Recherche dans les collections de brevets nationales et internationales

1. (WO2018092957) PROCÉDÉ, DISPOSITIF ET PROGRAMME DE DÉTERMINATION DE RÉAPPRENTISSAGE PAR RAPPORT À UNE VALEUR D'ENTRÉE DANS UN MODÈLE DE RÉSEAU NEURONAL

Pub. No.:    WO/2018/092957    International Application No.:    PCT/KR2016/013431
Publication Date: Fri May 25 01:59:59 CEST 2018 International Filing Date: Tue Nov 22 00:59:59 CET 2016
IPC: G06N 3/08
G06N 3/04
Applicants: ALGORIGO INC.
주식회사 알고리고
Inventors: KIM, Ji Hoon
김지훈
CHA, Gil Hwan
차길환
Title: PROCÉDÉ, DISPOSITIF ET PROGRAMME DE DÉTERMINATION DE RÉAPPRENTISSAGE PAR RAPPORT À UNE VALEUR D'ENTRÉE DANS UN MODÈLE DE RÉSEAU NEURONAL
Abstract:
L'invention concerne un procédé, un dispositif et un programme informatique permettant de déterminer un réapprentissage par rapport à des données inconnues dans un modèle de réseau neuronal. À cet effet, l'invention concerne un procédé permettant de déterminer le ré-apprentissage par rapport à une valeur d'entrée dans un modèle de réseau neuronal, ledit procédé comprenant : une étape de regroupement d'ensemble d'apprentissage permettant d'effectuer un regroupement par rapport à un ensemble d'apprentissage utilisé pour l'apprentissage d'un modèle de réseau neuronal appris; une étape de traçage de valeur d'entrée permettant de tracer une valeur d'entrée, qui est entrée dans le modèle de réseau neuronal, sur la répartition du regroupement de l'ensemble d'apprentissage; une étape de classement de valeur d'entrée permettant de déterminer si oui ou non la valeur d'entrée est incluse dans un groupe particulier qui fait partie de la répartition de regroupement de l'ensemble d'apprentissage; une étape de détermination de ré-apprentissage de valeur d'entrée permettant de déterminer le ré-apprentissage de la valeur d'entrée ou le poids de ré-apprentissage d'après la distance entre la valeur d'entrée et une valeur centroïde du groupe particulier ou la probabilité que la valeur d'entrée soit incluse dans le groupe particulier; et une étape de ré-apprentissage de modèle de réseau neuronal permettant d'effectuer le ré-apprentissage du modèle d'après le ré-apprentissage de la valeur d'entrée ou le poids de ré-apprentissage qui ont été déterminés lors de l'étape de détermination de ré-apprentissage de valeur d'entrée. Par conséquent, le modèle de réseau neuronal peut être appris pour chaque utilisateur même lorsque des données qui ne sont pas affinées de manière chronologique sont entrées.