Language: English (EN)