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. (WO2018031156) APPRENTISSAGE AUTOMATIQUE PROFOND POUR PRÉDIRE ET PRÉVENIR DES CONDITIONS DÉFAVORABLES AU NIVEAU DE BIENS STRUCTURAUX
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication :    WO/2018/031156    N° de la demande internationale :    PCT/US2017/041326
Date de publication : 15.02.2018 Date de dépôt international : 10.07.2017
Demande présentée en vertu du Chapitre 2 :    30.01.2018    
CIB :
G06Q 10/06 (2012.01)
Déposants : GOOGLE LLC [US/US]; 1600 Amphitheatre Parkway Mountain View, California 94043 (US)
Inventeurs : GREENE, Michael; (US)
Mandataire : PROBST, Joseph J.; (US).
BATAVIA, Neil, M.; (US).
DERRY, Paul; 200 Aldersgate London EC1A 4HD (GB)
Données relatives à la priorité :
15/233,414 10.08.2016 US
Titre (EN) DEEP MACHINE LEARNING TO PREDICT AND PREVENT ADVERSE CONDITIONS AT STRUCTURAL ASSETS
(FR) APPRENTISSAGE AUTOMATIQUE PROFOND POUR PRÉDIRE ET PRÉVENIR DES CONDITIONS DÉFAVORABLES AU NIVEAU DE BIENS STRUCTURAUX
Abrégé : front page image
(EN)The present disclosure provides systems and methods that use machine-learned models, such as deep neural networks, to predict and prevent adverse conditions at structural assets. One example method includes obtaining data descriptive of a plurality of images that depict at least a portion of a geographic area that contains a first structural asset. The plurality of images include at least a first image captured at a first time and a second image captured at a second time that is different than the first time. The method includes inputting data descriptive of at least the first image, the first time, the second image, and the second time into a condition prediction model. The method includes receiving, as an output of the condition prediction model, at least one prediction regarding the occurrence of an adverse condition at the first structural asset during one or more future time periods. Various examples provide dramatic efficiency improvements compared to other techniques for predicting and preventing adverse conditions at structural assets.
(FR)La présente invention concerne des systèmes et des procédés qui emploient des modèles appris automatiquement, tels que des réseaux neuronaux profonds, pour prédire et prévenir des conditions défavorables au niveau de biens structuraux. Un exemple de procédé comprend l'obtention de données descriptives d'une pluralité d'images qui représentent au moins une portion d'une zone géographique qui contient un premier bien structural. La pluralité d'images comprend au moins une première image capturée à un premier moment et une deuxième image capturée à un deuxième moment qui est différent du premier. Le procédé comprend l'entrée de données descriptives d'au moins la première image, du premier moment, de la deuxième image et du deuxième instant dans un modèle de prédiction d'état. Le procédé comprend la réception, en tant que résultat du modèle de prédiction d'état, d'au moins une prédiction concernant l'apparition d'un état défavorable au niveau du premier bien structural pendant une ou plusieurs périodes futures. Divers exemples apportent des améliorations considérables de l'efficacité en comparaison d'autres techniques pour prédire et prévenir des conditions défavorables au niveau de biens structuraux.
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)