JP2020537797A - セキュアなブローカーによって媒介されるデータ分析および予測 - Google Patents
セキュアなブローカーによって媒介されるデータ分析および予測 Download PDFInfo
- Publication number
- JP2020537797A JP2020537797A JP2020539142A JP2020539142A JP2020537797A JP 2020537797 A JP2020537797 A JP 2020537797A JP 2020539142 A JP2020539142 A JP 2020539142A JP 2020539142 A JP2020539142 A JP 2020539142A JP 2020537797 A JP2020537797 A JP 2020537797A
- Authority
- JP
- Japan
- Prior art keywords
- computing device
- dataset
- client computing
- objects
- shared
- 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.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 title abstract description 6
- 230000001404 mediated effect Effects 0.000 title abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 434
- 230000006870 function Effects 0.000 claims abstract description 279
- 230000036961 partial effect Effects 0.000 claims abstract description 166
- 239000002131 composite material Substances 0.000 claims description 93
- 238000010801 machine learning Methods 0.000 claims description 79
- 230000006872 improvement Effects 0.000 claims description 54
- 150000001875 compounds Chemical class 0.000 claims description 51
- 230000008859 change Effects 0.000 claims description 33
- 238000003759 clinical diagnosis Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000004166 bioassay Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 230000001225 therapeutic effect Effects 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 2
- 238000006731 degradation reaction Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 374
- 210000002569 neuron Anatomy 0.000 description 53
- 238000010586 diagram Methods 0.000 description 51
- 239000011159 matrix material Substances 0.000 description 51
- 238000013500 data storage Methods 0.000 description 25
- 238000013528 artificial neural network Methods 0.000 description 24
- 238000012549 training Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000007876 drug discovery Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 12
- 239000000446 fuel Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000003556 assay Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 230000000670 limiting effect Effects 0.000 description 6
- 230000006798 recombination Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 238000005215 recombination Methods 0.000 description 5
- 241001589086 Bellapiscis medius Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 238000011478 gradient descent method Methods 0.000 description 4
- 230000005055 memory storage Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000002730 additional effect Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 102000053602 DNA Human genes 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- FGRBYDKOBBBPOI-UHFFFAOYSA-N 10,10-dioxo-2-[4-(N-phenylanilino)phenyl]thioxanthen-9-one Chemical compound O=C1c2ccccc2S(=O)(=O)c2ccc(cc12)-c1ccc(cc1)N(c1ccccc1)c1ccccc1 FGRBYDKOBBBPOI-UHFFFAOYSA-N 0.000 description 1
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 206010061223 Ligament injury Diseases 0.000 description 1
- NPPQSCRMBWNHMW-UHFFFAOYSA-N Meprobamate Chemical compound NC(=O)OCC(C)(CCC)COC(N)=O NPPQSCRMBWNHMW-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229940125904 compound 1 Drugs 0.000 description 1
- 229940125782 compound 2 Drugs 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000020803 food preference Nutrition 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- LVTJOONKWUXEFR-FZRMHRINSA-N protoneodioscin Natural products O(C[C@@H](CC[C@]1(O)[C@H](C)[C@@H]2[C@]3(C)[C@H]([C@H]4[C@@H]([C@]5(C)C(=CC4)C[C@@H](O[C@@H]4[C@H](O[C@H]6[C@@H](O)[C@@H](O)[C@@H](O)[C@H](C)O6)[C@@H](O)[C@H](O[C@H]6[C@@H](O)[C@@H](O)[C@@H](O)[C@H](C)O6)[C@H](CO)O4)CC5)CC3)C[C@@H]2O1)C)[C@H]1[C@H](O)[C@H](O)[C@H](O)[C@@H](CO)O1 LVTJOONKWUXEFR-FZRMHRINSA-N 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 206010040872 skin infection Diseases 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- 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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
[0086]例示的な実施形態は、セキュアなブローカーによって媒介されるデータ分析および予測に関する。セキュアなブローカーによって媒介されるデータ分析および予測は、ある当事者のプライベートデータを別の当事者に見せることなしに複数の当事者からのプライベートデータを使用して機械学習モデル(たとえば、人工ニューラルネットワーク)を開発するために使用され得る。本明細書で説明される例示的な一実施形態は方法に関係する。
[0092]以下の説明および添付の図面で、様々な例示的な実施形態の特徴を明らかにする。提供される実施形態は例としてであり、限定的なものとなるものではない。したがって、図面の寸法は必ずしも一定の縮尺であるとは限らない。
[00117]本明細書で説明される様々な実施形態では、いくつかの動作については、管理コンピューティングデバイスおよび/またはクライアントコンピューティングデバイスによって実施されるものとして説明される。単一の管理コンピューティングデバイスによって実施される動作は、(たとえば、計算時間を減少させるために)複数の管理コンピューティングデバイスにわたって拡散され得ることを理解されたい。同様に、単一のクライアントコンピューティングデバイスによって実施される動作は、代わりに、単一のクライアントコンピューティングデバイスの各部分であるコンピューティングデバイスの集合によって実施され得る。なおさらに、複数の動作について、本明細書ではクライアントコンピューティングデバイス(たとえば、クライアントコンピューティングデバイスA402)によって実施されるものとして説明される。また、単一のクライアントコンピューティングデバイス上で実施されるどんな動作も、(たとえば、記録値のそれぞれのデータセット/セットのために)1つまたは複数の他のクライアントコンピューティングデバイス上でミラーリングされ、実施され得ることを理解されたいが、そのようにされることが必要ではない。同様に、いくつかの動作について、本明細書では複数のクライアントコンピューティングデバイスによって実施されるものとして説明されるが、代替実施形態では、ただ1つのクライアントコンピューティングデバイスがそれらの動作を実施し得る(たとえば、いくつかの実施形態では、管理コンピューティングデバイスに1つまたは複数のフィードバック値を送信することが、1つのクライアントコンピューティングデバイスによって実施され得る)ことを理解されたい。なおさらに、いくつかのクライアントコンピューティングデバイスは、記録値の複数のデータセットおよび/または複数のセットを記憶し得、したがって、本明細書で開示される複数のコンピューティングデバイスに対応する行為を実施し得る。またさらに、いくつかの実施形態では、管理コンピューティングデバイスは、(たとえば、対話する当事者/クライアントコンピューティングデバイスによって要求されるプライバシーのレベルに応じて)クライアントコンピューティングデバイスのうちの1つまたは複数と一体化され得る。
[00256]本開示は、様々な態様の例示として意図されている、本出願で説明される特定の実施形態に関して限定されない。当業者には明らかになるように、それの範囲から逸脱することなく多数の修正および変更が行われ得る。本明細書で説明されたものに加えて、本開示の範囲内の機能的に等価な方法および装置が、上記の説明から当業者に明らかになろう。そのような修正および変形は添付の特許請求の範囲内に入るものである。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットの識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、方法である。
管理コンピューティングデバイスによって、各データセットからのオブジェクトの組合せであるオブジェクトの複合リストを作成することと、
