Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019067960) DÉVELOPPEMENT AGRESSIF À L'AIDE DE GÉNÉRATEURS COOPÉRATIFS
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/067960 N° de la demande internationale : PCT/US2018/053519
Date de publication : 04.04.2019 Date de dépôt international : 28.09.2018
CIB :
G06N 20/00
[IPC code unknown for G06N 20]
Déposants :
D5AI LLC [US/US]; 958 Versailles Circle Maitland, FL 32751, US
Inventeurs :
BAKER, James, K.; US
Mandataire :
HAGGERSON, Michael; US
CONRAL, Sean, M.; US
CAPRIOTTI, Robert; US
ANDERSON, Jaimie, R.; US
BLYTH, Gareth, M.; US
Données relatives à la priorité :
62/564,75428.09.2017US
PCT/US2018/05106914.09.2018US
PCT/US2018/05133217.09.2018US
PCT/US2018/05168319.09.2018US
Titre (EN) AGGRESSIVE DEVELOPMENT WITH COOPERATIVE GENERATORS
(FR) DÉVELOPPEMENT AGRESSIF À L'AIDE DE GÉNÉRATEURS COOPÉRATIFS
Abrégé :
(EN) Various systems and methods are described herein for improving the aggressive development of machine learning systems. In machine learning, there is always a trade-off between allowing a machine learning system to learn as much as it can from training data and overfitting on the training data. This trade-off is important because overfitting usually causes performance on new data to be worse. However, various systems and methods can be utilized to separate the process of detailed learning and knowledge acquisition and the process of imposing restrictions and smoothing estimates, thereby allowing machine learning systems to aggressively learn from training data, while mitigating the effects of overfitting on the training data.
(FR) L'invention concerne divers systèmes et procédés permettant d'améliorer le développement agressif de systèmes d'apprentissage machine. Au cours de l'apprentissage machine, un compromis doit être trouvé entre permettre à un système d'apprentissage machine d'apprendre autant qu'il peut des données d'entraînement et obtenir un surapprentissage sur les données d'entraînement. Ce compromis est important car le surapprentissage provoque habituellement la diminution des performances sur les nouvelles données. Toutefois, divers systèmes et procédés peuvent être utilisés pour séparer le processus d'apprentissage détaillé et d'acquisition des connaissances et le processus d'imposition de restrictions et de lissage des estimations, ce qui permet à des systèmes d'apprentissage machine d'apprendre de manière agressive des données d'entraînement, tout en atténuant les effets de surapprentissage sur les données d'entraînement.
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)