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. (WO2018019355) PROCÉDÉ ET DISPOSITIF D’ANALYSE ASSISTÉE PAR ORDINATEUR D’AU MOINS UN SECOND VECTEUR D’ENTRÉE D’UN SYSTÈME CIBLE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication :    WO/2018/019355    N° de la demande internationale :    PCT/EP2016/067627
Date de publication : 01.02.2018 Date de dépôt international : 25.07.2016
CIB :
G06N 3/04 (2006.01)
Déposants : SIEMENS AKTIENGESELLSCHAFT [DE/DE]; Werner-von-Siemens-Straße 1 80333 München (DE)
Inventeurs : GIGLER, Alexander Michael; (DE).
GROTHMANN, Ralph; (DE).
VOGL, Stefanie; (DE).
ZIMMERMANN, Hans-Georg; (DE)
Données relatives à la priorité :
Titre (DE) VERFAHREN UND VORRICHTUNG ZUM RECHNERGESTÜTZTEN ANALYSIEREN MINDESTENS EINES ZWEITEN EINGABEVEKTORS EINES ZIELSYSTEMS
(EN) METHOD AND DEVICE FOR THE COMPUTER-AIDED ANALYSIS OF AT LEAST ONE SECOND INPUT VECTOR OF A TARGET SYSTEM
(FR) PROCÉDÉ ET DISPOSITIF D’ANALYSE ASSISTÉE PAR ORDINATEUR D’AU MOINS UN SECOND VECTEUR D’ENTRÉE D’UN SYSTÈME CIBLE
Abrégé : front page image
(DE)Die Erfindung betrifft ein Verfahren zum rechnergestützten Analysieren mindestens eines zweiten Eingabevektors eines Zielsystems. Das Verfahren umfasst einen Verfahrensschritt zum Bereitstellen (210) des zweiten Eingabevektors für das Zielsystem. Das Verfahren umfasst einen Verfahrensschritt zum Bereitstellen (220) eines trainierten tiefen neuronalen Netzes, wobei das tiefe neuronale Netz ein Feed-Forward-Netz ist, welches eine Eingabeschicht zur Eingabe des zweiten Eingabevektors für das Zielsystem, eine Mehrzahl von aufeinanderfolgenden versteckten Schichten umfasst, die das Zielsystem modellieren, und eine Ausgabeschicht zur Ausgabe eines zweiten Ausgabevektors für das Zielsystem umfasst. Das Verfahren umfasst einen Verfahrensschritt zum Auswerten (230) des zweiten Eingabevektors, wobei der zweite Eingabevektor jeweils über die Eingabeschicht an eine der versteckten Schichten als zweiter Verarbeitungsvektor übertragen wird, wobei der zweite Verarbeitungsvektor jeweils zwischen den versteckten Schichten übertragen wird, wobei jeweils für eine versteckte Schicht eine jeweilige erste Datentransformation des übertragenen zweiten Verarbeitungsvektors durchgeführt wird, wobei bei der jeweiligen ersten Datentransformation eine Dimensionsreduktion des zweiten Verarbeitungsvektors jeweils für eine betreffende versteckte Schicht erfolgt, wobei der zweite Ausgabevektor anhand eines dimensionsreduzierten zweiten Verarbeitungsvektors ermittelt wird. Das Verfahren umfasst einen Verfahrensschritt zum Bereitstellen (240) des zweiten Ausgabevektors.
(EN)The invention relates to a method for the computer-aided analysis of at least one second input vector of a target system. The method comprises a step for providing (210) the second input vector for the target system. The method comprises a step for providing (220) a trained deep neural network, wherein the deep neural network is a feedforward network that comprises an input layer for inputting the second input vector for the target system, a plurality of consecutive hidden layers, which model the target system, and an output layer for outputting a second output vector for the target system. The method comprises a step for evaluating (230) the second input vector, wherein the second input vector is transmitted by means of the input layer to one of the hidden layers as a second processing vector, wherein the second processing vector is transmitted between the hidden layers, wherein a first data transformation of the transmitted second processing vector is performed for each hidden layer in question, wherein, in each first data transformation, a dimension reduction of the second processing vector is performed for the hidden layer in question, wherein the second output vector is determined on the basis of a dimension-reduced second processing vector. The method comprises a step for providing (240) the second output vector.
(FR)La présente invention concerne un procédé d’analyse assistée par ordinateur d’au moins un second vecteur d’entrée d’un système cible. Le procédé comprend une étape de fourniture (210) du second vecteur d’entrée pour le système cible. Le procédé comprend une étape de fourniture (220) d’un réseau neuronal profond formé, le réseau neuronal profond étant un réseau non bouclé qui comprend une couche d’entrée pour entrer le second vecteur d’entrée pour le système cible, une pluralité de couches successives cachées qui modélisent le système cible, et une couche de sortie pour la sortie d’un second vecteur de sortie pour le système cible. Le procédé comprend une étape d’évaluation (230) du second vecteur d’entrée, le second vecteur d’entrée étant transmis à chaque fois par le biais de la couche d’entrée à une des couches cachées en tant que second vecteur de traitement tandis que le second vecteur de traitement est transmis entre chacune des couches cachées. Pour chaque couche cachée est exécutée une première transformation de données correspondante du second vecteur de traitement transmis au cours de laquelle est effectuée une réduction de dimensions du second vecteur de traitement pour chaque couche cachée concernée, le second vecteur de sortie étant déterminé à l’aide d’un second vecteur de traitement de dimension réduite. Le procédé comprend une étape de fourniture (240) du second vecteur de sortie.
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 : allemand (DE)
Langue de dépôt : allemand (DE)