管理コンピューティングデバイスによって、複数のデータセットの各々についての識別子のリストの共通部分に基づいて、オブジェクトの複合リストから重複オブジェクトを削除することと
を備える、EEE1〜6のいずれかの方法である。
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する記録値のセット中の非空エントリのうちのどれが、オブジェクトのサブリスト中のオブジェクトに対応するかを識別することと、
それぞれのクライアントコンピューティングデバイスによって、各識別された非空エントリと、それぞれのデータセットに対応する予測値のセット中のそれの対応する予測値との間の個別損失関数を適用することによって、それぞれのデータセットに対応する記録値のセット中の識別された非空エントリの各々の部分誤差値を決定することと、
それぞれのクライアントコンピューティングデバイスによって、部分誤差値を組み合わせることと
を備える、EEE1〜8のいずれかの方法である。
管理コンピューティングデバイスによって、一意のオブジェクトのリストと、共有関数と、1つまたは複数の共有パラメータとに基づいて、データセットの最終共有表現を計算することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々にデータセットの最終共有表現を送信することと
をさらに備える、EEE1〜9のいずれかの方法である。
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについてオブジェクトのサブリストを受信することと、
それぞれのクライアントコンピューティングデバイスによって、オブジェクトのサブリストと、最終共有表現とに基づいて、それぞれのデータセットについて最終部分表現を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する最終部分表現と、個別関数と、1つまたは複数の個別パラメータとに基づいて、それぞれのデータセットに対応する予測値の最終セットを決定することと
を備える、EEE11の方法である。
クライアントコンピューティングデバイスのうちの少なくとも1つによって表示されるか、または
それぞれのクライアントコンピューティングデバイスに対応するデータセット中のオブジェクトに関して1つまたは複数の予測を行うためにクライアントコンピューティングデバイスのうちの少なくとも1つによって使用される、
EEE11または12の方法である。
共有関数が、人工ニューラルネットワークモデルの1つまたは複数の第1の層に対応し、
各個別関数が、人工ニューラルネットワークモデルの1つまたは複数の第2の層の少なくとも一部分に対応し、
1つまたは複数の第1の層のうちの少なくとも1つが、1つまたは複数の第2の層のうちの少なくとも1つへの入力層である、
EEE1〜14のいずれかの方法である。
複数のデータセットの各々がテンソルによって表され、
複数のデータセットのうちの少なくとも1つがスパーステンソルによって表される、
EEE1〜19のいずれかの方法である。
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの共有学習率を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に共有学習率を送信することと
をさらに備える、EEE23の方法である。
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することが、それぞれのクライアントコンピューティングデバイスによって、勾配降下法を実施することに対応し、
共有学習率が勾配降下法によって定義される、
EEE23の方法である。
管理コンピューティングデバイスによって、識別子の複合リストから識別子の追加のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子の追加のサブセット中の各識別子に対応する一意のオブジェクトのリストの追加のサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストの追加のサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの修正された共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子の追加のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトの追加のサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトの追加のサブリストと、修正された共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて、修正された部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトの追加のサブリストと、
それぞれのデータセットについての修正された部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数の修正されたフィードバック値を受信することと、ここにおいて、1つまたは複数の修正されたフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値の修正されたセットを決定することと、ここにおいて、予測値の修正されたセットが、それぞれのデータセットに対応する修正された部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値の修正されたセットと、オブジェクトの追加のサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての修正された誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数の修正されたフィードバック値を決定することと、ここにおいて、1つまたは複数の修正されたフィードバック値が、予測値のセットの改善に対応する修正された部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトの追加のサブリストと、1つまたは複数の修正されたフィードバック値とに基づいて、1つまたは複数の修正されたアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数の修正されたアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと、
管理コンピューティングデバイスによって、1つまたは複数の修正されたアグリゲートされたフィードバック値に基づいて、すべてのそれぞれのデータセットについての修正された誤差に対応するアグリゲートされた誤差が最小限に抑えられたと決定することと
をさらに備える、EEE1〜28のいずれかの方法である。
クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値がフィードバックテンソルに編成され、
各それぞれのフィードバックテンソルが、それぞれの部分表現の次元性に等しい次元性を有する、
EEE1〜29のいずれかの方法である。
1つまたは複数のアグリゲートされたフィードバック値が、アグリゲートされたフィードバックテンソルに編成され、
アグリゲートされたフィードバックテンソルが、共有表現の次元性に等しい次元性を有する、
EEE1〜30のいずれかの方法である。
管理コンピューティングデバイスによって、複数のクライアントコンピューティングデバイスのうちの第1のクライアントコンピューティングデバイスから1つまたは複数の共有パラメータの初期値を受信することと、
管理コンピューティングデバイスによって、1つまたは複数の共有パラメータの初期値に基づいて、共有関数と、1つまたは複数の共有パラメータとを初期化することと
をさらに備える、EEE1〜31のいずれかの方法である。
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を表すテンソルを定義することと、
管理コンピューティングデバイスによって、オブジェクトのサブリストに基づいて、共有識別子を有するオブジェクトのサブリスト中のオブジェクトに対応するクライアントコンピューティングデバイスからの1つまたは複数のフィードバック値のうちのフィードバック値を、1つまたは複数のアグリゲートされたフィードバック値を表すテンソルの共有エントリにまとめることと
を備える、EEE1〜36のいずれかの方法である。
1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することが、偏導関数の和を評価することを備え、
偏導関数の各々が、1つまたは複数の共有パラメータに対するそれぞれのデータセットについての誤差の偏導関数である、
EEE1〜37のいずれかの方法である。
1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することが、第1の偏導関数と第2の偏導関数との積の和を評価することを備え、
第1の偏導関数が、それぞれの部分表現に対するそれぞれのデータセットについての誤差の偏導関数であり、
第2の偏導関数が、1つまたは複数の共有パラメータに対するそれぞれの部分表現の偏導関数である、
EEE1〜37のいずれかの方法である。
複数のデータセットの各々が、少なくとも2つの次元を備え、
複数のデータセットの各々の第1の次元が、複数の化学的化合物を備え、
複数のデータセットの各々の第2の次元が、化学的化合物の記述子を備え、
複数のデータセットの各々中のエントリは、それぞれの化学的化合物がそれぞれの記述子を示すかどうかのバイナリ指標に対応し、
複数のデータセットの各々に対応する記録値のセットの各々が、少なくとも2つの次元を備え、
記録値のセットの各々の第1の次元が、複数の化学的化合物を備え、
記録値のセットの各々の第2の次元が、複数の生物学的アッセイにおける化学的化合物の活動性を備え、
記録値のセットの各々中のエントリは、それぞれの化学的化合物がそれぞれの活動性を示すかどうかのバイナリ指標に対応する、
EEE1〜40のいずれかの方法である。
管理コンピューティングデバイスによって、一意のオブジェクトのリストと、共有関数と、1つまたは複数の共有パラメータとに基づいて、データセットの最終共有表現を計算することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々にデータセットの最終共有表現を送信することと
をさらに備える、EEE41の方法であり、
ここにおいて、データセットの最終共有表現は、それぞれのデータセットに対応する予測値の最終セットを決定するためにクライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の最終セットは、複数の化学的化合物の中で1つまたは複数の有効な治療化合物を識別するためにクライアントコンピューティングデバイスのうちの少なくとも1つによって使用される。
複数のデータセットの各々が、少なくとも2つの次元を備え、
複数のデータセットの各々の第1の次元が、複数の患者を備え、
複数のデータセットの各々の第2の次元が、患者の記述子を備え、
複数のデータセットの各々中のエントリは、それぞれの患者がそれぞれの記述子を示すかどうかのバイナリ指標に対応し、
複数のデータセットの各々に対応する記録値のセットの各々が、少なくとも2つの次元を備え、
記録値のセットの各々の第1の次元が、複数の患者を備え、
記録値のセットの各々の第2の次元が、患者の臨床診断を備え、
記録値のセットの各々中のエントリは、それぞれの患者がそれぞれの臨床診断を示すかどうかのバイナリ指標に対応する、
EEE1〜40のいずれかの方法である。
管理コンピューティングデバイスによって、一意のオブジェクトのリストと、共有関数と、1つまたは複数の共有パラメータとに基づいて、データセットの最終共有表現を計算することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々にデータセットの最終共有表現を送信することと
をさらに備える、EEE43の方法であり、
ここにおいて、データセットの最終共有表現は、それぞれのデータセットに対応する予測値の最終セットを決定するためにクライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の最終セットは、複数の患者のうちの少なくとも1人を診断するためにクライアントコンピューティングデバイスのうちの少なくとも1つによって使用される。
複数のデータセットの各々が、少なくとも2つの次元を備え、
複数のデータセットの各々の第1の次元が、複数のユーザを備え、
複数のデータセットの各々の第2の次元が、複数の書籍タイトルを備え、
複数のデータセットの各々中のエントリが、それぞれのユーザによるそれぞれの書籍タイトルのレーティングに対応し、
