Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020108748 - SYSTEM AND METHOD FOR DISCOVERING OPTIMISED COMBINATIONS OF CALCULATION FUNCTIONS

Publication Number WO/2020/108748
Publication Date 04.06.2020
International Application No. PCT/EP2018/082849
International Filing Date 28.11.2018
Chapter 2 Demand Filed 09.10.2019
IPC
G06N 3/00 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
G06N 3/08 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06N 20/00 2019.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
G06N 3/04 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architecture, e.g. interconnection topology
G06N 5/04 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5Computer systems using knowledge-based models
04Inference methods or devices
CPC
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
G06N 3/006
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
004Artificial life, i.e. computers simulating life
006based on simulated virtual individual or collective life forms, e.g. single "avatar", social simulations, virtual worlds or particle swarm optimisation
G06N 3/04
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06N 5/046
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5Computer systems using knowledge-based models
04Inference methods or devices
046Forward inferencing; Production systems
Applicants
  • SIEMENS AKTIENGESELLSCHAFT [DE]/[DE]
  • FRIEDRICH-ALEXANDER-UNIVERSITÄT ERLANGEN-NÜRNBERG [DE]/[DE]
Inventors
  • KLOS, Hans-Henning
  • TOLKSDORF, Schirin
  • BAKAKEU NGASSAM, Romuald Jupiter
  • PESCHKE, Jörn
Common Representative
  • SIEMENS AKTIENGESELLSCHAFT
Priority Data
Publication Language German (DE)
Filing Language German (DE)
Designated States
Title
(DE) SYSTEM UND VERFAHREN ZUM AUFFINDEN VON OPTIMIERTEN KOMBINATIONEN VON BERECHNUNGSFUNKTIONEN
(EN) SYSTEM AND METHOD FOR DISCOVERING OPTIMISED COMBINATIONS OF CALCULATION FUNCTIONS
(FR) SYSTÈME ET PROCÉDÉ POUR LA DÉCOUVERTE DE COMBINAISONS OPTIMISÉES DE FONCTIONS DE CALCUL
Abstract
(DE)
Die Erfindung betrifft ein System (100) zum Auffinden einer oder mehrerer optimierter Kombination(en) von Berechnungsfunktionen (f1, f2,..., fN) zur Berechnung von Merkmalen (m1, m2,..., mN) einer Entität, umfassend einen Lernverstärkungs-Agenten (200), der dazu ausgebildet ist, eine oder mehrere Kombination von Berechnungsfunktionen (f1, f2,..., fN) auszuwählen, welche an ein Datenvorverarbeitungsmodul (300) weitergegeben werden, wobei das Datenvorverarbeitungsmodul (300) ausgebildet ist, aus den Daten eines Trainingsdatensatzes (320) mittels der ausgewählten Berechnungsfunktionen (f1, f2,..., fN) die Merkmale (m1, m2,..., mN) zu berechnen und die Merkmale (m1, m2,..., mN) an ein Maschinenlernmodul (400) weiterzugeben, welches dazu ausgebildet ist, die Merkmale (m1, m2,..., mN) zu analysieren und/oder zu trainieren und das Lernergebnis an ein Bewertungsmodul (440) weiterzugeben, das ausgebildet ist, eine Bewertung für das Lernergebnis zu erstellen und diese Bewertung an den Lernverstärkungs-Agenten (200) weiterzugeben, der ausgebildet ist auf Basis dieser Bewertung des Lernergebnisses erneut eine oder mehrere Kombination(en) von Berechnungsfunktionen (f1, f2,..., fN) auszuwählen.
(EN)
The invention relates to a system (100) for discovering one or more optimised combination(s) of calculation functions (f1, f2,..., fN) for calculating features (m1, m2,..., mN) of an entity, comprising a learning reinforcement agent (200) which is designed to choose one or more combinations of calculation functions (f1, f2,..., fN) which are forwarded to a data preprocessing module (300), the data preprocessing module (300) being designed to calculate the features (m1, m2,..., mN) from the data of a training data set (320) by means of the selected calculation functions (f1, f2,..., fN) and to forward the features (m1, m2,..., mN) to a machine learning module (400) which is designed to analyse and/or to train the features (m1, m2,..., mN) and to forward the learning result to an evaluation module (440) which is designed to create an evaluation for the learning result and to forward said evaluation to the learning reinforcement agent (200) which is designed to again choose one or more combination(s) of calculation functions (f1, f2,..., fN) on the basis of said evaluation of the learning result.
(FR)
L’invention concerne un système (100) pour la découverte d’une ou plusieurs combinaisons optimisées de fonctions de calcul (f1, f2,..., fN) pour le calcul de caractéristiques (m1, m2,..., mN) d’une entité, comprenant un agent de renforcement d’apprentissage (200), qui est conçu pour sélectionner une ou plusieurs combinaisons de fonctions de calcul (f1, f2,..., fN), lesquelles sont transmises à un module de traitement de données (300), le module de traitement de données (300) étant conçu pour calculer les caractéristiques (m1, m2,..., mN) à partir des données d’un ensemble de données d’entraînement (320) au moyen des fonctions de calcul (f1, f2,..., fN) sélectionnées et pour transmettre les caractéristiques (m1, m2,..., mN) à un module d’apprentissage machine (400), lequel est conçu pour analyser et/ou entraîner les caractéristiques (m1, m2,..., mN) et pour transmettre le résultat d’apprentissage à un module d'évaluation (440), lequel est conçu pour créer une évaluation pour le résultat d’apprentissage et pour transmettre cette évaluation à l’agent de renforcement d’apprentissage (200), lequel est conçu pour sélectionner de nouveau, sur la base de cette évaluation du résultat d’apprentissage, une ou plusieurs combinaisons de fonctions de calcul (f1, f2,..., fN).
Latest bibliographic data on file with the International Bureau