JP2021057042A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2021057042A5 JP2021057042A5 JP2020161399A JP2020161399A JP2021057042A5 JP 2021057042 A5 JP2021057042 A5 JP 2021057042A5 JP 2020161399 A JP2020161399 A JP 2020161399A JP 2020161399 A JP2020161399 A JP 2020161399A JP 2021057042 A5 JP2021057042 A5 JP 2021057042A5
- Authority
- JP
- Japan
- Prior art keywords
- data set
- classifier
- prediction
- probability
- additional data
- 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
Claims (19)
- 処理装置(processor)によって、入力データ集合を受信する段階、
前記処理装置によって、第1分類器の少なくとも第1インスタンスおよび第2インスタンスを生成する段階、
前記処理装置によって、前記入力データ集合に基づいて前記第1分類器の前記第1インスタンスおよび第2インスタンスを訓練させる段階、
前記処理装置によって、前記入力データ集合に基づいて前記入力データ集合と関連した潜在空間(latent space)の表現を学習する第2分類器を訓練させる段階、
前記処理装置によって、前記潜在空間で未分類データ集合である第1追加データ集合を生成する段階、
前記処理装置によって、前記第1分類器の前記第1インスタンスに基づいて前記第1追加データ集合を分類するための第1予測を生成する段階、
前記処理装置によって、前記第1分類器の前記第2インスタンスに基づいて前記第1追加データ集合を分類するための第2予測を生成する段階、
前記処理装置によって、前記第1予測および前記第2予測に基づいて前記第1追加データ集合用の分類注釈を生成する段階、および
前記処理装置によって、少なくとも前記入力データ集合および前記分類注釈が付けられた第1追加データ集合に基づいて第3分類器を訓練させる段階
を含み、
既に訓練された前記第3分類器は、分類する製品のデータを受信し、前記受信したデータに基づいて前記製品に対する予測を出力する
製品の分類方法。 - 前記第1分類器、第2分類器および第3分類器のそれぞれは、ニューラルネットワークである、請求項1に記載の分類方法。
- 前記第2分類器は、VAE(variational autoencoder)である、請求項2に記載の分類方法。
- 前記潜在空間は、前記入力データ集合の圧縮表現を提供する、請求項1に記載の分類方法。
- 前記第1追加データ集合の生成段階は、前記潜在空間で任意データ要素を生成する段階を含む、請求項1に記載の分類方法。
- 前記分類注釈の生成段階は、
前記第1予測および前記第2予測に基づいて多数クラスを決定する段階、および
前記多数クラスに基づいて前記第1追加データ集合を分類する段階
を含む
請求項1に記載の分類方法。 - 前記分類注釈の生成段階は、
前記第1予測の第1確率と前記第2予測の第2確率を決定する段階、
前記第1確率と前記第2確率の平均を計算する段階、および
前記計算された平均に基づいて前記第1追加データ集合用クラスを定義する段階
を含む
請求項1に記載の分類方法。 - 前記分類注釈の生成段階は、
前記第1予測に基づいて、多数クラスの第1確率および少数クラスの第2確率を決定する段階、
前記第2予測に基づいて、前記多数クラスの第3確率および前記少数クラスの第4確率を決定する段階、
前記第1確率と前記第3確率の第1平均を計算する段階、
前記第2確率と前記第4確率の第2平均を計算する段階、および
前記計算した第1および第2平均に基づいて前記第1追加データ集合を分類する段階
を含む
請求項1に記載の分類方法。 - 前記潜在空間のオーバーサンプリングに基づいて第2追加データ集合を生成する段階、および
前記入力データ集合、前記分類注釈が付けられた前記第1追加データ集合および前記第2追加データ集合に基づいて前記第3分類器を訓練させる段階
をさらに含む、請求項1に記載の分類方法。 - 処理装置、および
メモリ
を含み、
前記メモリは、内部にインストラクションを保存しており、
前記処理装置は、前記インストラクションを実行して、
入力データ集合を受信し、
第1分類器の少なくとも第1および第2インスタンスを生成し、
前記入力データ集合に基づいて前記第1分類器の前記第1および第2インスタンスを訓練させ、
前記入力データ集合に基づいて前記入力データ集合と関連した潜在空間(latent space)の表現を学習する第2分類器を訓練させ、
前記潜在空間で未分類データ集合である第1追加データ集合を生成し、
前記第1分類器の前記第1インスタンスに基づいて前記第1追加データ集合を分類するための第1予測を生成し、
前記第1分類器の前記第2インスタンスに基づいて前記第1追加データ集合を分類するための第2予測を生成し、
前記第1予測および前記第2予測に基づいて前記第1追加データ集合用の分類注釈を生成し、
少なくとも前記入力データ集合および前記分類注釈が付けられた第1追加データ集合に基づいて第3分類器を訓練させ、
既に訓練された前記第3分類器は、分類する製品のデータを受信し、前記受信したデータに基づいて前記製品に対する予測を出力する
製品の分類システム。 - 前記第1分類器、第2分類器および第3分類器のそれぞれは、ニューラルネットワークである、請求項10に記載の分類システム。
- 前記第2分類器は、VAE(variational autoencoder)である、請求項11に記載の分類システム。
- 前記潜在空間は、前記入力データ集合の圧縮表現を提供する、請求項10に記載の分類システム。
- 前記処理装置は、前記インストラクションを実行して前記第1追加データ集合を生成する時、前記潜在空間で任意データ要素を生成する、請求項10に記載の分類システム。
- 前記処理装置は、前記インストラクションを実行して前記分類注釈を生成する時、
前記第1予測および前記第2予測に基づいて多数クラスを決定し、
前記多数クラスに基づいて前記第1追加データ集合を分類する
請求項10に記載の分類システム。 - 前記処理装置は、前記インストラクションを実行して前記分類注釈を生成する時、
前記第1予測の第1確率と前記第2予測の第2確率を決定し、
前記第1確率と前記第2確率の平均を計算し、
前記計算した平均に基づいて前記第1追加データ集合用クラスを定義する
請求項10に記載の分類システム。 - 前記処理装置は、前記インストラクションを実行して前記分類注釈を生成する時、
前記第1予測に基づいて、多数クラスの第1確率および少数クラスの第2確率を決定し、
前記第2予測に基づいて、前記多数クラスの第3確率および前記少数クラスの第4確率を決定し、