複数のデータセットの各々に対応する記録値のセットの各々が、少なくとも2つの次元を備え、
記録値のセットの各々の第1の次元が、複数のユーザを備え、
記録値のセットの各々の第2の次元が、複数のムービータイトルを備え、
記録値のセットの各々中のエントリが、それぞれのユーザによるそれぞれのムービータイトルのレーティングに対応する、
EEE1〜40のいずれかの方法である。
管理コンピューティングデバイスによって、一意のオブジェクトのリストと、共有関数と、1つまたは複数の共有パラメータとに基づいて、データセットの最終共有表現を計算することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々にデータセットの最終共有表現を送信することと
をさらに備える、EEE45の方法であり、
ここにおいて、データセットの最終共有表現は、それぞれのデータセットに対応する予測値の最終セットを決定するためにクライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の最終セットは、複数のユーザのうちの少なくとも1人に複数のムービータイトルのうちの少なくとも1つを推奨するためにクライアントコンピューティングデバイスのうちの少なくとも1つによって使用される。
複数のデータセットの各々が、少なくとも2つの次元を備え、
複数のデータセットの各々の第1の次元が、複数の保険証券を備え、
複数のデータセットの各々の第2の次元が、複数の控除免責額を備え、
複数のデータセットの各々中のエントリは、それぞれの保険証券がそれぞれの控除免責額を有するかどうかのバイナリ指標に対応し、
複数のデータセットの各々に対応する記録値のセットの各々が、少なくとも2つの次元を備え、
記録値のセットの各々の第1の次元が、複数の保険証券を備え、
記録値のセットの各々の第2の次元が、複数の保険料を備え、
記録値のセットの各々中のエントリは、それぞれの保険証券がそれぞれの保険料を有するかどうかのバイナリ指標に対応する、
EEE1〜40のいずれかの方法である。
管理コンピューティングデバイスによって、一意のオブジェクトのリストと、共有関数と、1つまたは複数の共有パラメータとに基づいて、データセットの最終共有表現を計算することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々にデータセットの最終共有表現を送信することと
をさらに備える、EEE47の方法であり、
ここにおいて、データセットの最終共有表現は、それぞれのデータセットに対応する予測値の最終セットを決定するためにクライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の最終セットは、予想される控除免責額に基づいて保険料を推奨するためにクライアントコンピューティングデバイスのうちの少なくとも1つによって使用される。
複数のデータセットの各々が、少なくとも2つの次元を備え、
複数のデータセットの各々の第1の次元が、複数の自動車を備え、
複数のデータセットの各々の第2の次元が、複数の自動車部品を備え、
複数のデータセットの各々中のエントリが、それぞれの自動車がそれぞれの自動車部品を装備しているかどうかのバイナリ指標に対応し、
複数のデータセットの各々に対応する記録値のセットの各々が、少なくとも2つの次元を備え、
記録値のセットの各々の第1の次元が、複数の自動車を備え、
記録値のセットの各々の第2の次元が、複数の平均燃料効率を備え、
記録値のセットの各々中のエントリが、それぞれの自動車がそれぞれの平均燃料効率を有するかどうかのバイナリ指標に対応する、
EEE1〜40のいずれかの方法である。
管理コンピューティングデバイスによって、一意のオブジェクトのリストと、共有関数と、1つまたは複数の共有パラメータとに基づいて、データセットの最終共有表現を計算することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々にデータセットの最終共有表現を送信することと
をさらに備える、EEE49の方法であり、
ここにおいて、データセットの最終共有表現は、それぞれのデータセットに対応する予測値の最終セットを決定するためにクライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の最終セットは、装備されている自動車部品のセットに基づいて自動車モデルの平均燃料効率を予測するためにクライアントコンピューティングデバイスのうちの少なくとも1つによって使用される。
それぞれのクライアントコンピューティングデバイスのそれぞれのデータセットが1次メモリストレージに記憶され、
それぞれのデータセットに対応する記録値のセットが2次メモリストレージに記憶される、
EEE1〜50のいずれかの方法である。
複数のデータセットのうちの1つに対応する予測値のセットの各々が、予測値テンソルに対応し、
予測値テンソルが、第2のテンソルによって乗算される第1のテンソルに分解され、
第1のテンソルが、1つまたは複数の共有パラメータによって乗算されるそれぞれのデータセットに対応する、
EEE1〜14、18〜20、または22〜51のいずれかの方法である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、ここにおいて、各データセットが、複数の化学的化合物をそれらの化学的化合物の複数の記述子に関係付け、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、ここにおいて、それぞれのデータセットに対応する記録値のセットが、複数の化学的化合物を複数の生物学的アッセイにおけるそれらの化学的化合物の活動性に関係付ける、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、方法であり、
ここにおいて、共有表現、共有関数、あるいは1つまたは複数の共有パラメータは、複数の化学的化合物の中で1つまたは複数の有効な治療化合物を識別するために複数のクライアントコンピューティングデバイスのうちの少なくとも1つによって使用可能である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、ここにおいて、各データセットが、複数の患者をそれらの患者の複数の記述子に関係付け、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットの識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、ここにおいて、それぞれのデータセットに対応する記録値のセットが、複数の患者を患者の臨床診断に関係付ける、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、方法であり、
ここにおいて、共有表現、共有関数、あるいは1つまたは複数の共有パラメータは、複数の患者のうちの1人または複数を診断するために複数のクライアントコンピューティングデバイスのうちの少なくとも1つによって使用可能である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、ここにおいて、各データセットが、複数のユーザによる複数の書籍タイトルについての書籍レーティングのセットを提供し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、ここにおいて、それぞれのデータセットに対応する記録値のセットが、複数のユーザによる複数のムービータイトルについてのムービーレーティングのセットを提供する、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、方法であり、
ここにおいて、共有表現、共有関数、あるいは1つまたは複数の共有パラメータは、複数のユーザのうちの1人または複数にムービーを推奨するために複数のクライアントコンピューティングデバイスのうちの少なくとも1つによって使用可能である。
第1のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに、第1のクライアントコンピューティングデバイスに対応する第1のデータセットを送信することと、
ここにおいて、第1のデータセットが、複数のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに送信される複数のデータセットのうちの1つであり、
ここにおいて、各データセットが記録値のセットに対応し、および
ここにおいて、各データセットがオブジェクトを備える、
第1のクライアントコンピューティングデバイスによって、第1のデータセットについてのオブジェクトの第1のサブリストと、第1のデータセットについての第1の部分表現とを受信することと、
ここにおいて、第1のデータセットについてのオブジェクトの第1のサブリストと、第1のデータセットについての第1の部分表現とが、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、複数のデータセットの共有表現を計算することと、
管理コンピューティングデバイスによって、第1のデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、第1のデータセットについてオブジェクトの第1のサブリストを決定することと、
管理コンピューティングデバイスによって、オブジェクトの第1のサブリストと、共有表現とに基づいて、第1のデータセットについて第1の部分表現を決定することと
によって管理コンピューティングデバイスによって決定される、
第1のクライアントコンピューティングデバイスによって、第1のデータセットに対応する予測値の第1のセットを決定することと、ここにおいて、予測値の第1のセットが、第1のデータセットに対応する第1の部分表現と、1つまたは複数の第1の個別パラメータをもつ第1の個別関数とに基づく、
第1のクライアントコンピューティングデバイスによって、第1のデータセットについての第1の個別損失関数と、第1のデータセットに対応する予測値の第1のセットと、オブジェクトの第1のサブリストと、第1のデータセットに対応する記録値のセット中の非空エントリとに基づいて、第1のデータセットについての第1の誤差を決定することと、
第1のクライアントコンピューティングデバイスによって、第1のデータセットについての1つまたは複数の第1の個別パラメータを更新することと、
第1のクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値の第1のセットの改善に対応する第1の部分表現の変化を決定するために使用される、
第1のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに、1つまたは複数のフィードバック値を送信することと
を備える、方法であり、
ここにおいて、1つまたは複数のフィードバック値は、1つまたは複数のアグリゲートされたフィードバック値を決定するために複数のクライアントコンピューティングデバイスからのオブジェクトのサブリストとともに管理コンピューティングデバイスによって使用可能であり、および
ここにおいて、1つまたは複数のアグリゲートされたフィードバック値は、1つまたは複数の共有パラメータを更新するために管理コンピューティングデバイスによって使用可能である。
複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
複数のデータセットの中から一意のオブジェクトのリストを決定することと、
識別子の複合リストから識別子のサブセットを選択することと、
識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える方法を実施するようにプロセッサによって実行可能である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと、
管理コンピューティングデバイスによって、メモリ上に、共有表現と、共有関数と、1つまたは複数の共有パラメータとを記憶することと
を備える方法に従って生成される。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと、
コンピューティングデバイスによって、データセットに対応する予測値の追加のセットを決定するために、共有表現、共有関数、あるいは1つまたは複数の共有パラメータを使用することと
を備える、方法である。
複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
複数のデータセットの中から一意のオブジェクトのリストを決定することと、
識別子の複合リストから識別子のサブセットを選択することと、
識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える。
管理コンピューティングデバイスに、サーバデバイスに対応する第1のデータセットを送信することと、
