Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019048390) A MULTI-PARTY COMPUTATION SYSTEM FOR LEARNING A CLASSIFIER
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/048390 International Application No.: PCT/EP2018/073645
Publication Date: 14.03.2019 International Filing Date: 04.09.2018
IPC:
G06N 99/00 (2010.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
99
Subject matter not provided for in other groups of this subclass
Applicants:
KONINKLIJKE PHILIPS N.V. [NL/NL]; High Tech Campus 5 5656 AE Eindhoven, NL
Inventors:
VEENINGEN, Meilof Geert; NL
Agent:
COOPS, Peter; NL
Priority Data:
62/555,32407.09.2017US
62/67834231.05.2018US
Title (EN) A MULTI-PARTY COMPUTATION SYSTEM FOR LEARNING A CLASSIFIER
(FR) SYSTÈME DE CALCUL À PLUSIEURS PARTIES POUR APPRENDRE UN CLASSIFICATEUR
Abstract:
(EN) Some embodiments are directed to a computation system for learning a classifier from a data set and associated classification data. The system comprises multiple data devices and multiple computation devices. The data set and associated classification data is stored across the multiple data devices. Classifier parameters of the classifier are learned iteratively from the data set. The learning comprises computing local error terms for the classifier from the associated classification data and from classifier results obtained from applying the classifier with the current classifier parameters to the local part of the data set, and providing the local error term as a private input to the multiple computation devices for a multi-party computation among the multiple computation devices.
(FR) Selon certains modes de réalisation, l'invention concerne un système de calcul destiné à apprendre un classificateur à partir d'un ensemble de données et de données de classification associées. Le système comprend de multiples dispositifs de données et de multiples dispositifs de calcul. L'ensemble de données et les données de classification associées sont stockés dans les multiples dispositifs de données. Des paramètres de classification du classificateur sont appris de manière itérative à partir de l'ensemble de données. L'apprentissage consiste à calculer des termes d'erreur locale pour le classificateur à partir des données de classification associées et à partir des résultats de classificateur obtenus à partir de l'application du classificateur avec les paramètres de classificateur actuels à la partie locale de l'ensemble de données, et à fournir le terme d'erreur local en tant qu'entrée privée aux multiples dispositifs de calcul en vue d'un calcul à plusieurs parties parmi les multiples dispositifs de calcul.
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)