Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019067957) ALGORITHM-SPECIFIC NEURAL NETWORK ARCHITECTURES FOR AUTOMATIC MACHINE LEARNING MODEL SELECTION
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/067957 International Application No.: PCT/US2018/053515
Publication Date: 04.04.2019 International Filing Date: 28.09.2018
IPC:
G06N 20/20 (2019.01)
[IPC code unknown for G06N 20/20]
Applicants:
ORACLE INTERNATIONAL CORPORATION [US/US]; 500 Oracle Parkway, Mail Stop 50P7 Redwood Shores, California 94065, US
Inventors:
AGRAWAL, Sandeep; US
IDICULA, Sam; US
VARADARAJAN, Venkatanathan; US
AGARWAL, Nipun; US
Agent:
MILLER, Brian; US
BINGHAM, Marcel K.; US
HICKMAN, Brian D.; US
MEIKLE, Tammy L.; US
LEDESMA, Daniel D.; US
PAPANYAN, Khachatur V.; US
STONE, Adam C.; US
PALERMO, Christopher J.; US
BECKER, Edward A.; US
KULCZYCKA, Malgorzata A.; US
MCGUIRE, John; US
GELBLUM, Michael; US
KANZAKI, Kim; US
BAGGALEY, Nicholas; US
CHENG, Charles; US
HUTCHINS, Eric; US
KOCIALSKI, Molly; US
NICHOLES, Chris; US
SUTTON, Eric; US
WEBER, Rick; US
LIU, Agatha; US
ORICH, Christine E.; US
MADRAK, Jeffrey R.; US
MEEHAN, Michael J.; US
WAN, Tiffany; US
KARLIN, Elliot H.; US
JANG, RaeEun; US
SALGADO, Daniel; US
YANG, Cato; US
FLINDERS, Matthew; US
Priority Data:
15/884,16330.01.2018US
62/565,00428.09.2017US
Title (EN) ALGORITHM-SPECIFIC NEURAL NETWORK ARCHITECTURES FOR AUTOMATIC MACHINE LEARNING MODEL SELECTION
(FR) ARCHITECTURES DE RÉSEAU NEURONAL SPÉCIFIQUE À UN ALGORITHME DESTINÉES À UNE SÉLECTION DE MODÈLE D'APPRENTISSAGE MACHINE AUTOMATIQUE
Abstract:
(EN) Techniques are provided for selection of machine learning algorithms based on performance predictions by trained algorithm-specific regressors. In an embodiment, a computer derives meta-feature values from an inference dataset by, for each meta-feature, deriving a respective meta-feature value from the inference dataset. For each trainable algorithm and each regression meta-model that is respectively associated with the algorithm, a respective score is calculated by invoking the meta-model based on at least one of: a respective subset of meta-feature values, and/or hyperparameter values of a respective subset of hyperparameters of the algorithm. The algorithm(s) are selected based on the respective scores. Based on the inference dataset, the selected algorithm(s) may be invoked to obtain a result. In an embodiment, the trained regressors are distinctly configured artificial neural networks. In an embodiment, the trained regressors are contained within algorithm-specific ensembles. Techniques are also provided for optimal training of regressors and/or ensembles.
(FR) La présente invention concerne des techniques de sélection d'algorithmes d'apprentissage machine basées sur des prédictions de performance au moyen de régresseurs spécifiques à un algorithme appris. Dans un mode de réalisation, un ordinateur déduit des valeurs de méta-caractéristiques à partir d'un ensemble de données d'inférence par dérivation, pour chaque méta-caractéristique, d'une valeur de méta-caractéristique respective à partir de l'ensemble de données d'inférence. Pour chaque algorithme d'apprentissage et chaque méta-modèle de régression qui est respectivement associé à l'algorithme, un score respectif est calculé par invocation du méta-modèle basé sur au moins l'un parmi : un sous-ensemble respectif de valeurs de méta-caractéristiques, et/ou des valeurs d'hyperparamètre d'un sous-ensemble respectif d'hyperparamètres de l'algorithme. L'algorithme(s) est sélectionné sur la base des scores respectifs. Sur la base de l'ensemble de données d'inférence, l'algorithme(s) sélectionné peut être invoqué pour obtenir un résultat. Dans un mode de réalisation, les régresseurs entraînés sont des réseaux neuronaux artificiels configurés distinctement. Dans un mode de réalisation, les régresseurs entraînés sont contenus dans des ensembles spécifiques aux algorithmes. L'invention concerne également des techniques d'entraînement optimal des régresseurs et/ou des ensembles.
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)