ここにおいて、第1のデータセットが、複数のサーバデバイスによって管理コンピューティングデバイスに送信される複数のデータセットのうちの1つであり、
ここにおいて、各データセットが記録値のセットに対応し、および
ここにおいて、各データセットがオブジェクトを備える、
第1のデータセットについてのオブジェクトの第1のサブリストと、第1のデータセットの第1の部分表現とを受信することと、
ここにおいて、第1のデータセットについてのオブジェクトの第1のサブリストと、第1のデータセットの第1の部分表現とが、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、複数のデータセットの共有表現を計算することと、
管理コンピューティングデバイスによって、第1のデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、第1のデータセットについてオブジェクトの第1のサブリストを決定することと、
管理コンピューティングデバイスによって、オブジェクトの第1のサブリストと、共有表現とに基づいて、第1のデータセットについて第1の部分表現を決定することと
によって管理コンピューティングデバイスによって決定される、
第1のデータセットに対応する予測値の第1のセットを決定することと、ここにおいて、予測値の第1のセットが、第1のデータセットに対応する第1の部分表現と、1つまたは複数の第1の個別パラメータをもつ第1の個別関数とに基づく、
第1のデータセットについての第1の個別損失関数と、第1のデータセットに対応する予測値の第1のセットと、オブジェクトの第1のサブリストと、第1のデータセットに対応する記録値のセット中の非空エントリとに基づいて、第1のデータセットについての第1の誤差を決定することと、
第1のデータセットについての1つまたは複数の第1の個別パラメータを更新することと、
1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値の第1のセットの改善に対応する第1の部分表現の変化を決定するために使用される、
管理コンピューティングデバイスに、1つまたは複数のフィードバック値を送信することと
を備え、
ここにおいて、1つまたは複数のフィードバック値は、1つまたは複数のアグリゲートされたフィードバック値を決定するために複数のサーバデバイスからのオブジェクトのサブリストとともに管理コンピューティングデバイスによって使用可能であり、および
ここにおいて、1つまたは複数のアグリゲートされたフィードバック値は、1つまたは複数の共有パラメータを更新するために管理コンピューティングデバイスによって使用可能である。
サーバデバイスと、
サーバデバイスにそれぞれ通信可能に結合された複数のクライアントデバイスと
を備える、システムであり、
ここにおいて、サーバデバイスは、プロセッサによって実行されたとき、第1の方法を実施する命令をその上に記憶しており、第1の方法は、
複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントデバイスのうちのそれぞれのクライアントデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
複数のデータセットの中から一意のオブジェクトのリストを決定することと、
識別子の複合リストから識別子のサブセットを選択することと、
識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントデバイスのそれぞれのデータセットについて部分表現を決定することと、
クライアントデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと
を備え、
ここにおいて、各クライアントデバイスは、プロセッサによって実行されたとき、第2の方法を実施する命令をその上に記憶しており、第2の方法は、
それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
サーバデバイスに、1つまたは複数のフィードバック値を送信することと
を備え、
ここにおいて、第1の方法は、
オブジェクトのサブリストと、クライアントデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
をさらに備える。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと、
管理コンピューティングデバイスによって、共有関数と、1つまたは複数の更新された共有パラメータとに基づいて、データセットの更新された共有表現を計算することと、
ここにおいて、更新された共有表現は、最適化されたモデルに対応する、
を備える。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、コンピュータ実装方法である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、ここにおいて、各データセットが、複数の化学的化合物をそれらの化学的化合物の複数の記述子に関係付け、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、ここにおいて、それぞれのデータセットに対応する記録値のセットが、複数の化学的化合物を複数の生物学的アッセイにおけるそれらの化学的化合物の活動性に関係付ける、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、コンピュータ実装方法であり、
ここにおいて、共有表現、共有関数、あるいは1つまたは複数の共有パラメータは、複数の化学的化合物の中で1つまたは複数の有効な治療化合物を識別するために複数のクライアントコンピューティングデバイスのうちの少なくとも1つによって使用可能である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、ここにおいて、各データセットが、複数の患者をそれらの患者の複数の記述子に関係付け、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、ここにおいて、それぞれのデータセットに対応する記録値のセットが、複数の患者を患者の臨床診断に関係付ける、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、コンピュータ実装方法であり、
ここにおいて、共有表現、共有関数、あるいは1つまたは複数の共有パラメータは、複数の患者のうちの1人または複数を診断するために複数のクライアントコンピューティングデバイスのうちの少なくとも1つによって使用可能である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、ここにおいて、各データセットが、複数のユーザによる複数の書籍タイトルについての書籍レーティングのセットを提供し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、ここにおいて、それぞれのデータセットに対応する記録値のセットが、複数のユーザによる複数のムービータイトルについてのムービーレーティングのセットを提供する、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと
を備える、コンピュータ実装方法であり、
ここにおいて、共有表現、共有関数、あるいは1つまたは複数の共有パラメータは、複数のユーザのうちの1人または複数にムービーを推奨するために複数のクライアントコンピューティングデバイスのうちの少なくとも1つによって使用可能である。
第1のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに、第1のクライアントコンピューティングデバイスに対応する第1のデータセットを送信することと、
ここにおいて、第1のデータセットが、複数のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに送信される複数のデータセットのうちの1つであり、
ここにおいて、各データセットが記録値のセットに対応し、および
ここにおいて、各データセットがオブジェクトを備える、
第1のクライアントコンピューティングデバイスによって、第1のデータセットについてのオブジェクトの第1のサブリストと、第1のデータセットの第1の部分表現とを受信することと、
ここにおいて、第1のデータセットについてのオブジェクトの第1のサブリストと、第1のデータセットの第1の部分表現とが、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、複数のデータセットの共有表現を計算することと、
管理コンピューティングデバイスによって、第1のデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、第1のデータセットについてオブジェクトの第1のサブリストを決定することと、
管理コンピューティングデバイスによって、オブジェクトの第1のサブリストと、共有表現とに基づいて、第1のデータセットについて第1の部分表現を決定することと
によって管理コンピューティングデバイスによって決定される、
第1のクライアントコンピューティングデバイスによって、第1のデータセットに対応する予測値の第1のセットを決定することと、ここにおいて、予測値の第1のセットが、第1のデータセットに対応する第1の部分表現と、1つまたは複数の第1の個別パラメータをもつ第1の個別関数とに基づく、
第1のクライアントコンピューティングデバイスによって、第1のデータセットについての第1の個別損失関数と、第1のデータセットに対応する予測値の第1のセットと、オブジェクトの第1のサブリストと、第1のデータセットに対応する記録値のセット中の非空エントリとに基づいて、第1のデータセットについての第1の誤差を決定することと、
第1のクライアントコンピューティングデバイスによって、第1のデータセットについての1つまたは複数の第1の個別パラメータを更新することと、
第1のクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値の第1のセットの改善に対応する第1の部分表現の変化を決定するために使用される、
第1のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに、1つまたは複数のフィードバック値を送信することと
を備える、コンピュータ実装方法であり、
ここにおいて、1つまたは複数のフィードバック値は、1つまたは複数のアグリゲートされたフィードバック値を決定するために複数のクライアントコンピューティングデバイスからのオブジェクトのサブリストとともに管理コンピューティングデバイスによって使用可能であり、および
ここにおいて、1つまたは複数のアグリゲートされたフィードバック値は、1つまたは複数の共有パラメータを更新するために管理コンピューティングデバイスによって使用可能である。
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、複数のデータセットのうちの各データセットの識別子のリストの組合せを備える識別子の複合リストとを決定することと、
管理コンピューティングデバイスによって、複数のデータセットの中から一意のオブジェクトのリストを決定することと、
管理コンピューティングデバイスによって、識別子の複合リストから識別子のサブセットを選択することと、
管理コンピューティングデバイスによって、識別子のサブセット中の各識別子に対応する一意のオブジェクトのリストのサブセットを決定することと、
管理コンピューティングデバイスによって、一意のオブジェクトのリストのサブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、データセットの共有表現を計算することと、
管理コンピューティングデバイスによって、それぞれのデータセットについての識別子のリストとの識別子のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについてオブジェクトのサブリストを決定することと、
管理コンピューティングデバイスによって、それぞれのデータセットについてのオブジェクトのサブリストと、共有表現とに基づいて、各クライアントコンピューティングデバイスのそれぞれのデータセットについて部分表現を決定することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスの各々に、
それぞれのデータセットについてのオブジェクトのサブリストと、
それぞれのデータセットについての部分表現と
を送信することと、
