Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019042676) COMPUTATIONAL METHOD FOR FEEDBACK IN A HIERARCHICAL NEURAL NETWORK
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/042676 International Application No.: PCT/EP2018/070509
Publication Date: 07.03.2019 International Filing Date: 27.07.2018
IPC:
G06N 3/04 (2006.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3
Computer systems based on biological models
02
using neural network models
04
Architecture, e.g. interconnection topology
Applicants:
INTERNATIONAL BUSINESS MACHINES CORPORATION [US/US]; New Orchard Road Armonk, New York 10504, US
IBM UNITED KINGDOM LIMITED [GB/GB]; PO Box 41, North Harbour Portsmouth Hampshire PO6 3AU, GB (MG)
Inventors:
SCOTT, John, Campbell; US
OZCAN, Ahmet Serkan; US
Agent:
SHAW, Anita; GB
Priority Data:
15/691,10330.08.2017US
Title (EN) COMPUTATIONAL METHOD FOR FEEDBACK IN A HIERARCHICAL NEURAL NETWORK
(FR) PROCÉDÉ DE CALCUL D’INFORMATIONS RENVOYÉES DANS UN RÉSEAU NEURONAL HIÉRARCHIQUE
Abstract:
(EN) Feedback within hierarchical neural networks such as hierarchical temporal memories is provided. In various embodiments, a plurality of input streams is received at a first region of a hierarchical artificial neural network. The plurality of input streams is pooled in the first region. One or more recurrent features are identified in the pooled input streams in the first region. A temporal pattern is recognized in the one or more recurrent features in the first region. An indication of the temporal pattern is provided to at least a second region of the hierarchical neural network. A response to a further input is modulated based on feedback from the second region and at least one additional region.
(FR) La présente invention concerne des informations renvoyées à l’intérieur de réseaux neuronaux hiérarchiques tels que des mémoires temporelles hiérarchiques. Dans divers modes de réalisation, une pluralité de flux d’entrée sont reçus dans une première région d’un réseau neuronal artificiel hiérarchique. La pluralité des flux d’entrée sont regroupés dans la première région. Une ou plusieurs caractéristiques récurrentes sont identifiées dans les flux d’entrée regroupés dans la première région. Un motif temporel est reconnu dans la ou les caractéristiques récurrentes dans la première région. Une indication du motif temporel est fournie à au moins une seconde région du réseau neuronal hiérarchique. Une réponse à une autre entrée est modulée sur la base d’une rétroaction provenant de la seconde région et d’au moins une région supplémentaire.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)