Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2017214507) RÉSEAU NEURONAL ET PROCÉDÉ D'APPRENTISSAGE DE RÉSEAU NEURONAL
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2017/214507 N° de la demande internationale : PCT/US2017/036758
Date de publication : 14.12.2017 Date de dépôt international : 09.06.2017
CIB :
G06N 3/02 (2006.01) ,G06N 3/04 (2006.01) ,G06N 3/08 (2006.01) ,G06F 17/16 (2006.01) ,G06F 15/18 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
04
Architecture, p.ex. topologie d'interconnexion
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
08
Méthodes d'apprentissage
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17
Equipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
10
Opérations mathématiques complexes
16
Calcul de matrice ou de vecteur
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
15
Calculateurs numériques en général; Équipement de traitement de données en général
18
dans lequel un programme est modifié en fonction de l'expérience acquise par le calculateur lui-même au cours d'un cycle complet; Machines capables de s'instruire
Déposants :
PROGRESS, INC. [US/US]; 2252 Keylon Dr. West Bloomfield, Michigan 48324, US
Inventeurs :
PESCIANSCHI, Dmitri; DE
Mandataire :
ZELIKOV, Alex; US
Données relatives à la priorité :
15/178,13709.06.2016US
15/449,61403.03.2017US
Titre (EN) NEURAL NETWORK AND METHOD OF NEURAL NETWORK TRAINING
(FR) RÉSEAU NEURONAL ET PROCÉDÉ D'APPRENTISSAGE DE RÉSEAU NEURONAL
Abrégé :
(EN) A neural network includes inputs for receiving input signals, and synapses connected to the inputs and having corrective weights organized in an array. Training images are either received by the inputs as an array or codified as such during training of the network. The network also includes neurons, each having an output connected with at least one input via one synapse and generating a neuron sum array by summing corrective weights selected from each synapse connected to the respective neuron. Furthermore, the network includes a controller that receives desired images in an array, determines a deviation of the neuron sum array from the desired output value array, and generates a deviation array. The controller modifies the corrective weight array using the deviation array. Adding up the modified corrective weights to determine the neuron sum array reduces the subject deviation and generates a trained corrective weight array for concurrent network training.
(FR) La présente invention concerne un réseau neuronal qui comprend des entrées permettant de recevoir des signaux d'entrée, et des synapses qui sont connectées aux entrées et présentent des pondérations de correction organisées dans un réseau. Les images d'apprentissage sont soit reçues par les entrées en tant que réseau, soit codifiées en tant que telles pendant l'apprentissage du réseau. Le réseau comprend également des neurones, dont chacun a une sortie connectée à au moins une entrée par l'intermédiaire d'une synapse et génère un réseau de sommes de neurones par addition des pondérations de correction choisies parmi chaque synapse connectée au neurone respectif. En outre, le réseau comprend un dispositif de commande qui reçoit des images souhaitées dans un réseau, détermine une déviation du réseau de sommes de neurones à partir du réseau de valeurs de sortie désiré, et génère un réseau de déviation. Le dispositif de commande modifie le réseau de pondérations de correction au moyen du réseau de déviation. L'addition des pondérations de correction modifiées pour déterminer le réseau de sommes de neurones réduit la déviation du sujet et génère un réseau de pondérations de correction formé destiné à un apprentissage de réseau concurrent.
front page image
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, JO, 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 : anglais (EN)
Langue de dépôt : anglais (EN)