WIPO logo
Mobile | Deutsch | English | Español | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Recherche dans les collections de brevets nationales et internationales
World Intellectual Property Organization
Recherche
 
Options de navigation
 
Traduction
 
Options
 
Quoi de neuf
 
Connexion
 
Aide
 
Traduction automatique
1. (WO2016145516) SYSTÈME ET PROCÉDÉ D'APPRENTISSAGE DE RÉSEAUX NEURONAUX
Dernières données bibliographiques dont dispose le Bureau international   

N° de publication :    WO/2016/145516    N° de la demande internationale :    PCT/CA2016/050273
Date de publication : 22.09.2016 Date de dépôt international : 11.03.2016
CIB :
G06N 3/08 (2006.01)
Déposants : DEEP GENOMICS INCORPORATED [CA/CA]; 101 College Street Suite 320 Toronto, Ontario M5G 1L7 (CA)
Inventeurs : XIONG, Hui Yuan; (CA).
DELONG, Andrew; (CA).
FREY, Brendan; (CA)
Mandataire : BHOLE IP LAW; 15 Toronto Street Suite 401 Toronto, Ontario M5C 2E3 (CA)
Données relatives à la priorité :
62/133,000 13.03.2015 US
Titre (EN) SYSTEM AND METHOD FOR TRAINING NEURAL NETWORKS
(FR) SYSTÈME ET PROCÉDÉ D'APPRENTISSAGE DE RÉSEAUX NEURONAUX
Abrégé : front page image
(EN)Systems and methods for training a neural network or an ensemble of neural networks are described. A hyper-parameter that controls the variance of the ensemble predictors is used to address overfitting. For larger values of the hyper-parameter, the predictions from the ensemble have more variance, so there is less overfitting. This technique can be applied to ensemble learning with various cost functions, structures and parameter sharing. A cost function is provided and a set of techniques for learning are described.
(FR)La présente invention concerne des systèmes et des procédés d'apprentissage d'un réseau neuronal ou d'un ensemble de réseaux neuronaux. Un hyper-paramètre qui commande la variance de l'ensemble des prédicteurs est utilisé pour un surapprentissage d'adresse. Pour des valeurs plus grandes de l'hyper-paramètre, les prédictions à partir de l'ensemble ont plus d'écart, de sorte qu'il y a moins de surapprentissage. Cette technique peut être appliquée à un apprentissage d'ensemble avec diverses fonctions de coût, de structures et de paramètres partagés. Une fonction de coût est prévue et un ensemble de techniques pour l'apprentissage sont décrits.
États désignés : 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, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KR, 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.
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB) (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)