JP2007280008A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2007280008A5 JP2007280008A5 JP2006104983A JP2006104983A JP2007280008A5 JP 2007280008 A5 JP2007280008 A5 JP 2007280008A5 JP 2006104983 A JP2006104983 A JP 2006104983A JP 2006104983 A JP2006104983 A JP 2006104983A JP 2007280008 A5 JP2007280008 A5 JP 2007280008A5
- Authority
- JP
- Japan
- Prior art keywords
- input
- time
- data
- node
- storage network
- 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.)
- Pending
Links
- 230000003111 delayed Effects 0.000 claims 9
- 230000001808 coupling Effects 0.000 claims 6
- 238000010168 coupling process Methods 0.000 claims 6
- 238000005859 coupling reaction Methods 0.000 claims 6
- 238000000034 method Methods 0.000 claims 4
- 238000003672 processing method Methods 0.000 claims 4
- 238000000605 extraction Methods 0.000 claims 1
Claims (8)
前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出する入出力データ抽出手段と、
前記入力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される第１の入力時系列パターン記憶ネットワーク、および第２の入力時系列パターン記憶ネットワークと、
前記出力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される出力時系列パターン記憶ネットワークと
を有し、
前記第１の入力時系列パターン記憶ネットワークのノードと、前記第２の入力時系列パターン記憶ネットワークのノードとが結合されているとともに、前記第２の入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記第１の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである第１の入力勝者ノードを決定し、前記第１の入力勝者ノードに基づいて、前記第１の入力時系列パターン記憶ネットワークを、自己組織的に更新する第１の認識学習処理手段と、
前記第２の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである第２の入力勝者ノードを決定し、前記第２の入力勝者ノードに基づいて、前記第２の入力時系列パターン記憶ネットワークを、自己組織的に更新する第２の認識学習処理手段と、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新する生成学習処理手段と、
前記第１の入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記第１の入力勝者ノードと、前記第２の入力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の入力データに対する前記第２の入力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する処理と、
前記第２の入力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の入力データに対する前記第２の入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する処理と
を行う結合重み更新手段と
を備えるデータ処理装置。 In a data processing device that learns the relationship between input data that is time-series data and output data that is other time-series data,
Input / output data extraction means for extracting input data in a predetermined time unit from the input data and extracting the output data in the predetermined time unit from the output data;
A first input time series pattern storage network composed of a plurality of nodes having a time series pattern model representing a time series pattern that is a pattern of time series data as the input data, and a second input time series pattern storage Network,
An output time-series pattern storage network composed of a plurality of nodes having a time-series pattern model expressing a time-series pattern that is a pattern of time-series data as the output data,
The node of the first input time series pattern storage network and the node of the second input time series pattern storage network are coupled, the node of the second input time series pattern storage network, and the output A node that is most suitable for the input data of the predetermined time unit among the nodes of the first input time-series pattern storage network in the input / output relation model that is coupled to the node of the time-series pattern storage network. A first recognition learning processing means for determining one input winner node and updating the first input time-series pattern storage network in a self-organized manner based on the first input winner node;
A second input winner node which is a node most suitable for the input data of the predetermined time unit is determined from the nodes of the second input time-series pattern storage network, and based on the second input winner node A second recognition learning processing means for updating the second input time-series pattern storage network in a self-organizing manner;
An output winner node which is a node most suitable for the output data of the predetermined time unit is determined from the nodes of the output time series pattern storage network, and the output time series pattern storage network is determined based on the output winner node. Generation learning processing means for self-organizing updating,
The first input winner node for the input data of the predetermined time unit of the first input time series pattern storage network and the input data of the predetermined time unit of the second input time series pattern storage network A process of updating so as to increase the coupling weight indicating the degree of coupling with the second input winner node for the input data in the predetermined time unit delayed by a certain time from the time;
The second input winner node for the input data of the predetermined time unit delayed by a predetermined time from the time of the input data of the predetermined time unit of the second input time series pattern storage network, and the output time Update the sequence pattern storage network to increase the connection weight indicating the degree of connection with the output winner node for the output data of the predetermined time unit delayed by a predetermined time from the time of the input data of the predetermined time unit. A data processing device comprising: a connection weight update unit that performs the following process:
前記出力データは、前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給される時系列のモータデータである
請求項１に記載のデータ処理装置。 The input data is time-series sensor data representing an external state output by the sensor when a robot having a sensor for detecting an external state performs a predetermined action.
The data processing apparatus according to claim 1, wherein the output data is time-series motor data supplied to a motor that drives the robot when the robot makes the predetermined action.
