CA2318502C - Procede et systeme de classification dans un reseau neuronal oriente ram ou n-ligne - Google Patents
Procede et systeme de classification dans un reseau neuronal oriente ram ou n-ligne Download PDFInfo
- Publication number
- CA2318502C CA2318502C CA002318502A CA2318502A CA2318502C CA 2318502 C CA2318502 C CA 2318502C CA 002318502 A CA002318502 A CA 002318502A CA 2318502 A CA2318502 A CA 2318502A CA 2318502 C CA2318502 C CA 2318502C
- Authority
- CA
- Canada
- Prior art keywords
- weight
- cell values
- values
- training
- column
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
L'invention concerne un système et un procédé d'apprentissage d'un système de classification informatique qui peut être défini par un réseau comprenant un certain nombre de n-lignes ou des tableaux de recherche (LUT), chaque n-ligne ou LUT comprenant un certain nombre de rangées correspondant à au moins un sous-ensemble de classes possibles et comprenant des colonnes adressées par des signaux ou éléments d'exemples échantillonnés de données constituant les entrées d'apprentissage, chaque colonne étant définie par un vecteur présentant des cellules dotées de valeur. Ce procédé consiste à déterminer les valeurs de cellules du vecteur définissant la colonne en fonction d'un ou plusieurs ensemble(s) d'apprentissage des exemples de données constituant les entrées pour différentes classes de manière qu'au moins une partie des cellules comprennent ou signalent des informations basées sur le nombre de fois que l'adresse des cellules correspondante est échantillonnée à partir d'un ou plusieurs ensemble(s) d'exemples des entrées d'apprentissage et à déterminer les valeurs des cellules de pesage correspondant à une ou plusieurs cellule(s) de vecteur de colonne adressée(s) ou échantillonnée(s) par les exemples d'apprentissage afin de permettre le pesage d'une ou plusieurs cellules du vecteur définissant la colonne positives au cours de la classification, lesdites valeurs de pesage étant déterminées en fonction des informations d'au moins une partie des valeurs des cellules du vecteur définissant la colonne déterminées et à l'aide d'au moins une partie de l'ensemble ou des ensembles d'apprentissage d'exemple d'entrées. Selon une autre variante, l'invention concerne un système et un procédé permettant de déterminer, dans un système de classification neuronal, les valeurs des cellules de pesage correspondant à une ou plusieurs cellules de vecteur déterminées adressées par les exemples d'apprentissage. Cette détermination s'appuie sur les informations d'au moins une partie des valeurs des cellules de vecteur déterminées et elle permet de peser les cellules du vecteur définissant la colonne dont la valeur est positive ou négative. Finalement l'invention concerne un procédé et un système de classification des exemples de données constituant les entrées en une pluralité de classes au moyen de systèmes de classification informatiques.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DK0162/98 | 1998-02-05 | ||
DK16298 | 1998-02-05 | ||
EP98201910A EP0935212B9 (fr) | 1998-02-05 | 1998-06-09 | Système et procédé de classification avec un réseau neuronal basé sur N-Tuple ou RAM |
EP98201910.1 | 1998-06-09 | ||
PCT/DK1999/000052 WO1999040521A1 (fr) | 1998-02-05 | 1999-02-02 | Procede et systeme de classification dans un reseau neuronal oriente ram ou n-ligne |
Publications (2)
Publication Number | Publication Date |
---|---|
CA2318502A1 CA2318502A1 (fr) | 1999-08-12 |
CA2318502C true CA2318502C (fr) | 2008-10-07 |
Family
ID=26063433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CA002318502A Expired - Lifetime CA2318502C (fr) | 1998-02-05 | 1999-02-02 | Procede et systeme de classification dans un reseau neuronal oriente ram ou n-ligne |
Country Status (8)
Country | Link |
---|---|
JP (1) | JP2002503002A (fr) |
CN (1) | CN1227608C (fr) |
AU (1) | AU756987B2 (fr) |
CA (1) | CA2318502C (fr) |
IL (1) | IL137337A0 (fr) |
