Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019063988) SYSTÈME DE GESTION DE REQUÊTES D’APPRENTISSAGE AUTOMATIQUE
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/063988 N° de la demande internationale : PCT/GB2018/052723
Date de publication : 04.04.2019 Date de dépôt international : 25.09.2018
CIB :
G06F 17/30 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17
Equipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
30
Recherche documentaire; Structures de bases de données à cet effet
Déposants :
INTERNATIONAL CONSOLIDATED AIRLINES GROUP [GB/GB]; Waterside (HAA2) PO Box 365 Harmondsworth Middlesex UB7 0GB, GB
Inventeurs :
JOBLING, Daniel; GB
MORGAN, Glenn; GB
SHADE, Paul; GB
MAY, Andrew; GB
Mandataire :
LAM, Alvin; GB
Données relatives à la priorité :
1715738.928.09.2017GB
Titre (EN) MACHINE LEARNING QUERY HANDLING SYSTEM
(FR) SYSTÈME DE GESTION DE REQUÊTES D’APPRENTISSAGE AUTOMATIQUE
Abrégé :
(EN) Systems and methods for a machine learning query handling platform are described, whereby each computing node in a computer network is configured to implement a respective local prediction model that calculates an output based on input attributes passed through trained parameters of the local prediction model, whereby at least two of the computing nodes calculate different predicted outputs to the same input attributes. In an embodiment, the trained parameters of each local prediction model include a first set of parameters received from a remote server, a second set of parameters received from another interconnected computing node, and a third set of parameters based on data in a local memory. Other embodiments are also described and claimed.
(FR) La présente invention concerne des systèmes et des procédés pour une plate-forme de gestion de requêtes d’apprentissage automatique. Chaque nœud informatique dans un réseau informatique est configuré pour mettre en œuvre un modèle de prédiction local respectif qui calcule une sortie sur la base d’attributs d’entrée qui ont été soumis à des paramètres entraînés du modèle de prédiction local, au moins deux des nœuds informatiques calculant différentes sorties prédites pour les mêmes attributs d’entrée. Dans un mode de réalisation, les paramètres entraînés de chaque modèle de prédiction local incluent un premier ensemble de paramètres reçus en provenance d’un serveur distant, un deuxième ensemble de paramètres reçus en provenance d’un autre nœud informatique interconnecté, et un troisième ensemble de paramètres basés sur des données dans une mémoire locale. D'autres modes de réalisation de la présente invention sont également décrits et revendiqués.
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)