JP2016506569A5 - - Google Patents

Claims (10)

1. 機械学習システムにおける方法であって、
   プロセッサーにおいて、複数のオプションの各々に対して、該オプションの挙動を記述する複数のサンプルを受けるステップであって、サンプルの数が、自動的に決定された誤差許容範囲に少なくとも部分的に基づき、前記誤差許容範囲が、用途領域または利用可能な計算資源に少なくとも部分的に基づく、ステップと、
   オプション毎に、前記サンプルを使用して点数を計算するステップであって、前記点数が有界差統計を含む、ステップと、
   オプション毎に、前記サンプルを使用して、前記点数の信頼区間を計算するステップと、
   前記信頼区間および前記点数に基づいて、前記オプションの内１つ以上を選択するステップであって、前記信頼区間に基づいて前記１つ以上のオプションを選択することが、
   前記複数のオプションの内の最も高い点数のオプションを決定し、
   前記最も高い点数のオプションの前記信頼区間を、前記複数のオプションの内の別のオプションの前記信頼区間と比較し、
   前記最も高い点数のオプションの前記信頼区間と前記別のオプションの前記信頼区間とが重複しないとき前記別のオプションを更なる検討から除外する、
   ことを含む、ステップと、
   を含む、方法。
2. 請求項１記載の方法において、前記有界差統計が、前記オプションの挙動を記述する前記サンプルから得られた数値であり、前記数値が、前記サンプルの内任意のものが変化したとき、僅かに変化する、方法。
3. 前述の請求項のいずれか１項記載の方法において、前記点数が、情報利得、ジニ利得、分散、およびエントロピーの内任意の１つ以上から選択される、方法。
4. 前述の請求項のいずれか１項記載の方法であって、選択されるオプションが、前記誤差許容範囲内で、全てのオプションの内最良の点数を有するように、前記信頼区間および前記点数に基づいて、１つのオプションを選択するステップを含む、方法。
5. 前述の請求項のいずれか１項記載の方法において、前記信頼区間を計算するステップが、前記オプションに対する点数の分散を推定するステップを含む、方法。
6. 前述の請求項のいずれか１項記載の方法において、前記信頼区間を計算するステップが、Jack-Knife分散推定値を計算することによって、前記オプションに対する点数の分散を推定するステップを含む、方法。
7. 前述の請求項のいずれか１項記載の方法において、前記信頼区間を計算するステップが、前記点数の推定分散に前記誤差許容範囲で２を除算した値の対数を乗算した値の平方根を、定数に乗算した結果を、当該オプションに対する点数にまたはから加算または減算する計算を行うステップを含む、方法。
8. 前述の請求項のいずれか１項記載の方法であって、前記計算した信頼区間をバイアスに対して調節するステップを含む、方法。
9. 前述の請求項のいずれか１項記載の方法であって、フィールド・プログラマブル・ゲート・アレイ、特定プログラム集積回路、特定プログラム標準製品、チップ上システム、複合プログラマブル・ロジック・デバイス、グラフィクス処理ユニットの内任意の１つ以上から選択されたハードウェア・ロジックを使用して、少なくとも部分的に実行される、方法。
10. 機械学習装置であって、
    複数のオプションの各々に対して、該オプションの挙動を記述する複数のサンプルを受けるように構成された採点ロジックであって、サンプルの数が、自動的に決定された誤差許容範囲に少なくとも部分的に基づき、前記誤差許容範囲が、用途領域または利用可能な計算資源に少なくとも部分的に基づく、採点ロジックと、
    前記採点ロジックが、オプション毎に、前記サンプルを使用して、点数を計算するように構成され、前記点数が有界差統計を含み、
    オプション毎に、前記サンプルを使用して前記点数の信頼区間を計算するように構成されたレーシング・ロジックであって、前記複数のオプションの内の最良の点数のオプションを決定し、前記最良の点数のオプションの前記信頼区間を、前記複数のオプションの内の別のオプションの前記信頼区間と比較し、前記最良の点数のオプションの前記信頼区間と前記別のオプションの前記信頼区間とが重複しないとき前記別のオプションを更なる検討から除外する、レーシング・ロジックと、
    前記信頼区間および前記点数に基づいて、前記オプションの内１つ以上を選択するように構成されたプロセッサーと、
    を含む、機械学習装置。