前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出し、
前記入力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される第１の入力時系列パターン記憶ネットワーク、および第２の入力時系列パターン記憶ネットワークと、
前記出力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される出力時系列パターン記憶ネットワークと
を有し、
前記第１の入力時系列パターン記憶ネットワークのノードと、前記第２の入力時系列パターン記憶ネットワークのノードとが結合されているとともに、前記第２の入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記第１の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである第１の入力勝者ノードを決定し、前記第１の入力勝者ノードに基づいて、前記第１の入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記第２の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである第２の入力勝者ノードを決定し、前記第２の入力勝者ノードに基づいて、前記第２の入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記第１の入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記第１の入力勝者ノードと、前記第２の入力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の入力データに対する前記第２の入力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する処理と、
前記第２の入力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の入力データに対する前記第２の入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する処理と
を行う
ステップを含むデータ処理方法。 In a data processing method of a data processing device that learns a relationship between input data that is time-series data and output data that is other time-series data,
Extracting the input data in a predetermined time unit from the input data, and extracting the output data in the predetermined time unit from the output data;
A first input time series pattern storage network composed of a plurality of nodes having a time series pattern model representing a time series pattern that is a pattern of time series data as the input data, and a second input time series pattern storage Network,
An output time-series pattern storage network composed of a plurality of nodes having a time-series pattern model expressing a time-series pattern that is a pattern of time-series data as the output data,
The node of the first input time series pattern storage network and the node of the second input time series pattern storage network are coupled, the node of the second input time series pattern storage network, and the output A node that is most suitable for the input data of the predetermined time unit among the nodes of the first input time-series pattern storage network in the input / output relation model that is coupled to the node of the time-series pattern storage network. 1 input winner node is determined, and based on the first input winner node, the first input time series pattern storage network is updated in a self-organizing manner,
A second input winner node which is a node most suitable for the input data of the predetermined time unit is determined from the nodes of the second input time-series pattern storage network, and based on the second input winner node Updating the second input time-series pattern storage network in a self-organizing manner,
An output winner node which is a node most suitable for the output data of the predetermined time unit is determined from the nodes of the output time series pattern storage network, and the output time series pattern storage network is determined based on the output winner node. Updated in a self-organizing manner
The first input winner node for the input data of the predetermined time unit of the first input time series pattern storage network and the input data of the predetermined time unit of the second input time series pattern storage network A process of updating so as to increase the coupling weight indicating the degree of coupling with the second input winner node for the input data in the predetermined time unit delayed by a certain time from the time;
The second input winner node for the input data of the predetermined time unit delayed by a predetermined time from the time of the input data of the predetermined time unit of the second input time series pattern storage network, and the output time Update the sequence pattern storage network to increase the connection weight indicating the degree of connection with the output winner node for the output data of the predetermined time unit delayed by a predetermined time from the time of the input data of the predetermined time unit. A data processing method including steps for performing and steps.
前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出し、
前記入力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される第１の入力時系列パターン記憶ネットワーク、および第２の入力時系列パターン記憶ネットワークと、
前記出力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される出力時系列パターン記憶ネットワークと
を有し、
前記第１の入力時系列パターン記憶ネットワークのノードと、前記第２の入力時系列パターン記憶ネットワークのノードとが結合されているとともに、前記第２の入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記第１の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである第１の入力勝者ノードを決定し、前記第１の入力勝者ノードに基づいて、前記第１の入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記第２の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである第２の入力勝者ノードを決定し、前記第２の入力勝者ノードに基づいて、前記第２の入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記第１の入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記第１の入力勝者ノードと、前記第２の入力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の入力データに対する前記第２の入力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する処理と、
前記第２の入力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の入力データに対する前記第２の入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する処理と
を行う
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。 In a program that causes a computer to execute data processing for learning the relationship between input data that is time-series data and output data that is other time-series data,
Extracting the input data in a predetermined time unit from the input data, and extracting the output data in the predetermined time unit from the output data;
A first input time series pattern storage network composed of a plurality of nodes having a time series pattern model representing a time series pattern that is a pattern of time series data as the input data, and a second input time series pattern storage Network,
An output time-series pattern storage network composed of a plurality of nodes having a time-series pattern model expressing a time-series pattern that is a pattern of time-series data as the output data,
The node of the first input time series pattern storage network and the node of the second input time series pattern storage network are coupled, the node of the second input time series pattern storage network, and the output A node that is most suitable for the input data of the predetermined time unit among the nodes of the first input time-series pattern storage network in the input / output relation model that is coupled to the node of the time-series pattern storage network. 1 input winner node is determined, and based on the first input winner node, the first input time series pattern storage network is updated in a self-organizing manner,