管理コンピューティングデバイスによって、クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数のフィードバック値を受信することと、ここにおいて、1つまたは複数のフィードバック値は、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値のセットが、それぞれのデータセットに対応する部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての個別損失関数と、それぞれのデータセットに対応する予測値のセットと、オブジェクトのサブリストと、それぞれのデータセットに対応する記録値のセット中の非空エントリとに基づいて、それぞれのデータセットについての誤差を決定することと、
それぞれのクライアントコンピューティングデバイスによって、それぞれのデータセットについての1つまたは複数の個別パラメータを更新することと、
それぞれのクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、1つまたは複数のフィードバック値が、予測値のセットの改善に対応する部分表現の変化を決定するために使用される、
によってクライアントコンピューティングデバイスによって決定される、
管理コンピューティングデバイスによって、オブジェクトのサブリストと、クライアントコンピューティングデバイスからの1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
管理コンピューティングデバイスによって、1つまたは複数のアグリゲートされたフィードバック値に基づいて1つまたは複数の共有パラメータを更新することと、
コンピューティングデバイスによって、データセットに対応する予測値の追加のセットを決定するために、共有表現、共有関数、あるいは1つまたは複数の共有パラメータを使用することと
を備える、コンピュータ実装方法である。
Claims (27)
- 管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、前記複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
前記管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、前記複数のデータセットのうちの各データセットの識別子の前記リストの組合せを備える識別子の複合リストとを決定することと、
前記管理コンピューティングデバイスによって、前記複数のデータセットの中から一意のオブジェクトのセットを決定することと、
前記管理コンピューティングデバイスによって、識別子の前記複合リストから識別子のサブセットを選択することと、
前記管理コンピューティングデバイスによって、識別子の前記サブセット中の各識別子に対応する一意のオブジェクトの前記セットのサブセットを決定することと、
前記管理コンピューティングデバイスによって、一意のオブジェクトの前記セットの前記サブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、前記データセットの共有表現を計算することと、
前記管理コンピューティングデバイスによって、前記それぞれのデータセットについての識別子の前記リストとの識別子の前記サブセットの共通部分に基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについてオブジェクトのサブセットを決定することと、
前記管理コンピューティングデバイスによって、前記それぞれのデータセットについてのオブジェクトの前記サブセットと、前記共有表現とに基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについて部分表現を決定することと、
前記管理コンピューティングデバイスによって、1つまたは複数のフィードバック値を収集することと、ここにおいて、前記1つまたは複数のフィードバック値の各々が、前記それぞれのデータセットに対応する記録値の前記セットと比較された予測値のセットの改善に対応する前記部分表現の変化として決定される、
前記管理コンピューティングデバイスによって、オブジェクトの前記サブセットと、前記クライアントコンピューティングデバイスからの前記1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
前記管理コンピューティングデバイスによって、前記1つまたは複数のアグリゲートされたフィードバック値に基づいて前記1つまたは複数の共有パラメータを更新することと
を備える、機械学習のための方法。 - 各データセットが、複数の次元においてオブジェクトを備え、前記データセットの各々についての前記複数の次元のうちの少なくとも1つにおける前記オブジェクトが、同じタイプである、請求項1に記載の方法。
- 各データセットの識別子の前記それぞれのリストが、各データセットについてのオブジェクトのセットに対応し、ここにおいて、前記複数のデータセットの前記識別子が、共通のシンタックスに従って定義される、請求項1または2に記載の方法。
- 前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスの各々に、前記それぞれのデータセットについてのオブジェクトの前記サブセットと、前記それぞれのデータセットについての前記部分表現とを送信することをさらに備え、前記収集することが、前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスのうちの少なくとも1つから1つまたは複数のフィードバック値を受信することを備える、先行する請求項のいずれか一項に記載の方法。
- 前記1つまたは複数のフィードバック値は、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットに対応する予測値のセットを決定することと、ここにおいて、予測値の前記セットが、前記それぞれのデータセットに対応する前記部分表現と、1つまたは複数の個別パラメータをもつ個別関数とに基づく、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットについての個別損失関数と、前記それぞれのデータセットに対応する予測値の前記セットと、オブジェクトの前記サブセットと、前記それぞれのデータセットに対応する記録値の前記セット中の非空エントリとに基づいて、前記それぞれのデータセットについての誤差を決定することと、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットについての前記1つまたは複数の個別パラメータを更新することと、
前記それぞれのクライアントコンピューティングデバイスによって、前記1つまたは複数のフィードバック値を決定することと、ここにおいて、前記1つまたは複数のフィードバック値が、予測値の前記セットの改善に対応する前記部分表現の変化を決定するために使用される、
によって、前記クライアントコンピューティングデバイスによって決定される、請求項4に記載の方法。 - 前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスの各々に、前記共有関数と、前記1つまたは複数の共有パラメータとを送信することをさらに備える、請求項4または5に記載の方法。
- 前記管理コンピューティングデバイスによって、前記複数のデータセットの中から一意のオブジェクトの前記セットを決定することが、
前記管理コンピューティングデバイスによって、各データセットからの前記オブジェクトの組合せであるオブジェクトの複合セットを作成することと、
前記管理コンピューティングデバイスによって、前記複数のデータセットの各々についての識別子の前記リストの共通部分に基づいて、オブジェクトの前記複合セットから重複オブジェクトを削除することと
を備える、先行する請求項のいずれか一項に記載の方法。 - 前記それぞれのデータセットについての前記誤差を決定することは、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットに対応する記録値の前記セット中の前記非空エントリのうちのどれが、オブジェクトの前記サブセット中のオブジェクトに対応するかを識別することと、
前記それぞれのクライアントコンピューティングデバイスによって、各識別された非空エントリと、前記それぞれのデータセットに対応する予測値の前記セット中のそれの対応する予測値との間の前記個別損失関数を適用することによって、前記それぞれのデータセットに対応する記録値の前記セット中の前記識別された非空エントリの各々についての部分誤差値を決定することと、
前記それぞれのクライアントコンピューティングデバイスによって、前記部分誤差値を組み合わせることと
を備える、請求項5に記載の方法。 - 前記管理コンピューティングデバイスによって、一意のオブジェクトの前記セットと、前記共有関数と、前記1つまたは複数の共有パラメータとに基づいて、前記データセットの最終共有表現を計算することと、
前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスの各々に前記データセットの前記最終共有表現を送信することと
をさらに備える、先行する請求項のいずれか一項に記載の方法。 - 前記データセットの前記最終共有表現が、前記それぞれのデータセットに対応する予測値の最終セットを決定するために前記クライアントコンピューティングデバイスの各々によって使用可能である、請求項9に記載の方法。
- 前記それぞれのデータセットに対応する予測値の前記最終セットを決定することが、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットについてオブジェクトの前記サブセットを受信することと、
前記それぞれのクライアントコンピューティングデバイスによって、オブジェクトの前記サブセットと、前記最終共有表現とに基づいて、それぞれのデータセットについて最終部分表現を決定することと、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットに対応する前記最終部分表現と、前記個別関数と、前記1つまたは複数の個別パラメータとに基づいて、前記それぞれのデータセットに対応する予測値の前記最終セットを決定することと
を備える、請求項10に記載の方法。 - 前記クライアントコンピューティングデバイスの各々からの前記1つまたは複数のフィードバック値が逆伝搬誤差に基づく、請求項5に記載の方法。
- 前記複数のデータセットの各々が、等しい次元数を備える、先行する請求項のいずれか一項に記載の方法。
- 前記複数のデータセットの各々がテンソルによって表され、
前記複数のデータセットのうちの少なくとも1つがスパーステンソルによって表される、
先行する請求項のいずれか一項に記載の方法。 - 前記管理コンピューティングデバイスによって、識別子の前記複合リストから識別子の追加のサブセットを選択することと、
前記管理コンピューティングデバイスによって、識別子の前記追加のサブセット中の各識別子に対応する一意のオブジェクトの前記セットの追加のサブセットを決定することと、
前記管理コンピューティングデバイスによって、一意のオブジェクトの前記セットの前記追加のサブセットと、前記1つまたは複数の共有パラメータを有する前記共有関数とに基づいて、前記データセットの修正された共有表現を計算することと、
前記管理コンピューティングデバイスによって、前記それぞれのデータセットについての識別子の前記リストとの識別子の前記追加のサブセットの共通部分に基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについてオブジェクトの追加のサブセットを決定することと、
前記管理コンピューティングデバイスによって、前記それぞれのデータセットについてのオブジェクトの前記追加のサブセットと、前記修正された共有表現とに基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについて、修正された部分表現を決定することと、
前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスの各々に、
前記それぞれのデータセットについてのオブジェクトの前記追加のサブセットと、
前記それぞれのデータセットについての前記修正された部分表現と
を送信することと、
前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスのうちの少なくとも1つから、1つまたは複数の修正されたフィードバック値を受信することと、ここにおいて、前記1つまたは複数の修正されたフィードバック値は、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットに対応する予測値の修正されたセットを決定することと、ここにおいて、予測値の前記修正されたセットが、前記それぞれのデータセットに対応する前記修正された部分表現と、前記1つまたは複数の個別パラメータをもつ前記個別関数とに基づく、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットについての前記個別損失関数と、前記それぞれのデータセットに対応する予測値の前記修正されたセットと、オブジェクトの前記追加のサブセットと、前記それぞれのデータセットに対応する記録値の前記セット中の前記非空エントリとに基づいて、前記それぞれのデータセットについての修正された誤差を決定することと、
