Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020069369 - SYSTÈME ET MÉTHODE D'UTILISATION D'UN RÉSEAU D'APPRENTISSAGE PROFOND AU FIL DU TEMPS

Numéro de publication WO/2020/069369
Date de publication 02.04.2020
N° de la demande internationale PCT/US2019/053536
Date du dépôt international 27.09.2019
CIB
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
G06N 3/08 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
08Méthodes d'apprentissage
CPC
G06N 3/04
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
G06N 3/0445
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
0445Feedback networks, e.g. hopfield nets, associative networks
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
G06T 7/0012
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
7Image analysis
0002Inspection of images, e.g. flaw detection
0012Biomedical image inspection
Déposants
  • GENERAL ELECTRIC COMPANY [US]/[US]
Inventeurs
  • VENKATARAMANI, Rahul
  • ANAMANDRA, Sai
  • RAVISHANKAR, Hariharan
  • SUDHAKAR, Prasad
Mandataires
  • DIVINE, Lucas
  • QUINN, Thomas F., Jr.
Données relatives à la priorité
16/522,36725.07.2019US
20184103642327.09.2018IN
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) SYSTEM AND METHOD FOR USING A DEEP LEARNING NETWORK OVER TIME
(FR) SYSTÈME ET MÉTHODE D'UTILISATION D'UN RÉSEAU D'APPRENTISSAGE PROFOND AU FIL DU TEMPS
Abrégé
(EN)
The present approach relates to a system capable of life-long learning in a deep learning context. The system includes a deep learning network configured to process an input dataset and perform one or more tasks from among a first set of tasks. As an example, the deep learning network may be part of an imaging system, such as a medical imaging system, or may be used in industrial applications. The system further includes a learning unit communicatively coupled to the deep learning network 102 and configured to modify the deep learning network so as to enable it to perform one or more tasks in a second task list without losing the ability to perform the tasks from the first list.
(FR)
L'invention concerne un système qui se prête à un apprentissage permanent dans un contexte d'apprentissage profond. Le système comprend un réseau d'apprentissage profond conçu pour traiter un ensemble de données d'entrée et accomplir une ou plusieurs tâches parmi un premier ensemble de tâches. Par exemple, le réseau d'apprentissage profond peut faire partie d'un système d'imagerie, tel qu'un système d'imagerie médicale, ou peut être utilisé dans des applications industrielles. Le système comprend en outre une unité d'apprentissage couplée en communication au réseau d'apprentissage profond (102) et conçue pour modifier le réseau d'apprentissage profond de façon à lui permettre d'accomplir une ou plusieurs tâches dans une seconde liste de tâches sans perdre la capacité d'accomplir les tâches figurant sur la première liste.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international