Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019067931) AUTO-RÉGLAGE BASÉ SUR UN GRADIENT POUR APPRENTISSAGE MACHINE ET MODÈLES D'APPRENTISSAGE EN PROFONDEUR
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/067931 N° de la demande internationale : PCT/US2018/053474
Date de publication : 04.04.2019 Date de dépôt international : 28.09.2018
CIB :
G06N 20/20 (2019.01)
[IPC code unknown for G06N 20/20]
Déposants :
ORACLE INTERNATIONAL CORPORATION [US/US]; 500 Oracle Parkway, Mail Stop 50P7 Redwood Shores, California 94065, US
Inventeurs :
VARADARAJAN, Venkatanathan; US
IDICULA, Sam; US
AGRAWAL, Sandeep; US
AGARWAL, Nipun; US
Mandataire :
MILLER, Brian; US
BINGHAM, Marcel K.; US
HICKMAN, Brian D.; US
MEIKLE, Tammy L.; US
LEDESMA, Daniel D.; US
PAPANYAN, Khachatur V.; US
STONE, Adam C.; US
PALERMO, Christopher J.; US
BECKER, Edward A.; US
KULCZYCKA, Malgorzata A.; US
MCGUIRE, John; US
GELBLUM, Michael; US
KANZAKI, Kim; US
BAGGALEY, Nicholas; US
CHENG, Charles; US
HUTCHINS, Eric; US
KOCIALSKI, Molly; US
NICHOLES, Chris; US
SUTTON, Eric; US
WEBER, Rick; US
LIU, Agatha; US
ORICH, Christine E.; US
MADRAK, Jeffrey R.; US
MEEHAN, Michael J.; US
WAN, Tiffany; US
KARLIN, Elliot H.; US
JANG, RaeEun; US
SALGADO, Daniel; US
YANG, Cato; US
FLINDERS, Matthew; US
Données relatives à la priorité :
15/885,51531.01.2018US
62/565,00928.09.2017US
Titre (EN) GRADIENT-BASED AUTO-TUNING FOR MACHINE LEARNING AND DEEP LEARNING MODELS
(FR) AUTO-RÉGLAGE BASÉ SUR UN GRADIENT POUR APPRENTISSAGE MACHINE ET MODÈLES D'APPRENTISSAGE EN PROFONDEUR
Abrégé :
(EN) Herein, horizontally scalable techniques efficiently configure machine learning algorithms for optimal accuracy and without informed inputs. In an embodiment, for each particular hyperparameter, and for each epoch, a computer processes the particular hyperparameter. An epoch explores one hyperparameter based on hyperparameter tuples. A respective score is calculated from each tuple. The tuple contains a distinct combination of values, each of which is contained in a value range of a distinct hyperparameter. All values of a tuple that belong to the particular hyperparameter are distinct. All values of a tuple that belong to other hyperparameters are held constant. The value range of the particular hyperparameter is narrowed based on an intersection point of a first line based on the scores and a second line based on the scores. A machine learning algorithm is optimally configured from repeatedly narrowed value ranges of hyperparameters. The configured algorithm is invoked to obtain a result.
(FR) Dans la présente invention, des techniques extensibles horizontalement configurent efficacement des algorithmes d'apprentissage machine pour une précision optimale et sans entrées informées. Dans un mode de réalisation, pour chaque hyperparamètre particulier, et pour chaque époque, un ordinateur traite l'hyperparamètre particulier. Une époque explore un hyperparamètre sur la base de tuples hyperparamétriques. Un score respectif est calculé à partir de chaque tuple. Le tuple contient une combinaison distincte de valeurs, dont chacune est contenue dans une plage de valeurs d'un hyperparamètre distinct. Toutes les valeurs d'un tuple qui appartiennent à l'hyperparamètre particulier sont distinctes. Toutes les valeurs d'un tuple qui appartiennent à d'autres hyperparamètres sont maintenues constantes. La plage de valeurs de l'hyperparamètre particulier est rétrécie en fonction d'un point d'intersection d'une première ligne sur la base des scores et d'une seconde ligne sur la base des scores. Un algorithme d'apprentissage machine est configuré de manière optimale à partir de plages de valeurs rétrécies de manière répétée d'hyperparamètres. L'algorithme configuré est invoqué pour obtenir un résultat.
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)