前記それぞれのクライアントコンピューティングデバイスによって、前記それぞれのデータセットについての前記1つまたは複数の個別パラメータを更新することと、
前記それぞれのクライアントコンピューティングデバイスによって、前記1つまたは複数の修正されたフィードバック値を決定することと、ここにおいて、前記1つまたは複数の修正されたフィードバック値が、予測値の前記セットの改善に対応する前記修正された部分表現の変化を決定するために使用される、
によって前記クライアントコンピューティングデバイスによって決定される、
前記管理コンピューティングデバイスによって、オブジェクトの前記追加のサブセットと、前記1つまたは複数の修正されたフィードバック値とに基づいて、1つまたは複数の修正されたアグリゲートされたフィードバック値を決定することと、
前記管理コンピューティングデバイスによって、前記1つまたは複数の修正されたアグリゲートされたフィードバック値に基づいて前記1つまたは複数の共有パラメータを更新することと、
前記管理コンピューティングデバイスによって、前記1つまたは複数の修正されたアグリゲートされたフィードバック値に基づいて、すべてのそれぞれのデータセットについての前記修正された誤差に対応するアグリゲートされた誤差が最小限に抑えられたと決定することと
をさらに備える、請求項5に記載の方法。 - 前記管理コンピューティングデバイスによって、同様の関係をモデル化するために使用される関係する共有関数に基づいて、前記共有関数と、前記1つまたは複数の共有パラメータとを初期化することをさらに備える、先行する請求項のいずれか一項に記載の方法。
- 前記クライアントコンピューティングデバイスによって前記1つまたは複数のフィードバック値を決定することが、前記それぞれのクライアントコンピューティングデバイスによって、乱数生成器または擬似乱数生成器に基づいて、前記それぞれのデータセットに対応する前記個別関数と、前記1つまたは複数の個別パラメータとを初期化することをさらに備える、請求項5に記載の方法。
- 前記複数のデータセットの各々が、少なくとも2つの次元を備え、
前記複数のデータセットの各々の第1の次元が、複数の化学的化合物を備え、
前記複数のデータセットの各々の第2の次元が、前記化学的化合物の記述子を備え、
前記複数のデータセットの各々中のエントリは、それぞれの化学的化合物がそれぞれの記述子を示すかどうかのバイナリ指標に対応し、
前記複数のデータセットの各々に対応する記録値の前記セットの各々が、少なくとも2つの次元を備え、
記録値の前記セットの各々の第1の次元が、前記複数の化学的化合物を備え、
記録値の前記セットの各々の第2の次元が、複数の生物学的アッセイにおける前記化学的化合物の活動性を備え、
記録値の前記セットの各々中のエントリは、それぞれの化学的化合物がそれぞれの活動性を示すかどうかのバイナリ指標に対応する、
先行する請求項のいずれか一項に記載の方法。 - 前記管理コンピューティングデバイスによって、一意のオブジェクトの前記セットと、前記共有関数と、前記1つまたは複数の共有パラメータとに基づいて、前記データセットの最終共有表現を計算することと、
前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスの各々に前記データセットの前記最終共有表現を送信することと
をさらに備え、
ここにおいて、前記データセットの前記最終共有表現が、前記それぞれのデータセットに対応する予測値の最終セットを決定するために前記クライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の前記最終セットが、前記複数の化学的化合物の中で1つまたは複数の有効な治療化合物を識別するために前記クライアントコンピューティングデバイスのうちの少なくとも1つによって使用される、
請求項18に記載の方法。 - 前記複数のデータセットの各々が、少なくとも2つの次元を備え、
前記複数のデータセットの各々の第1の次元が、複数の患者を備え、
前記複数のデータセットの各々の第2の次元が、前記患者の記述子を備え、
前記複数のデータセットの各々中のエントリは、それぞれの患者がそれぞれの記述子を示すかどうかのバイナリ指標に対応し、
前記複数のデータセットの各々に対応する記録値の前記セットの各々が、少なくとも2つの次元を備え、
記録値の前記セットの各々の第1の次元が、前記複数の患者を備え、
記録値の前記セットの各々の第2の次元が、前記患者の臨床診断を備え、
記録値の前記セットの各々中のエントリは、それぞれの患者がそれぞれの臨床診断を示すかどうかのバイナリ指標に対応する、
請求項1〜17のいずれか一項に記載の方法。 - 前記管理コンピューティングデバイスによって、一意のオブジェクトの前記セットと、前記共有関数と、前記1つまたは複数の共有パラメータとに基づいて、前記データセットの最終共有表現を計算することと、
前記管理コンピューティングデバイスによって、前記クライアントコンピューティングデバイスの各々に前記データセットの前記最終共有表現を送信することと
をさらに備え、
ここにおいて、前記データセットの前記最終共有表現が、前記それぞれのデータセットに対応する予測値の最終セットを決定するために前記クライアントコンピューティングデバイスの各々によって使用可能であり、および
ここにおいて、予測値の前記最終セットが、前記複数の患者のうちの少なくとも1人を診断するために前記クライアントコンピューティングデバイスのうちの少なくとも1つによって使用される、
請求項20に記載の方法。 - 前記複数のデータセットのうちの1つに対応する予測値の前記セットの各々が、予測値テンソルに対応し、
前記予測値テンソルが、第2のテンソルによって乗算される第1のテンソルに分解され、
前記第1のテンソルが、前記1つまたは複数の共有パラメータによって乗算される前記それぞれのデータセットに対応する、
請求項5に記載の方法。 - 前記それぞれのデータセットが、前記データセットの前記オブジェクトに関するサイド情報を符号化する、請求項22に記載の方法。
- 前記予測値テンソルが、Macau分解方法を使用して分解される、請求項22に記載の方法。
- 命令がその上に記憶された非一時的コンピュータ可読媒体であって、前記命令は、
複数のデータセットを受信することと、ここにおいて、前記複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
各データセットについての識別子のそれぞれのリストと、前記複数のデータセットのうちの各データセットの識別子の前記リストの組合せを備える識別子の複合リストとを決定することと、
前記複数のデータセットの中から一意のオブジェクトのセットを決定することと、
識別子の前記複合リストから識別子のサブセットを選択することと、
識別子の前記サブセット中の各識別子に対応する一意のオブジェクトの前記セットのサブセットを決定することと、
一意のオブジェクトの前記セットの前記サブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、前記データセットの共有表現を計算することと、
前記それぞれのデータセットについての識別子の前記リストとの識別子の前記サブセットの共通部分に基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについてオブジェクトのサブセットを決定することと、
前記それぞれのデータセットについてのオブジェクトの前記サブセットと、前記共有表現とに基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについて部分表現を決定することと、
1つまたは複数のフィードバック値を収集することと、ここにおいて、前記1つまたは複数のフィードバック値の各々が、前記それぞれのデータセットについての記録値の前記セットに対する前記部分表現の予測の関係に基づいて決定される、
オブジェクトの前記サブセットと、前記クライアントコンピューティングデバイスからの前記1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
前記1つまたは複数のアグリゲートされたフィードバック値に基づいて前記1つまたは複数の共有パラメータを更新することと
を備える方法を実施するようにプロセッサによって実行可能である、非一時的コンピュータ可読媒体。 - モデルがその上に記憶されたメモリであって、前記モデルは、
管理コンピューティングデバイスによって、複数のデータセットを受信することと、ここにおいて、前記複数のデータセットのうちの各データセットが、複数のクライアントコンピューティングデバイスのうちのそれぞれのクライアントコンピューティングデバイスから受信され、ここにおいて、各データセットが記録値のセットに対応し、およびここにおいて、各データセットがオブジェクトを備える、
前記管理コンピューティングデバイスによって、各データセットについての識別子のそれぞれのリストと、前記複数のデータセットのうちの各データセットの識別子の前記リストの組合せを備える識別子の複合リストとを決定することと、
前記管理コンピューティングデバイスによって、前記複数のデータセットの中から一意のオブジェクトのセットを決定することと、
前記管理コンピューティングデバイスによって、識別子の前記複合リストから識別子のサブセットを選択することと、
前記管理コンピューティングデバイスによって、識別子の前記サブセット中の各識別子に対応する一意のオブジェクトの前記セットのサブセットを決定することと、
前記管理コンピューティングデバイスによって、一意のオブジェクトの前記セットの前記サブセットと、1つまたは複数の共有パラメータを有する共有関数とに基づいて、前記データセットの共有表現を計算することと、
前記管理コンピューティングデバイスによって、前記それぞれのデータセットについての識別子の前記リストとの識別子の前記サブセットの共通部分に基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについてオブジェクトのサブセットを決定することと、
前記管理コンピューティングデバイスによって、前記それぞれのデータセットについてのオブジェクトの前記サブセットと、前記共有表現とに基づいて、各クライアントコンピューティングデバイスの前記それぞれのデータセットについて部分表現を決定することと、
前記管理コンピューティングデバイスによって、1つまたは複数のフィードバック値を収集することと、ここにおいて、前記1つまたは複数のフィードバック値の各々が、前記それぞれのデータセットについての記録値の前記セットに対する前記部分表現の予測の関係に基づいて決定される、
前記管理コンピューティングデバイスによって、オブジェクトの前記サブセットと、前記クライアントコンピューティングデバイスからの前記1つまたは複数のフィードバック値とに基づいて、1つまたは複数のアグリゲートされたフィードバック値を決定することと、
前記管理コンピューティングデバイスによって、前記1つまたは複数のアグリゲートされたフィードバック値に基づいて前記1つまたは複数の共有パラメータを更新することと、
前記管理コンピューティングデバイスによって、前記メモリ上に、前記共有表現と、前記共有関数と、前記1つまたは複数の共有パラメータとを記憶することと
を備える方法に従って生成される、メモリ。 - 機械学習のための方法であって、
第1のクライアントコンピューティングデバイスによって管理コンピューティングデバイスに、前記第1のクライアントコンピューティングデバイスに対応する第1のデータセットを送信することと、
ここにおいて、前記第1のデータセットが、複数のクライアントコンピューティングデバイスによって前記管理コンピューティングデバイスに送信される複数のデータセットのうちの1つであり、
ここにおいて、各データセットが記録値のセットに対応し、および
ここにおいて、各データセットがオブジェクトを備える、
前記第1のクライアントコンピューティングデバイスによって、前記第1のデータセットについてのオブジェクトの第1のサブセットと、前記第1のデータセットについての第1の部分表現とを受信することと、ここにおいて、オブジェクトの前記第1のサブセットが、前記複数のデータセットの共有表現を形成することの一部である前記第1のデータセットの前記オブジェクトのサブセットであり、前記共有表現が、1つまたは複数の共有パラメータを有する共有関数によって定義され、前記第1のデータセットの前記部分表現が、オブジェクトの前記第1のサブセットと、前記共有表現とに基づく、
前記第1のクライアントコンピューティングデバイスによって、前記第1のデータセットに対応する予測値の第1のセットを決定することと、ここにおいて、予測値の前記第1のセットが、前記第1のデータセットに対応する前記第1の部分表現と、1つまたは複数の第1の個別パラメータをもつ第1の個別関数とに基づく、
