Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019026703) PROCÉDÉ, DISPOSITIF, PROGRAMME, PUCE DE CI ET SYSTÈME D’INTÉGRATION DE MODÈLES FINIS D’APPRENTISSAGE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/026703 N° de la demande internationale : PCT/JP2018/027774
Date de publication : 07.02.2019 Date de dépôt international : 24.07.2018
CIB :
G06N 99/00 (2010.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
99
Matière non prévue dans les autres groupes de la présente sous-classe
Déposants :
株式会社エイシング AISING LTD. [JP/JP]; 東京都港区赤坂9丁目1番7-424号 9-1-7-424 Akasaka, Minato-Ku, Tokyo 1070052, JP
Inventeurs :
金 天海 KIM Chyon Hae; JP
出澤 純一 IDESAWA Junichi; JP
菅原 志門 SUGAWARA Shimon; JP
Mandataire :
飯塚 信市 IIZUKA Shin-ichi; JP
飯塚 健 IIZUKA Takeshi; JP
Données relatives à la priorité :
2017-14831931.07.2017JP
Titre (EN) LEARNING-FINISHED MODEL INTEGRATION METHOD, DEVICE, PROGRAM, IC CHIP, AND SYSTEM
(FR) PROCÉDÉ, DISPOSITIF, PROGRAMME, PUCE DE CI ET SYSTÈME D’INTÉGRATION DE MODÈLES FINIS D’APPRENTISSAGE
(JA) 学習済モデル統合方法、装置、プログラム、ICチップ、及びシステム
Abrégé :
(EN) [Problem] To create a single learning-finished model by integrating multiple learning-finished models obtained by using a new machine learning framework having a tree structure [Solution] The present invention provides a learning-finished model integration method for integrating a plurality of different learning-finished models obtained by causing a learning model having a tree structure to learn a predetermined data group, the learning-finished model integration method being provided with: a data reading step in which data on the plurality of different learning-finished models is read from a predetermined storage unit; and an integrating step in which, with respect to respective nodes constituting the tree structure related to the plurality of different learning-finished models, the plurality of different learning-finished models are integrated into a single learning-finished model by duplicating a node when the node is present in only one learning-finished mode, and by integrating nodes when the corresponding nodes are respectively present at the positions corresponding to the plurality of learning-finished models.
(FR) La présente invention a pour objet de créer un unique modèle fini d’apprentissage par intégration de multiples modèles finis d’apprentissage obtenus à l’aide d’une nouvelle plateforme d’apprentissage automatique ayant une structure arborescente. À cet effet, la présente invention concerne un procédé d’intégration de modèles finis d’apprentissage pour intégrer une pluralité de différents modèles finis d’apprentissage obtenus en amenant un modèle d’apprentissage ayant une structure arborescente à apprendre un groupe de données prédéfini. Le procédé d’intégration de modèles finis d’apprentissage comprend : une étape de lecture de données au cours de laquelle des données sur la pluralité des différents modèles finis d’apprentissage sont lues à partir d’une unité de stockage prédéfinie ; et une étape d’intégration au cours de laquelle, par rapport à des nœuds respectifs constituant la structure arborescente se rapportant à la pluralité des différents modèles finis d’apprentissage, la pluralité des différents modèles finis d’apprentissage sont intégrés dans un unique modèle fini d’apprentissage par duplication d’un nœud lorsque le nœud est présent dans un seul modèle fini d’apprentissage, et par intégration de nœuds lorsque les nœuds correspondants sont respectivement présents aux positions correspondant à la pluralité des modèles finis d’apprentissage.
(JA) 【課題】 木構造を有する新たな機械学習の枠組みを利用して得られた複数の学習済モデル同士を統合することにより単一の学習済モデルを生成すること。 【解決手段】 木構造を有する学習モデルに対して所定のデータ群を学習させることにより得られた複数の異なる学習済モデルを統合する学習済モデル統合方法であって、所定の記憶部から前記複数の異なる学習済モデルに関するデータを読み出す、データ読出ステップと、前記複数の異なる学習済モデルに係る木構造を構成する各ノードについて、一の学習済モデルのみにノードが存在する場合には当該ノードを複製し、複数の学習済モデルの対応する位置にそれぞれノードが存在する場合には対応する各前記ノード同士を統合することにより、前記複数の異なる学習済モデル同士を単一の学習済モデルへと統合する、統合ステップと、を備える学習済モデル統合方法が提供される。
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 : japonais (JA)
Langue de dépôt : japonais (JA)