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
Options
Langue d'interrogation
Stemming/Racinisation
Trier par:
Nombre de réponses par page
Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018184204) PROCÉDÉS ET SYSTÈMES DE FORMATION BUDGÉTÉE ET SIMPLIFIÉE DE RÉSEAUX NEURONAUX PROFONDS
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/184204 N° de la demande internationale : PCT/CN2017/079719
Date de publication : 11.10.2018 Date de dépôt international : 07.04.2017
CIB :
G06K 9/66 (2006.01) ,G06N 3/08 (2006.01)
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
62
Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
64
utilisant des comparaisons ou corrélations simultanées de signaux images avec une pluralité de références, p.ex. matrice de résistances
66
avec des références réglables par une méthode adaptative, p.ex. en s'instruisant
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
Déposants : GUO, Yiwen[CN/CN]; CN (BZ)
HOU, Yuqing[CN/CN]; CN (BZ)
YAO, Anbang[CN/CN]; CN (BZ)
CAI, Dongqi[CN/CN]; CN (BZ)
WANG, Libin[CN/CN]; CN (BZ)
XU, Lin[CN/CN]; CN (BZ)
HU, Ping[CN/CN]; CN (BZ)
WANG, Shandong[CN/CN]; CN (BZ)
CHENG, Wenhua[CN/CN]; CN (BZ)
CHEN, Yurong[CN/CN]; CN (BZ)
INTEL CORPORATION[US/US]; 2200 Mission College Blvd. Santa Clara, California 95054, US
Inventeurs : GUO, Yiwen; CN
HOU, Yuqing; CN
YAO, Anbang; CN
CAI, Dongqi; CN
WANG, Libin; CN
XU, Lin; CN
HU, Ping; CN
WANG, Shandong; CN
CHENG, Wenhua; CN
CHEN, Yurong; CN
Mandataire : NTD PATENT AND TRADEMARK AGENCY LIMITED; 10th Floor, Tower C, Beijing Global Trade Center 36 North Third Ring Road East, Dongcheng District Beijing 100013, CN
Données relatives à la priorité :
Titre (EN) METHODS AND SYSTEMS FOR BUDGETED AND SIMPLIFIED TRAINING OF DEEP NEURAL NETWORKS
(FR) PROCÉDÉS ET SYSTÈMES DE FORMATION BUDGÉTÉE ET SIMPLIFIÉE DE RÉSEAUX NEURONAUX PROFONDS
Abrégé :
(EN) Methods and systems for budgeted and simplified training of deep neural networks (DNNs) are disclosed. In one example, a trainer is to train a DNN using a plurality of training sub-images derived from a down-sampled training image. A tester is to test the trained DNN using a plurality of testing sub-images derived from a down-sampled testing image. In another example, in a recurrent deep Q-network (RDQN) having a local attention mechanism located between a convolutional neural network (CNN) and a long-short time memory (LSTM), a plurality of feature maps are generated by the CNN from an input image. Hard-attention is applied by the local attention mechanism to the generated plurality of feature maps by selecting a subset of the generated feature maps. Soft attention is applied by the local attention mechanism to the selected subset of generated feature maps by providing weights to the selected subset of generated feature maps in obtaining weighted feature maps. The weighted feature maps are stored in the LSTM. A Q value is calculated for different actions based on the weighted feature maps stored in the LSTM.
(FR) L'invention concerne des procédés et des systèmes de formation budgétée et simplifiée de réseaux neuronaux profonds (DNNs). Dans un exemple, un entraîneur doit entraîner un DNN à l'aide d'une pluralité de sous-images d'apprentissage dérivées d'une image d'apprentissage sous-échantillonnée. Un testeur est destiné à tester le DNN entraîné à l'aide d'une pluralité de sous-images de test dérivées d'une image de test sous-échantillonnée. Dans un autre exemple, dans un réseau Q profond récurrent (RDQN) ayant un mécanisme d'attention local situé entre un réseau neuronal convolutionnel (CNN) et une mémoire de temps à long terme (LSTM), une pluralité de cartes de caractéristiques sont générées par le CNN à partir d'une image d'entrée. Une attention dure est appliquée par le mécanisme d'attention local à la pluralité générée de cartes de caractéristiques par sélection d'un sous-ensemble des cartes de caractéristiques générées. Une attention souple est appliquée par le mécanisme d'attention local au sous-ensemble sélectionné de cartes de caractéristiques générées par fourniture de poids au sous-ensemble sélectionné de cartes de caractéristiques générées dans l'obtention de cartes de caractéristiques pondérées. Les cartes de caractéristiques pondérées sont stockées dans le LSTM. Une valeur Q est calculée pour différentes actions sur la base des cartes de caractéristiques pondérées stockées dans le LSTM.
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, 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)