Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018063460) SYSTÈME ET PROCÉDÉ D'OPTIMISATION D'UNE ARCHITECTURE D'APPRENTISSAGE EN PROFONDEUR
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/063460 N° de la demande internationale : PCT/US2017/038504
Date de publication : 05.04.2018 Date de dépôt international : 21.06.2017
CIB :
G06N 3/04 (2006.01) ,G06K 9/46 (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
04
Architecture, p.ex. topologie d'interconnexion
G PHYSIQUE
06
CALCUL; COMPTAGE
K
RECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9
Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
36
Prétraitement de l'image, c. à d. traitement de l'information image sans se préoccuper de l'identité de l'image
46
Extraction d'éléments ou de caractéristiques de l'image
Déposants :
GENERAL ELECTRIC COMPANY [US/US]; 1 River Road Schenectady, New York 12345, US
Inventeurs :
THIRUVENKADAM, Sheshadri; IN
RANJAN, Sohan Rashmi; IN
VAIDYA, Vivek Prabhakar; IN
RAVISHANKAR, Hariharan; IN
VENKATARAMANI, Rahul; IN
SUDHAKAR, Prasad; IN
Mandataire :
DIVINE, Lucas; US
DEVINS, Elizabeth; US
GROETHE, Jacob; US
VIVENZIO, Marc; US
BAXTER, William; US
TOPPIN, Catherine; US
Données relatives à la priorité :
20164103361830.09.2016IN
Titre (EN) SYSTEM AND METHOD FOR OPTIMIZATION OF DEEP LEARNING ARCHITECTURE
(FR) SYSTÈME ET PROCÉDÉ D'OPTIMISATION D'UNE ARCHITECTURE D'APPRENTISSAGE EN PROFONDEUR
Abrégé :
(EN) A method for determining optimized deep learning architecture includes receiving a plurality of training images and a plurality of real time images corresponding to a subject. The method further includes receiving, by a medical practitioner, a plurality of learning parameters comprising a plurality of filter classes and a plurality of architecture parameters. The method also includes determining a deep learning model based on the plurality of learning parameters and the plurality of training images, wherein the deep learning model comprises a plurality of reusable filters. The method further includes determining a health condition of the subject based on the plurality of real time images and the deep learning model. The method also includes providing the health condition of the subject to the medical practitioner.
(FR) Selon la présente invention, un procédé permettant de déterminer une architecture d'apprentissage en profondeur optimisée consiste à recevoir une pluralité d'images d'apprentissage et une pluralité d'images en temps réel correspondant à un sujet. Le procédé consiste en outre en la réception, par un praticien, d'une pluralité de paramètres d'apprentissage comprenant une pluralité de classes de filtres et une pluralité de paramètres d'architecture. Le procédé consiste également à déterminer un modèle d'apprentissage en profondeur sur la base de la pluralité de paramètres d'apprentissage et de la pluralité d'images d'apprentissage, le modèle d'apprentissage en profondeur comprenant une pluralité de filtres réutilisables. Le procédé consiste en outre à déterminer une condition de santé du sujet sur la base de la pluralité d'images en temps réel et du modèle d'apprentissage en profondeur. Le procédé consiste également à fournir l'état de santé du sujet au praticien.
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)