Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2019203946 - MODÈLE DE PROGRAMMATION POUR COMPILATEUR NEUROMORPHIQUE BAYÉSIEN

Numéro de publication WO/2019/203946
Date de publication 24.10.2019
N° de la demande internationale PCT/US2019/021056
Date du dépôt international 06.03.2019
Demande présentée en vertu du Chapitre 2 14.02.2020
CIB
G06N 7/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
7Systèmes de calculateurs basés sur des modèles mathématiques spécifiques
G06N 3/063 2006.01
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
06Réalisation physique, c. à d. mise en oeuvre matérielle de réseaux neuronaux, de neurones ou de parties de neurones
063utilisant des moyens électroniques
G06N 3/04 2006.01
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
CPC
G06N 3/0472
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
0472using probabilistic elements, e.g. p-rams, stochastic processors
G06N 3/049
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
049Temporal neural nets, e.g. delay elements, oscillating neurons, pulsed inputs
G06N 3/063
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
G06N 3/0635
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
0635using analogue means
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 3/088
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
088Non-supervised learning, e.g. competitive learning
Déposants
  • HRL LABORATORIES, LLC [US]/[US]
Inventeurs
  • STEPP, Nigel, D.
  • JAMMALAMADAKA, Aruna
Mandataires
  • TOPE-MCKAY, Cary, R.
Données relatives à la priorité
62/659,08517.04.2018US
62/659,09417.04.2018US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) PROGRAMMING MODEL FOR A BAYESIAN NEUROMORPHIC COMPILER
(FR) MODÈLE DE PROGRAMMATION POUR COMPILATEUR NEUROMORPHIQUE BAYÉSIEN
Abrégé
(EN)
Described is a system for performing probabilistic computations on mobile platform sensor data. The system translates a Bayesian model representing input mobile platform sensor data to a spiking neuronal network unit that implements the Bayesian model. Using the spiking neuronal network unit, conditional probabilities are computed for the input mobile platform sensor data, where the input mobile platform sensor data is a time series of mobile platform error codes encoded as neuronal spikes. The neuronal spikes are decoded and represent a mobile platform failure mode. The system causes the mobile platform to initiate a mitigation action based on the mobile platform failure mode.
(FR)
L'invention concerne un système pour effectuer des calculs probabilistes sur des données de capteur de plate-forme mobile. Le système effectue une translation d'un modèle bayésien représentant des données de capteur de plate-forme mobile d'entrée en une unité de réseau neuronal impulsionnel qui met en œuvre le modèle bayésien. À l'aide de l'unité de réseau neuronal impulsionnel, des probabilités conditionnelles sont calculées pour les données de capteur de plate-forme mobile d'entrée, les données de capteur de plate-forme mobile d'entrée étant une série chronologique de codes d'erreur de plate-forme mobile codés en tant que pointes neuronales. Les pointes neuronales sont décodées et représentent un mode de défaillance de plate-forme mobile. Le système amène la plate-forme mobile à initier une action d'atténuation sur la base du mode de défaillance de plate-forme mobile.
Également publié en tant que
EP2019788761
Dernières données bibliographiques dont dispose le Bureau international