Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019046662) RÉSEAUX NEURONAUX CONNECTÉS DENSÉMENT AVEC TRANSFERT DE SORTIE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/046662 N° de la demande internationale : PCT/US2018/048983
Date de publication : 07.03.2019 Date de dépôt international : 30.08.2018
CIB :
G06N 3/00 (2006.01) ,G06N 3/02 (2006.01) ,G06N 3/04 (2006.01) ,G06N 3/08 (2006.01) ,G06N 5/00 (2006.01) ,G06N 5/02 (2006.01) ,G06N 5/04 (2006.01) ,G06K 9/66 (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
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
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
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
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
5
Systèmes de calculateurs utilisant des modèles basés sur la connaissance
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
5
Systèmes de calculateurs utilisant des modèles basés sur la connaissance
02
Représentation de la connaissance
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
5
Systèmes de calculateurs utilisant des modèles basés sur la connaissance
04
Méthodes ou dispositifs inférents
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
Déposants :
PAYPAL, INC. [US/US]; 2211 North First Street San Jose, California 95131, US
Inventeurs :
SHEN, Shiwen; US
ZHU, Danielle; US
PAN, Feng; US
Mandataire :
CHEN, Tom; US
Données relatives à la priorité :
15/692,37131.08.2017US
Titre (EN) DENSELY CONNECTED NEURAL NETWORKS WITH OUTPUT FORWARDING
(FR) RÉSEAUX NEURONAUX CONNECTÉS DENSÉMENT AVEC TRANSFERT DE SORTIE
Abrégé :
(EN) A densely connected neural network can be used to predict values using a trained model. This unique architecture allows for more accurate prediction by allowing better data visibility across different layers of the network in various embodiments. Outputs from every previous layer in the neural network can be forwarded to every subsequent layer. Input selection operations may be performed to reduce and/or combine increased numbers of inputs that may arrive at downstream neurons. The architecture may be broadly applied in a large number of different modeling contexts.
(FR) La présente invention concerne un réseau neuronal connecté densément qui peut être utilisé pour prédire des valeurs à l'aide d'un modèle formé. Cette architecture unique permet une prédiction plus précise en permettant une meilleure visibilité des données sur différentes couches du réseau dans divers modes de réalisation. Des sorties provenant de chaque couche précédente dans le réseau neuronal peuvent être transférées à chaque couche suivante. Des opérations de sélection d'entrée peuvent être réalisées pour réduire et/ou combiner des nombres améliorés d'entrées qui peuvent arriver à des neurones en aval. L'architecture peut être largement appliquée dans un grand nombre de différents contextes de modélisation.
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)