(EN) This disclosure enables various computing technologies for preserving signals for artificial neural networks when downsampling. These data science techniques can address various technological concerns and can be helpful for dealing with time series or non-fixed-length time spans or other forms of discretized, parsed, or tokenized data. Some of the data science techniques can enable a process that is technologically beneficial to a user dealing with temporal data sequences that contain multiple event types with differing frequencies. Some of the data science techniques can enable a speed improvement in terms of training an ANN or an accuracy improvement in terms of training an ANN. Some of the data science techniques can enable a technique that implements a series of pooling operations, including learnable pools, to preserve event presence after downsampling.
(FR) Cette divulgation concerne diverses technologies informatiques permettant de conserver des signaux pour des réseaux neuronaux artificiels lors d'un sous-échantillonnage. Ces techniques de sciences de données peuvent répondre à diverses préoccupations technologiques et peuvent être utiles pour traiter de séries chronologiques ou d'intervalles temporels de longueur non fixe ou d'autres formes de données rendues séparées, analysées ou tokénisées. Certaines des techniques de sciences des données peuvent permettre un processus qui est technologiquement bénéfique pour un utilisateur traitant des séquences de données temporelles qui contiennent de multiples types d'événements ayant des fréquences différentes. Certaines des techniques de sciences des données peuvent permettre une amélioration de la vitesse en termes de formation d'un ANN ou une amélioration de la précision en termes de formation d'un ANN. Certaines des techniques de sciences des données peuvent permettre une technique qui met en œuvre une série d'opérations de regroupement, comprenant des groupes d'apprentissage, pour préserver la présence d'un événement après un sous-échantillonnage.