NZ (1) | NZ506053A (fr) |
PL (1) | PL343114A1 (fr) |
WO (1) | WO1999040521A1 (fr) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6995629B2 (ja) * | 2018-01-05 | 2022-01-14 | 日本電信電話株式会社 | 演算回路 |
CN110163334B (zh) * | 2018-02-11 | 2020-10-09 | 上海寒武纪信息科技有限公司 | 集成电路芯片装置及相关产品 |
CN110197274B (zh) * | 2018-02-27 | 2020-08-25 | 上海寒武纪信息科技有限公司 | 集成电路芯片装置及相关产品 |
CN110197267B (zh) * | 2018-02-27 | 2020-08-04 | 上海寒武纪信息科技有限公司 | 神经网络处理器板卡及相关产品 |
CN110197275B (zh) * | 2018-02-27 | 2020-08-04 | 上海寒武纪信息科技有限公司 | 集成电路芯片装置及相关产品 |
CN110197264B (zh) * | 2018-02-27 | 2020-08-04 | 上海寒武纪信息科技有限公司 | 神经网络处理器板卡及相关产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9014569D0 (en) * | 1990-06-29 | 1990-08-22 | Univ London | Devices for use in neural processing |
-
1999
- 1999-02-02 JP JP2000530867A patent/JP2002503002A/ja active Pending
- 1999-02-02 CA CA002318502A patent/CA2318502C/fr not_active Expired - Lifetime
- 1999-02-02 IL IL13733799A patent/IL137337A0/xx unknown
- 1999-02-02 PL PL99343114A patent/PL343114A1/xx unknown
- 1999-02-02 CN CNB998027618A patent/CN1227608C/zh not_active Expired - Fee Related
- 1999-02-02 WO PCT/DK1999/000052 patent/WO1999040521A1/fr active IP Right Grant
- 1999-02-02 AU AU22656/99A patent/AU756987B2/en not_active Ceased
- 1999-02-02 NZ NZ506053A patent/NZ506053A/xx unknown
Also Published As
Publication number | Publication date |
---|---|
IL137337A0 (en) | 2001-07-24 |
CN1290367A (zh) | 2001-04-04 |
NZ506053A (en) | 2003-02-28 |
AU2265699A (en) | 1999-08-23 |
CN1227608C (zh) | 2005-11-16 |
CA2318502A1 (fr) | 1999-08-12 |
JP2002503002A (ja) | 2002-01-29 |
WO1999040521A1 (fr) | 1999-08-12 |
PL343114A1 (en) | 2001-07-30 |
AU756987B2 (en) | 2003-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11531900B2 (en) | Imitation learning for machine learning systems with synthetic data generators | |
Pham et al. | Control chart pattern recognition using a new type of self-organizing neural network | |
CN109816221A (zh) | 项目风险决策方法、装置、计算机设备和存储介质 | |
CN107292097B (zh) | 基于特征组的中医主症选择方法 | |
AU753822B2 (en) | N-tuple or ram based neural network classification system and method | |
CA2318502C (fr) | Procede et systeme de classification dans un reseau neuronal oriente ram ou n-ligne | |
US6393413B1 (en) | N-tuple or RAM based neural network classification system and method | |
Latouche et al. | Model selection in overlapping stochastic block models | |
Guida et al. | Ensemble learning applied to quant equity: gradient boosting in a multifactor framework | |
Ditzler et al. | Incremental learning of new classes from unbalanced data | |
Philps et al. | Continual learning augmented investment decisions | |
Marushko | Using ensembles of neural networks with different scales of input data for the analysis of telemetry data | |
Zhang et al. | Evolutionary-based weighted broad learning system for imbalanced learning | |
Lima et al. | Ensembles of support vector machines for regression problems | |
CN113341890A (zh) | 面向自适应调度与无人生产线协同的智能诊断方法和系统 | |
Swaney et al. | Efficient skin segmentation via neural networks: HP-ELM and BD-SOM | |
CN111860673A (zh) | 基于分箱置信度筛选深度森林的机器学习分类方法 | |
CN118096244B (zh) | 充电桩销量模型训练方法、装置、设备及存储介质 | |
Wang et al. | Sparse recovery with multiple data streams: A sequential adaptive testing approach | |
Ridella et al. | Representation and generalization properties of class-entropy networks | |
Hardin et al. | BNPL Probability of Default Modeling Including Macroeconomic Factors: A Supervised Learning Approach | |
Bellavia et al. | An investigation of stochastic trust-region based algorithms for finite-sum minimization | |
Wang et al. | Function approximation using robust fuzzy-GreyCMAC method | |
Springer | The impact of market sentiment and other exogenous variables on corporate bonds | |
Lin et al. | Selective further learning of hybrid ensemble for class imbalanced increment learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
EEER | Examination request | ||
MKEX | Expiry |
Effective date: 20190204 |