前記第1確率と前記第3確率の第1平均を計算し、
前記第2確率と前記第4確率の第2平均を計算し、
前記計算した第1および第2平均に基づいて前記第1追加データ集合を分類する
請求項10に記載の分類システム。 - 前記処理装置は、前記インストラクションを実行して、
前記潜在空間のオーバーサンプリングに基づいて第2追加データ集合を生成し、
前記入力データ集合、前記分類注釈が付けられた第1追加データ集合および第2追加データ集合に基づいて前記第3分類器を訓練させる
請求項10に記載の分類システム。 - 入力データ集合を収集するデータ収集回路、および
前記データ収集回路と連結され、ロジックを含む処理回路
を含み、
前記処理回路のロジックは、
前記収集された入力データ集合を受信し、
第1分類器の少なくとも第1および第2インスタンスを生成し、
前記入力データ集合に基づいて前記第1分類器の前記第1および第2インスタンスを訓練させ、
前記入力データ集合に基づいて前記入力データ集合と関連した潜在空間(latent space)の表現を学習する第2分類器を訓練させ、
前記潜在空間で未分類データ集合である第1追加データ集合を生成し、
前記第1分類器の前記第1インスタンスに基づいて前記第1追加データ集合を分類するための第1予測を生成し、
前記第1分類器の前記第2インスタンスに基づいて前記第1追加データ集合を分類するための第2予測を生成し、
前記第1予測および前記第2予測に基づいて前記第1追加データ集合用の分類注釈を生成し、
少なくとも前記入力データ集合および前記分類注釈が付けられた第1追加データ集合に基づいて第3分類器を訓練させ、
既に訓練された前記第3分類器は、分類する製品のデータを受信し、前記受信したデータに基づいて前記製品に対する予測を出力する
製品を優良または不良に分類する分類システム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962909053P | 2019-10-01 | 2019-10-01 | |
US62/909,053 | 2019-10-01 | ||
US16/682,815 US11710045B2 (en) | 2019-10-01 | 2019-11-13 | System and method for knowledge distillation |
US16/682,815 | 2019-11-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021057042A JP2021057042A (ja) | 2021-04-08 |
JP2021057042A5 true JP2021057042A5 (ja) | 2023-10-02 |
Family
ID=72665198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020161399A Pending JP2021057042A (ja) | 2019-10-01 | 2020-09-25 | 製品の分類システムおよび製品の分類方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11710045B2 (ja) |
EP (1) | EP3800588A1 (ja) |
JP (1) | JP2021057042A (ja) |
KR (1) | KR20210039927A (ja) |
CN (1) | CN112598017A (ja) |
TW (1) | TW202129528A (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11604984B2 (en) * | 2019-11-18 | 2023-03-14 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for machine learning based modeling |
US11494644B2 (en) * | 2019-11-20 | 2022-11-08 | Rakuten Group, Inc. | System, method, and computer program for recommending items using a direct neural network structure |
US11663528B2 (en) * | 2020-06-30 | 2023-05-30 | Intuit Inc. | Training an ensemble of machine learning models for classification prediction using probabilities and ensemble confidence |
CN113219357A (zh) * | 2021-04-28 | 2021-08-06 | 东软睿驰汽车技术(沈阳)有限公司 | 电池包健康状态计算方法、系统及电子设备 |
CN113222034B (zh) * | 2021-05-20 | 2022-01-14 | 浙江大学 | 基于知识蒸馏的细粒度多类别不平衡故障分类方法 |
CN113269266B (zh) * | 2021-06-08 | 2023-09-19 | 清华大学 | 多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法 |
CN113850012B (zh) * | 2021-06-11 | 2024-05-07 | 腾讯科技(深圳)有限公司 | 数据处理模型生成方法、装置、介质及电子设备 |
WO2023053216A1 (ja) * | 2021-09-28 | 2023-04-06 | 富士通株式会社 | 機械学習プログラム、機械学習方法および機械学習装置 |
US20230136110A1 (en) * | 2021-11-01 | 2023-05-04 | Kla Corporation | Knowledge distillation for semiconductor-based applications |
CN114119959A (zh) * | 2021-11-09 | 2022-03-01 | 盛视科技股份有限公司 | 一种基于视觉的垃圾桶满溢检测方法及装置 |
CN114972952B (zh) * | 2022-05-29 | 2024-03-22 | 重庆科技学院 | 一种基于模型轻量化的工业零部件缺陷识别方法 |
CN114722886A (zh) * | 2022-06-10 | 2022-07-08 | 四川大学 | 基于知识蒸馏的曲轴内部缺陷检测方法及检测设备 |
WO2024086771A1 (en) * | 2022-10-21 | 2024-04-25 | Ohio State Innovation Foundation | System and method for prediction of artificial intelligence model generalizability |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7899625B2 (en) | 2006-07-27 | 2011-03-01 | International Business Machines Corporation | Method and system for robust classification strategy for cancer detection from mass spectrometry data |
WO2011109863A1 (en) | 2010-03-08 | 2011-09-15 | National Ict Australia Limited | Annotation of a biological sequence |
US20130097103A1 (en) | 2011-10-14 | 2013-04-18 | International Business Machines Corporation | Techniques for Generating Balanced and Class-Independent Training Data From Unlabeled Data Set |
US9037518B2 (en) | 2012-07-30 | 2015-05-19 | Hewlett-Packard Development Company, L.P. | Classifying unclassified samples |
US20150278470A1 (en) | 2012-10-25 | 2015-10-01 | Koninklijke Philips N.V. | Combined use of clinical risk factors and molecular markers fro thrombosis for clinical decision support |
US9224104B2 (en) | 2013-09-24 | 2015-12-29 | International Business Machines Corporation | Generating data from imbalanced training data sets |
US20160092789A1 (en) | 2014-09-29 | 2016-03-31 | International Business Machines Corporation | Category Oversampling for Imbalanced Machine Learning |
GB201508032D0 (en) | 2015-05-12 | 2015-06-24 | Rolls Royce Plc | Methods and apparatus for predicting fault occurrence in mechanical systems and electrical systems |
US20160358099A1 (en) | 2015-06-04 | 2016-12-08 | The Boeing Company | Advanced analytical infrastructure for machine learning |
CN105589806B (zh) | 2015-12-17 | 2018-05-18 | 北京航空航天大学 | 一种基于SMOTE+Boosting算法的软件缺陷倾向预测方法 |
KR101744194B1 (ko) | 2016-08-19 | 2017-06-09 | 인하대학교 산학협력단 | 반도체 fab 제조공정에서 유클리드 거리를 활용한 웨이퍼 자동 불량 검사 분류 예측 장치 및 방법 |
US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
WO2018175098A1 (en) * | 2017-03-24 | 2018-09-27 | D5Ai Llc | Learning coach for machine learning system |
CN107103332B (zh) | 2017-04-07 | 2018-06-26 | 武汉理工大学 | 一种面向大规模数据集的相关向量机分类方法 |
CN107391370B (zh) | 2017-07-13 | 2020-05-12 | 武汉大学 | 一种基于数据过采样和集成学习的软件缺陷数目预测方法 |
MX2018011305A (es) | 2017-09-18 | 2019-07-04 | Tata Consultancy Services Ltd | Técnicas para corregir el desvío de entrenamiento lingüístico en los datos de entrenamiento. |
IL256480B (en) | 2017-12-21 | 2021-05-31 | Agent Video Intelligence Ltd | A system and method for use in training machine learning |
CN108563556A (zh) | 2018-01-10 | 2018-09-21 | 江苏工程职业技术学院 | 基于差分演化算法的软件缺陷预测优化方法 |
WO2019155467A1 (en) * | 2018-02-07 | 2019-08-15 | Applied Materials Israel Ltd. | Method of generating a training set usable for examination of a semiconductor specimen and system thereof |
US11372893B2 (en) | 2018-06-01 | 2022-06-28 | Ntt Security Holdings Corporation | Ensemble-based data curation pipeline for efficient label propagation |
US10832003B2 (en) * | 2018-08-26 | 2020-11-10 | CloudMinds Technology, Inc. | Method and system for intent classification |
US11366982B2 (en) | 2018-09-24 | 2022-06-21 | Sap Se | Computer systems for detecting training data usage in generative models |