A second input winner node which is a node most suitable for the input data of the predetermined time unit is determined from the nodes of the second input time-series pattern storage network, and based on the second input winner node Updating the second input time-series pattern storage network in a self-organizing manner,
An output winner node which is a node most suitable for the output data of the predetermined time unit is determined from the nodes of the output time series pattern storage network, and the output time series pattern storage network is determined based on the output winner node. Updated in a self-organizing manner
The first input winner node for the input data of the predetermined time unit of the first input time series pattern storage network and the input data of the predetermined time unit of the second input time series pattern storage network A process of updating so as to increase the coupling weight indicating the degree of coupling with the second input winner node for the input data in the predetermined time unit delayed by a certain time from the time;
The second input winner node for the input data of the predetermined time unit delayed by a predetermined time from the time of the input data of the predetermined time unit of the second input time series pattern storage network, and the output time Update the sequence pattern storage network to increase the connection weight indicating the degree of connection with the output winner node for the output data of the predetermined time unit delayed by a predetermined time from the time of the input data of the predetermined time unit. A program that causes a computer to execute the data processing including the steps of:
前記入力データから所定の時間単位の入力データを抽出する入力データ抽出手段と、
前記入力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される第１の入力時系列パターン記憶ネットワーク、および第２の入力時系列パターン記憶ネットワークと、
前記出力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される出力時系列パターン記憶ネットワークと
を有し、
前記第１の入力時系列パターン記憶ネットワークのノードと、前記第２の入力時系列パターン記憶ネットワークのノードとが結合されているとともに、前記第２の入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記第１の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定する入力勝者ノード決定手段と、
前記第２の入力時系列パターン記憶ネットワークのノードの中から、前記入力勝者ノードとの結合が最強のノードである最強結合ノードを求め、前記出力時系列パターン記憶ネットワークのノードの中から、前記最強結合ノードとの結合が最強のノードを、前記出力データを生成する生成ノードとして決定する生成ノード決定手段と、
前記生成ノードが有する前記時系列パターンモデルに基づいて、前記出力データを生成する生成手段と
を備えるデータ処理装置。 For input data that is time-series data, in a data processing device that generates output data that is other time-series data,
Input data extracting means for extracting input data in a predetermined time unit from the input data;
A first input time series pattern storage network composed of a plurality of nodes having a time series pattern model representing a time series pattern that is a pattern of time series data as the input data, and a second input time series pattern storage Network,
An output time-series pattern storage network composed of a plurality of nodes having a time-series pattern model expressing a time-series pattern that is a pattern of time-series data as the output data,
The node of the first input time series pattern storage network and the node of the second input time series pattern storage network are coupled, the node of the second input time series pattern storage network, and the output An input which is the most suitable node for the input data in the predetermined time unit from among the nodes of the first input time-series pattern storage network in the input / output relation model that is coupled to the node of the time-series pattern storage network An input winner node determining means for determining a winner node;
From the nodes of the second input time-series pattern storage network, a strongest connection node that is the strongest node with the input winner node is obtained, and from the nodes of the output time-series pattern storage network, the strongest connection node is obtained. Generation node determination means for determining a node having the strongest connection with a combination node as a generation node that generates the output data;
A data processing apparatus comprising: generation means for generating the output data based on the time-series pattern model of the generation node.
前記出力データは、前記ロボットを駆動するモータに供給される時系列のモータデータである
請求項５に記載のデータ処理装置。 The input data is time-series sensor data representing an external state output by a sensor included in the robot that detects an external state.
The data processing apparatus according to claim 5, wherein the output data is time-series motor data supplied to a motor that drives the robot.
前記入力データから所定の時間単位の入力データを抽出し、
前記入力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される第１の入力時系列パターン記憶ネットワーク、および第２の入力時系列パターン記憶ネットワークと、
前記出力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される出力時系列パターン記憶ネットワークと
を有し、
前記第１の入力時系列パターン記憶ネットワークのノードと、前記第２の入力時系列パターン記憶ネットワークのノードとが結合されているとともに、前記第２の入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記第１の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、
前記第２の入力時系列パターン記憶ネットワークのノードの中から、前記入力勝者ノードとの結合が最強のノードである最強結合ノードを求め、前記出力時系列パターン記憶ネットワークのノードの中から、前記最強結合ノードとの結合が最強のノードを、前記出力データを生成する生成ノードとして決定し、
前記生成ノードが有する前記時系列パターンモデルに基づいて、前記出力データを生成する
ステップを含むデータ処理方法。 In the data processing method of the data processing apparatus for generating output data that is other time-series data with respect to input data that is time-series data,
Extracting input data in a predetermined time unit from the input data,
A first input time series pattern storage network composed of a plurality of nodes having a time series pattern model representing a time series pattern that is a pattern of time series data as the input data, and a second input time series pattern storage Network,
An output time-series pattern storage network composed of a plurality of nodes having a time-series pattern model expressing a time-series pattern that is a pattern of time-series data as the output data,
The node of the first input time series pattern storage network and the node of the second input time series pattern storage network are coupled, the node of the second input time series pattern storage network, and the output An input which is the most suitable node for the input data in the predetermined time unit from among the nodes of the first input time-series pattern storage network in the input / output relation model that is coupled to the node of the time-series pattern storage network Determine the winner node,
From the nodes of the second input time-series pattern storage network, a strongest connection node that is the strongest node with the input winner node is obtained, and from the nodes of the output time-series pattern storage network, the strongest connection node is obtained. A node having the strongest combination with the combination node is determined as a generation node that generates the output data;
A data processing method including a step of generating the output data based on the time-series pattern model of the generation node.