前記第1のクライアントコンピューティングデバイスによって、前記第1のデータセットについての第1の個別損失関数と、前記第1のデータセットに対応する予測値の前記第1のセットと、オブジェクトの前記第1のサブセットと、前記第1のデータセットに対応する記録値の前記セット中の非空エントリとに基づいて、前記第1のデータセットについての第1の誤差を決定することと、
前記第1のクライアントコンピューティングデバイスによって、前記第1のデータセットについての前記1つまたは複数の第1の個別パラメータを更新することと、
前記第1のクライアントコンピューティングデバイスによって、1つまたは複数のフィードバック値を決定することと、ここにおいて、前記1つまたは複数のフィードバック値が、予測値の前記第1のセットの改善に対応する前記第1の部分表現の変化を決定するために使用される、
前記第1のクライアントコンピューティングデバイスによって前記管理コンピューティングデバイスに、前記1つまたは複数のフィードバック値を送信することと
を備え、
ここにおいて、前記1つまたは複数のフィードバック値が、1つまたは複数のアグリゲートされたフィードバック値を決定するために前記複数のクライアントコンピューティングデバイスからのオブジェクトのサブセットとともに前記管理コンピューティングデバイスによって使用可能であり、および
ここにおいて、前記1つまたは複数のアグリゲートされたフィードバック値が、前記1つまたは複数の共有パラメータを更新するために前記管理コンピューティングデバイスによって使用可能である、
方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/722,742 | 2017-10-02 | ||
US15/722,742 US20190102670A1 (en) | 2017-10-02 | 2017-10-02 | Secure Broker-Mediated Data Analysis and Prediction |
PCT/EP2018/076598 WO2019068616A1 (en) | 2017-10-02 | 2018-10-01 | DATA ANALYSIS AND PREDICTION WITH SECURED BROKER INTERMEDIATE |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020537797A true JP2020537797A (ja) | 2020-12-24 |
JP7374905B2 JP7374905B2 (ja) | 2023-11-07 |
Family
ID=63862100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020539142A Active JP7374905B2 (ja) | 2017-10-02 | 2018-10-01 | セキュアなブローカーによって媒介されるデータ分析および予測 |
Country Status (4)
Country | Link |
---|---|
US (2) | US20190102670A1 (ja) |
EP (1) | EP3692475A1 (ja) |
JP (1) | JP7374905B2 (ja) |
WO (1) | WO2019068616A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220102166A (ko) * | 2021-01-11 | 2022-07-20 | 연세대학교 산학협력단 | 물리적 데이터 공유 없이 수평분할 기반 중앙화 모델을 추정하기 위한 가중치 기반 통합 방법 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11153156B2 (en) * | 2017-11-03 | 2021-10-19 | Vignet Incorporated | Achieving personalized outcomes with digital therapeutic applications |
US11645552B2 (en) * | 2018-03-11 | 2023-05-09 | International Business Machines Corporation | Travel health optimization simulating health impact of intended user travel using cognitive analytics based on conditions at a geographic location |
US11599894B2 (en) * | 2018-06-29 | 2023-03-07 | Tata Consultancy Services Limited | Method and system for generating customer decision tree through machine learning |
US11093883B2 (en) * | 2018-08-03 | 2021-08-17 | Camelot Uk Bidco Limited | Apparatus, method, and computer-readable medium for determining a drug for manufacture |
KR101990326B1 (ko) * | 2018-11-28 | 2019-06-18 | 한국인터넷진흥원 | 감가율 자동 조정 방식의 강화 학습 방법 |
US11556839B1 (en) * | 2019-01-15 | 2023-01-17 | Amazon Technologies, Inc. | Auditing system for machine learning decision system |
US11568006B1 (en) * | 2019-02-12 | 2023-01-31 | State Farm Mutual Automobile Insurance Company | Systems and methods for electronically matching online user profiles |
US11562245B2 (en) * | 2019-09-27 | 2023-01-24 | Sap Se | Neural network model generation and distribution with client feedback |
US11431663B2 (en) * | 2019-10-24 | 2022-08-30 | Salesforce, Inc. | Technologies for predicting personalized message send times |
WO2022025282A1 (ja) * | 2020-07-31 | 2022-02-03 | TechMagic株式会社 | 学習制御システム |
US11056242B1 (en) | 2020-08-05 | 2021-07-06 | Vignet Incorporated | Predictive analysis and interventions to limit disease exposure |
US11456080B1 (en) | 2020-08-05 | 2022-09-27 | Vignet Incorporated | Adjusting disease data collection to provide high-quality health data to meet needs of different communities |
US11504011B1 (en) | 2020-08-05 | 2022-11-22 | Vignet Incorporated | Early detection and prevention of infectious disease transmission using location data and geofencing |
US11127506B1 (en) | 2020-08-05 | 2021-09-21 | Vignet Incorporated | Digital health tools to predict and prevent disease transmission |
US11281553B1 (en) | 2021-04-16 | 2022-03-22 | Vignet Incorporated | Digital systems for enrolling participants in health research and decentralized clinical trials |
US11789837B1 (en) | 2021-02-03 | 2023-10-17 | Vignet Incorporated | Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial |
US11586524B1 (en) | 2021-04-16 | 2023-02-21 | Vignet Incorporated | Assisting researchers to identify opportunities for new sub-studies in digital health research and decentralized clinical trials |
US20230101506A1 (en) * | 2021-09-30 | 2023-03-30 | Aneetrai Latoya Rowland | Method and System to Facilitate Provisioning of an Emergency Health Service |
US11901083B1 (en) | 2021-11-30 | 2024-02-13 | Vignet Incorporated | Using genetic and phenotypic data sets for drug discovery clinical trials |
US11705230B1 (en) | 2021-11-30 | 2023-07-18 | Vignet Incorporated | Assessing health risks using genetic, epigenetic, and phenotypic data sources |
US12056630B1 (en) * | 2023-03-18 | 2024-08-06 | Private Negotiator Llc | Reservation modification system using machine-learning analysis |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013117921A (ja) * | 2011-12-05 | 2013-06-13 | Nippon Telegr & Teleph Corp <Ntt> | ランキング関数学習装置、方法、及びプログラム |
JP2014095931A (ja) * | 2012-11-07 | 2014-05-22 | Okinawa Institute Of Science And Technology Graduate Univ | データ通信システム、データ解析装置、データ通信方法、および、プログラム |
US20170220949A1 (en) * | 2016-01-29 | 2017-08-03 | Yahoo! Inc. | Method and system for distributed deep machine learning |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10380500B2 (en) * | 2015-09-24 | 2019-08-13 | Microsoft Technology Licensing, Llc | Version control for asynchronous distributed machine learning |
US10579938B2 (en) * | 2016-01-20 | 2020-03-03 | Fair Isaac Corporation | Real time autonomous archetype outlier analytics |
US10645548B2 (en) * | 2016-06-19 | 2020-05-05 | Data.World, Inc. | Computerized tool implementation of layered data files to discover, form, or analyze dataset interrelations of networked collaborative datasets |
