Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 27.07.2021 at 12:00 PM CEST
Settings

Settings

Goto Application

1. WO2020133952 - ASYNCHRONOUS BAYESIAN OPTIMIZATION-BASED MACHINE LEARNING SUPER-PARAMETER OPTIMIZATION SYSTEM AND METHOD

Publication Number WO/2020/133952
Publication Date 02.07.2020
International Application No. PCT/CN2019/091485
International Filing Date 17.06.2019
IPC
G06N 20/00 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
CPC
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
Applicants
  • 中国科学院软件研究所 INSTITUTE OF SOFTWARE, CHINESE ACADEMY OF SCIENCES [CN]/[CN]
Inventors
  • 刘杰 LIU, Jie
  • 王建飞 WANG, Jianfei
  • 杨诏 YANG, Zhao
  • 叶丹 YE, Dan
  • 钟华 ZHONG, Hua
Agents
  • 北京君尚知识产权代理事务所(普通合伙) BEIJING JOYSHINE INTELLECTUAL PROPERTY OFFICE
Priority Data
201811588608.525.12.2018CN
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) ASYNCHRONOUS BAYESIAN OPTIMIZATION-BASED MACHINE LEARNING SUPER-PARAMETER OPTIMIZATION SYSTEM AND METHOD
(FR) SYSTÈME ET PROCÉDÉ D'OPTIMISATION DE SUPER-PARAMÈTRE D'APPRENTISSAGE AUTOMATIQUE BASÉE SUR UNE OPTIMISATION BAYÉSIENNE ASYNCHRONE
(ZH) 一种基于异步贝叶斯优化的机器学习超参优化系统及方法
Abstract
(EN)
The present invention relates to an asynchronous Bayesian optimization-based machine learning super-parameter optimization system and method. The system comprises: a Bayesian optimization module, a model parameter pool model, a Kmeans clustering module, a task scheduling module, and an adaptive determining model parallelism module. The present invention efficiently performs automatic parameter adjustment on machine learning in a big data environment, effectively uses multi-host parallel computing capability, and efficiently performs automatic parameter adjustment for big data machine learning, so that people can better use big data machine learning in production practice.
(FR)
La présente invention concerne un système et un procédé d'optimisation de super-paramètre d'apprentissage automatique basée sur une optimisation bayésienne asynchrone. Le système comprend : un module d'optimisation bayésienne, un modèle de groupe de paramètres de modèle, un module de segmentation par k-moyennes, un module de planification de tâches et un module de parallélisme de modèle à détermination adaptative. La présente invention réalise efficacement un ajustement automatique de paramètre d'apprentissage automatique dans un environnement de mégadonnées, utilise efficacement une capacité de calcul parallèle multi-hôte, et réalise efficacement un ajustement automatique de paramètre pour un apprentissage automatique de mégadonnées, de telle sorte que des personnes puissent mieux utiliser l'apprentissage automatique de mégadonnées dans la pratique de la production.
(ZH)
本发明涉及一种基于异步贝叶斯优化的机器学习超参优化系统及方法,包括:贝叶斯优化模块、模型参数池模型、Kmeans聚类模块、任务调度模块、自适应确定模型并行度模块;本发明对大数据环境下的机器学习高效的进行自动化调参,有效利用多机并行计算能力,高效的进行大数据机器学习自动化调参,从而使得人们在生产实践中可以更好地使用大数据机器学习。
Also published as
Latest bibliographic data on file with the International Bureau