前記入力データから所定の時間単位の入力データを抽出し、
前記入力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される第１の入力時系列パターン記憶ネットワーク、および第２の入力時系列パターン記憶ネットワークと、
前記出力データとしての時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される出力時系列パターン記憶ネットワークと
を有し、
前記第１の入力時系列パターン記憶ネットワークのノードと、前記第２の入力時系列パターン記憶ネットワークのノードとが結合されているとともに、前記第２の入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記第１の入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、
前記第２の入力時系列パターン記憶ネットワークのノードの中から、前記入力勝者ノードとの結合が最強のノードである最強結合ノードを求め、前記出力時系列パターン記憶ネットワークのノードの中から、前記最強結合ノードとの結合が最強のノードを、前記出力データを生成する生成ノードとして決定し、
前記生成ノードが有する前記時系列パターンモデルに基づいて、前記出力データを生成する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。 In a program that causes a computer to execute data processing for generating output data that is other time-series data for input data that is time-series data,
Extracting input data in a predetermined time unit from the input data,
A first input time series pattern storage network composed of a plurality of nodes having a time series pattern model representing a time series pattern that is a pattern of time series data as the input data, and a second input time series pattern storage Network,
An output time-series pattern storage network composed of a plurality of nodes having a time-series pattern model expressing a time-series pattern that is a pattern of time-series data as the output data,
The node of the first input time series pattern storage network and the node of the second input time series pattern storage network are coupled, the node of the second input time series pattern storage network, and the output An input which is the most suitable node for the input data in the predetermined time unit from among the nodes of the first input time-series pattern storage network in the input / output relation model that is coupled to the node of the time-series pattern storage network Determine the winner node,
From the nodes of the second input time-series pattern storage network, a strongest connection node that is the strongest node with the input winner node is obtained, and from the nodes of the output time-series pattern storage network, the strongest connection node is obtained. A node having the strongest combination with the combination node is determined as a generation node that generates the output data;
A program that causes a computer to execute the data processing including the step of generating the output data based on the time-series pattern model of the generation node .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006104983A JP2007280008A (en) | 2006-04-06 | 2006-04-06 | Data processor, data processing method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006104983A JP2007280008A (en) | 2006-04-06 | 2006-04-06 | Data processor, data processing method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2007280008A JP2007280008A (en) | 2007-10-25 |
| JP2007280008A5 true JP2007280008A5 (en) | 2009-05-14 |
Family
ID=38681401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006104983A Pending JP2007280008A (en) | 2006-04-06 | 2006-04-06 | Data processor, data processing method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2007280008A (en) |
-
2006
- 2006-04-06 JP JP2006104983A patent/JP2007280008A/en active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019091020A1 (en) | Weight data storage method, and neural network processor based on method | |
| CN112783940A (en) | Multi-source time series data fault diagnosis method and medium based on graph neural network | |
| JP2012185812A5 (en) | ||
| JP2006236314A5 (en) | ||
| JP2009500746A5 (en) | ||
| JP2010532055A5 (en) | ||
| RU2007116053A (en) | METHOD FOR COMPUTERIZED TRAINING ONE OR MORE NEURAL NETWORKS | |
| JP2018524704A5 (en) | ||
| JP2009087350A5 (en) | ||
| WO2008033394A3 (en) | Complexity management tool | |
| JP2020038699A5 (en) | ||
| JP2011512590A5 (en) | ||
| GB2604791A (en) | Adding adversarial robustness to trained machine learning models | |
| JP2007172127A5 (en) | ||
| CN105550749A (en) | Method for constructing convolution neural network in novel network topological structure | |
| WO2008000499A3 (en) | Using multiple status models in a computer system | |
| CN109189762A (en) | A kind of industry internet of things data analysis method, system and relevant device | |
| CN110135497A (en) | Method, the method and device of Facial action unit intensity estimation of model training | |
| CN113343901A (en) | Human behavior identification method based on multi-scale attention-driven graph convolutional network | |
| Suleman et al. | Learning from demonstration in robots: Experimental comparison of neural architectures | |
| EP2363251A1 (en) | Robot with Behavioral Sequences on the basis of learned Petri Net Representations | |
| JPWO2020234984A5 (en) | ||
| JP2015114988A5 (en) | ||
| JP2009505198A5 (en) | ||
| JP2007280008A5 (en) |