US10984008B2 (en) * | 2016-06-19 | 2021-04-20 | Data.World, Inc. | Collaborative dataset consolidation via distributed computer networks |
US10515085B2 (en) * | 2016-06-19 | 2019-12-24 | Data.World, Inc. | Consolidator platform to implement collaborative datasets via distributed computer networks |
US11036716B2 (en) * | 2016-06-19 | 2021-06-15 | Data World, Inc. | Layered data generation and data remediation to facilitate formation of interrelated data in a system of networked collaborative datasets |
US10776760B2 (en) * | 2017-11-17 | 2020-09-15 | The Boeing Company | Machine learning based repair forecasting |
US10990593B2 (en) * | 2018-05-04 | 2021-04-27 | Saleforce.com, inc. | Providing matching security between data stores in a database system |
US11341367B1 (en) * | 2019-03-29 | 2022-05-24 | Amazon Technologies, Inc. | Synthetic training data generation for machine learning |
-
2017
- 2017-10-02 US US15/722,742 patent/US20190102670A1/en not_active Abandoned
-
2018
- 2018-10-01 JP JP2020539142A patent/JP7374905B2/ja active Active
- 2018-10-01 EP EP18786690.0A patent/EP3692475A1/en active Pending
- 2018-10-01 US US16/652,985 patent/US11615288B2/en active Active
- 2018-10-01 WO PCT/EP2018/076598 patent/WO2019068616A1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013117921A (ja) * | 2011-12-05 | 2013-06-13 | Nippon Telegr & Teleph Corp <Ntt> | ランキング関数学習装置、方法、及びプログラム |
JP2014095931A (ja) * | 2012-11-07 | 2014-05-22 | Okinawa Institute Of Science And Technology Graduate Univ | データ通信システム、データ解析装置、データ通信方法、および、プログラム |
US20170220949A1 (en) * | 2016-01-29 | 2017-08-03 | Yahoo! Inc. | Method and system for distributed deep machine learning |
Non-Patent Citations (2)
Title |
---|
KONECNY,JAKUB: "Federated Learning: Strategies for Improving Communication Efficiency", ARXIV:1610.05492V1, JPN6022040694, 18 October 2016 (2016-10-18), ISSN: 0004888367 * |
SHOKRI, REZA: "Privacy-Preserving Deep Learning", CCS’15: PROCEEDINGS OF THE 22ND ACM SIGSAC CONFERENCE ON COMPUTER AND COMMUNICATIONS SECURITY, JPN6022040695, 12 October 2015 (2015-10-12), ISSN: 0004888368 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220102166A (ko) * | 2021-01-11 | 2022-07-20 | 연세대학교 산학협력단 | 물리적 데이터 공유 없이 수평분할 기반 중앙화 모델을 추정하기 위한 가중치 기반 통합 방법 |
KR102519218B1 (ko) | 2021-01-11 | 2023-04-07 | 연세대학교 산학협력단 | 물리적 데이터 공유 없이 수평분할 기반 중앙화 모델을 추정하기 위한 가중치 기반 통합 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20200265293A1 (en) | 2020-08-20 |
JP7374905B2 (ja) | 2023-11-07 |
US11615288B2 (en) | 2023-03-28 |
EP3692475A1 (en) | 2020-08-12 |
US20190102670A1 (en) | 2019-04-04 |
WO2019068616A1 (en) | 2019-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7374905B2 (ja) | セキュアなブローカーによって媒介されるデータ分析および予測 | |
Morid et al. | Supervised learning methods for predicting healthcare costs: systematic literature review and empirical evaluation | |
EP3223183B1 (en) | Case-based reasoning in the cloud using deep learning | |
US11270263B2 (en) | Blockchain-based crowdsourced initiatives tracking system | |
Shah et al. | Mining patient opinion to evaluate the service quality in healthcare: a deep-learning approach | |
JP2022523621A (ja) | コミュニティデータの集約、完成、修正、および使用 | |
US20100100398A1 (en) | Social network interface | |
Kashyap | Big Data Analytics challenges and solutions | |
US20130332195A1 (en) | System and methods for epidemiological data collection, management and display | |
Chen et al. | The contributions of population distribution, healthcare resourcing, and transportation infrastructure to spatial accessibility of health care | |
US20140006166A1 (en) | System and method for determining offers based on predictions of user interest | |
US11663492B2 (en) | Alife machine learning system and method | |
US20230023630A1 (en) | Creating predictor variables for prediction models from unstructured data using natural language processing | |
Chen et al. | A novel weighted evidence combination rule based on improved entropy function with a diagnosis application | |
Hilbert et al. | Using decision trees to manage hospital readmission risk for acute myocardial infarction, heart failure, and pneumonia | |
Wang et al. | EHR STAR: the state‐of‐the‐art in interactive EHR visualization | |
Ganguly et al. | A review of the role of causality in developing trustworthy ai systems | |
Hartman et al. | Predicting high-cost health insurance members through boosted trees and oversampling: An application using the HCCI database | |
US20190197585A1 (en) | Systems and methods for data storage and retrieval with access control | |
Kaushik et al. | Disease management: clustering–based disease prediction | |
Bolton et al. | Co-morbidity Representation in Artificial Intelligence: Tapping into Unused Clinical Knowledge | |
Khaleghi et al. | A tree based approach for multi-class classification of surgical procedures using structured and unstructured data | |
Kasaie et al. | Integrating machine learning algorithms and explainable artificial intelligence approach for predicting patient unpunctuality in psychiatric clinics | |
Holdship et al. | Developing a multivariate predictive model of hospital outpatient attendance for patients of all ages | |
Izenman et al. | Local spatial biclustering and prediction of urban juvenile delinquency and recidivism |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210927 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230616 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230704 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230704 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230926 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231025 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7374905 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |