Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2019202073 - RÉSEAUX NEURONAUX POUR APPRENTISSAGE CONTINU ÉVOLUTIF DANS DES DOMAINES AVEC DES TÂCHES APPRISES SÉQUENTIELLEMENT

Numéro de publication WO/2019/202073
Date de publication 24.10.2019
N° de la demande internationale PCT/EP2019/060070
Date du dépôt international 18.04.2019
CIB
G06N 3/04 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
04Architecture, p.ex. topologie d'interconnexion
G06N 3/08 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
CPC
G06K 9/6215
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6201Matching; Proximity measures
6215Proximity measures, i.e. similarity or distance measures
G06N 20/20
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
20Ensemble learning
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
G06N 5/02
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5Computer systems using knowledge-based models
02Knowledge representation
Déposants
  • DEEPMIND TECHNOLOGIES LIMITED [GB]/[GB]
Inventeurs
  • SCHWARZ, Jonathan
  • PASCANU, Razvan
  • HADSELL, Raia Thais
  • CZARNECKI, Wojciech
  • TEH, Yee Whye
  • LUKETINA, Jelena
Mandataires
  • KUNZ, Herbert
Données relatives à la priorité
62/659,61018.04.2018US
Langue de publication Anglais (en)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) NEURAL NETWORKS FOR SCALABLE CONTINUAL LEARNING IN DOMAINS WITH SEQUENTIALLY LEARNED TASKS
(FR) RÉSEAUX NEURONAUX POUR APPRENTISSAGE CONTINU ÉVOLUTIF DANS DES DOMAINES AVEC DES TÂCHES APPRISES SÉQUENTIELLEMENT
Abrégé
(EN) Methods, systems, and apparatus, including computer programs encoded on computer storage media, for scalable continual learning using neural networks. One of the methods includes receiving new training data for a new machine learning task; training an active subnetwork on the new training data to determine trained values of the active network parameters from initial values of the active network parameters while holding current values of the knowledge parameters fixed; and training a knowledge subnetwork on the new training data to determine updated values of the knowledge parameters from the current values of the knowledge parameters by training the knowledge subnetwork to generate knowledge outputs for the new training inputs that match active outputs generated by the trained active subnetwork for the new training inputs.
(FR) L'invention concerne des procédés, des systèmes et un appareil, contenant des programmes informatiques encodés sur des supports de stockage informatiques pour l'apprentissage continu évolutif grâce à des réseaux neuronaux. L'un des procédés consiste à recevoir de nouvelles données d'entraînement pour une nouvelle tâche d'apprentissage machine ; entraîner un sous-réseau actif avec les nouvelles données d'entraînement pour déterminer des valeurs entraînées des paramètres de réseau actif à partir de valeurs initiales des paramètres de réseau actif tout en maintenant fixes des valeurs actuelles des paramètres de connaissances ; et entraîner un sous-réseau de connaissances avec les nouvelles données d'entraînement pour déterminer des valeurs mises à jour des paramètres de connaissances à partir des valeurs actuelles des paramètres de connaissance en entraînant le sous-réseau de connaissances pour produire des sorties de connaissances pour les nouvelles entrées d'entraînement qui correspondent aux sorties actives produites par le sous-réseau actif entraîné pour les nouvelles entrées d'entraînement.
Documents de brevet associés
Dernières données bibliographiques dont dispose le Bureau international