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. (WO2017143921) PROCÉDÉ ET DISPOSITIF D'APPRENTISSAGE DE MODÈLE D'ÉCHANTILLONNAGE MULTIPLE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication :    WO/2017/143921    N° de la demande internationale :    PCT/CN2017/073446
Date de publication : 31.08.2017 Date de dépôt international : 14.02.2017
CIB :
G06F 17/30 (2006.01)
Déposants : ALIBABA GROUP HOLDING LIMITED [--/CN]; Fourth Floor, One Capital Place, P.O. Box 847, George Town, Grand Cayman (KY)
Inventeurs : ZHANG, Ke; (CN).
CHU, Wei; (CN).
SHI, Xing; (CN).
XIE, Shukun; (CN).
XIE, Feng; (CN)
Mandataire : BEIJING SANYOU INTELLECTUAL PROPERTY AGENCY LTD.; 16th Fl.,Block A,Corporate Square,No.35 Jinrong Street Beijing 100033 (CN)
Données relatives à la priorité :
201610110893.4 26.02.2016 CN
Titre (EN) MULTI-SAMPLING MODEL TRAINING METHOD AND DEVICE
(FR) PROCÉDÉ ET DISPOSITIF D'APPRENTISSAGE DE MODÈLE D'ÉCHANTILLONNAGE MULTIPLE
(ZH) 一种多重抽样模型训练方法及装置
Abrégé : front page image
(EN)A multi-sampling model training method and device. The training method comprises: performing multiple sampling operations on an entire sample collection to obtain a training set and a verification set from each sampling operation (S1); grouping the training set and the verification set of each sampling operation as one group, and utilizing the training set therein to train a model (S2); assessing, by employing the model obtained from the training, the training set and the verification set separately, and performing, according to the assessment results of the training set and the verification set and a predetermined elimination rule, elimination on the model obtained from the training (S3); and employing the remaining models to perform prediction on the entire sample collection, and performing, by employing results obtained from the prediction, integrated model training on the remaining models to obtain an ultimate model (S4). The training device comprises a sampling module, a first training module, an assessment module, and a second training module. A model obtained from the method and device has superior robustness and stability and provides accurate prediction, thus greatly increasing the efficiency of building a model.
(FR)L’invention concerne un procédé et un dispositif d'apprentissage de modèle d'échantillonnage multiple. Le procédé d'apprentissage consiste : à réaliser multiples opérations d'échantillonnage sur la totalité d'une collection d'échantillonnages, pour obtenir un ensemble d'apprentissage et un ensemble de vérification à partir de chaque opération d'échantillonnage (S1) ; à regrouper l'ensemble d'apprentissage et l'ensemble de vérification de chaque opération d'échantillonnage en un seul groupe, et utiliser l'ensemble d'apprentissage compris pour apprendre à un modèle (S2) ; à évaluer, par l'utilisation d'un modèle obtenu à partir de l'apprentissage, l'ensemble d'apprentissage et l'ensemble de vérification séparément, et à réaliser, selon les résultats d'évaluation de l'ensemble d'apprentissage, de l'ensemble de vérification et d'une règle d'élimination, l'élimination du modèle obtenu par l'apprentissage (S3) ; et à utiliser les modèles restants pour réaliser une prédiction sur la totalité de la collection d'échantillons, et réaliser, par utilisation des résultats obtenus à partir de la prédiction, un apprentissage de modèle intégré sur les modèles restants pour obtenir un modèle ultime (S4). Le dispositif d'apprentissage comprend un module d'échantillonnage, un premier module d'apprentissage, un module d'évaluation, et un second module d'apprentissage. Un modèle obtenu à partir du procédé et du dispositif présente une robustesse et une stabilité supérieures et fournit une prédiction précise, ce qui augmente considérablement l'efficacité de construction d'un modèle.
(ZH)一种多重抽样模型训练方法及装置,该训练方法先对全体样本进行多重抽样,得到每次抽样的训练集和验证集(S1);然后以每次抽样得到的训练集和验证集为一组,采用其中的训练集进行模型训练(S2);并采用训练得到的模型分别评估训练集和验证集,根据训练集和验证集的评估结果,以及设定的淘汰准则淘汰训练得到的模型(S3);最后采用保留下的模型,对全体样本进行预测,并采用预测得到的结果对保留下的模型进行组合模型训练,得到最终的模型(S4)。该训练装置包括抽样模块、第一训练模块、评估模块和第二训练模块。该方法及装置所得到的模型将具有更强的鲁棒性与稳定性,预测精度更加准确,大大提高建模效率。
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, DJ, 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, 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.
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 : chinois (ZH)
Langue de dépôt : chinois (ZH)