Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019064598) APPAREIL DE RÉGRESSION, PROCÉDÉ DE RÉGRESSION, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/064598 N° de la demande internationale : PCT/JP2017/035745
Date de publication : 04.04.2019 Date de dépôt international : 29.09.2017
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 :
NEC CORPORATION [JP/JP]; 7-1, Shiba 5-chome, Minato-ku, Tokyo 1088001, JP
Inventeurs :
ANDRADE SILVA, Daniel Georg; JP
Mandataire :
BRIGHTAS IP ATTORNEYS; 1-19-12, Ginza, Chuo-ku, Tokyo 1040061, JP
Données relatives à la priorité :
Titre (EN) REGRESSION APPARATUS, REGRESSION METHOD, AND COMPUTER-READABLE STORAGE MEDIUM
(FR) APPAREIL DE RÉGRESSION, PROCÉDÉ DE RÉGRESSION, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR
Abrégé :
(EN) A regression apparatus10 that optimizes a joint regression and clustering criteria includes a train classifier unit and an acquire clustering result unit. The train classifier unit trains a classifier with a weight vector or a weight matrix, using labeled training data, a similarity of features, a loss function characterizing regression quality, and a penalty encouraging the similarity of features, wherein a strength of the penalty is proportional to the similarity of features. The acquire clustering result unit an acquire clustering result unit that, using the trained classifier, to identify feature clusters by grouping the features which regression weight is equal.
(FR) Selon l'invention, un appareil de régression qui optimise une régression conjointe et des critères de regroupement contient une unité d'entraînement de classificateur et une unité d'acquisition de résultat de regroupement. L'unité d'entraînement de classificateur entraîne un classificateur avec un vecteur de pondérations ou une matrice de pondérations, en utilisant des données d'entraînement étiquetées, une similarité de caractéristiques, une fonction de perte caractérisant la qualité de régression, et une pénalité encourageant la similarité de caractéristiques, une intensité de la pénalité étant proportionnelle à la similarité de caractéristiques. L'unité d'acquisition de résultat de regroupement utilise le classificateur entraîné pour identifier des groupes de caractéristiques en regroupant les caractéristiques dont la pondération de régression est identique.
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)