US20200143274A1 (en) | 2018-11-06 | 2020-05-07 | Kira Inc. | System and method for applying artificial intelligence techniques to respond to multiple choice questions |
US11928610B2 (en) * | 2018-11-19 | 2024-03-12 | Koninklijke Philips N.V. | Clinical case search and generation system and method based on a probabilistic encoder-generator framework |
US11610098B2 (en) | 2018-12-27 | 2023-03-21 | Paypal, Inc. | Data augmentation in transaction classification using a neural network |
-
2019
- 2019-11-13 US US16/682,815 patent/US11710045B2/en active Active
-
2020
- 2020-07-24 KR KR1020200092355A patent/KR20210039927A/ko unknown
- 2020-09-25 JP JP2020161399A patent/JP2021057042A/ja active Pending
- 2020-09-25 TW TW109133200A patent/TW202129528A/zh unknown
- 2020-09-28 EP EP20198821.9A patent/EP3800588A1/en active Pending
- 2020-09-28 CN CN202011039099.8A patent/CN112598017A/zh active Pending
-
2023
- 2023-06-07 US US18/207,005 patent/US20230316084A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021057042A5 (ja) | ||
Al Amrani et al. | Random forest and support vector machine based hybrid approach to sentiment analysis | |
Zeng et al. | $ Deep-Full-Range $: a deep learning based network encrypted traffic classification and intrusion detection framework | |
Cenggoro | Deep learning for imbalance data classification using class expert generative adversarial network | |
US20160328644A1 (en) | Adaptive selection of artificial neural networks | |
WO2019200782A1 (zh) | 样本数据分类方法、模型训练方法、电子设备及存储介质 | |
US8842965B1 (en) | Large scale video event classification | |
Bhattacharyya | Confidence in predictions from random tree ensembles | |
Artetxe et al. | Balanced training of a hybrid ensemble method for imbalanced datasets: a case of emergency department readmission prediction | |
Wang et al. | Unleash the black magic in age: a multi-task deep neural network approach for cross-age face verification | |
Gupta et al. | A supervised deep learning framework for proactive anomaly detection in cloud workloads | |
Goyal et al. | A novel way of assigning software bug priority using supervised classification on clustered bugs data | |
Karunaratna et al. | Artificial intelligence on single board computers: An experiment on sound event classification | |
CN111488400B (zh) | 数据分类方法、装置和计算机可读存储介质 | |
Aburomman et al. | Evolutionof Intrusion Detection Systems Based on Machine Learning Methods | |
Li | Parallel two-class 3D-CNN classifiers for video classification | |
Kouzani et al. | Face classification by a random forest | |
Alham et al. | A distributed SVM ensemble for image classification and annotation | |
Yi et al. | Learning correlations for human action recognition in videos | |
Abdellatif et al. | A Novel Framework for Fog‐Assisted Smart Healthcare System with Workload Optimization | |
CN114358177A (zh) | 一种基于多维度特征紧凑决策边界的未知网络流量分类方法及系统 | |
Zhang et al. | Learning classifiers without negative examples: A reduction approach | |
Cordeiro et al. | A PSO algorithm for improving multi-view classification | |
Wang et al. | Image categorization using directed graphs | |
Mani et al. | Performance evaluation of data mining techniques |