Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2021241983 - PROCÉDÉ ET APPAREIL D'APPRENTISSAGE SEMI-SUPERVISÉ

Numéro de publication WO/2021/241983
Date de publication 02.12.2021
N° de la demande internationale PCT/KR2021/006497
Date du dépôt international 25.05.2021
CIB
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
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 20/00 2019.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
20Apprentissage automatique
CPC
G06K 9/6263
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
6217Design or setup of recognition systems and techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
6262Validation, performance evaluation or active pattern learning techniques
6263based on the feedback of a supervisor
G06K 9/6274
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
6267Classification techniques
6268relating to the classification paradigm, e.g. parametric or non-parametric approaches
627based on distances between the pattern to be recognised and training or reference patterns
6271based on distances to prototypes
6274based on distances to neighbourhood prototypes, e.g. Restricted Coulomb Energy 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 3/0472
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 3/084
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 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
  • SAMSUNG ELECTRONICS CO., LTD. [KR]/[KR]
Inventeurs
  • BALAZEVIC, Ivana
  • ALLEN, Carl
  • HOSPEDALES, Timothy
Mandataires
  • Y.P.LEE, MOCK & PARTNERS
Données relatives à la priorité
2008030.528.05.2020GB
20215401.918.12.2020EP
Langue de publication Anglais (en)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) METHOD AND APPARATUS FOR SEMI-SUPERVISED LEARNING
(FR) PROCÉDÉ ET APPAREIL D'APPRENTISSAGE SEMI-SUPERVISÉ
Abrégé
(EN) Provided is a computer-implemented method for training a machine learning (ML) model using labelled and unlabelled data, the method comprising obtaining a set of training data comprising a set of labelled data items and a set of unlabelled data items, training a loss module of the ML model using labels in the set of labelled data items, to generate a trained loss module capable of estimating a likelihood of a label for a data item, and training a task module of the ML model using the loss module, the set of labelled data items, and the set of unlabelled data items, to generate a trained task module capable of making a prediction of a label for input data.
(FR) La présente invention concerne un procédé, mis en œuvre par ordinateur, pour la formation d'un modèle d'apprentissage automatique (ML) à l'aide de données étiquetées et non étiquetées. Le procédé comprend l'obtention d'un ensemble de données de formation comprenant un ensemble d'éléments de données étiquetés et un ensemble d'éléments de données non étiquetés, la formation d'un module de perte du modèle ML à l'aide d'étiquettes dans l'ensemble d'éléments de données étiquetés, pour générer un module de perte formé capable d'estimer une probabilité d'une étiquette pour un élément de données, et la formation d'un module de tâche du modèle ML, à l'aide du module de perte, de l'ensemble d'éléments de données étiquetés et de l'ensemble d'éléments de données non étiquetés, pour générer un module de tâche formé capable de faire une prédiction pour une étiquette pour des données d'entrée.
Related patent documents
Dernières données bibliographiques dont dispose le Bureau international