JP2022546571A - 機械学習モデル用の訓練データの生成 - Google Patents
機械学習モデル用の訓練データの生成 Download PDFInfo
- Publication number
- JP2022546571A JP2022546571A JP2022514467A JP2022514467A JP2022546571A JP 2022546571 A JP2022546571 A JP 2022546571A JP 2022514467 A JP2022514467 A JP 2022514467A JP 2022514467 A JP2022514467 A JP 2022514467A JP 2022546571 A JP2022546571 A JP 2022546571A
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- learning model
- records
- generator
- new
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 470
- 238000012549 training Methods 0.000 title claims abstract description 66
- 238000005315 distribution function Methods 0.000 claims abstract description 56
- 230000003190 augmentative effect Effects 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000013459 approach Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 208000009119 Giant Axonal Neuropathy Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 201000003382 giant axonal neuropathy 1 Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/047—Probabilistic or stochastic networks
-
- 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
- G06N3/0475—Generative networks
-
- 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
- G06N3/094—Adversarial learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
Description
本出願は、2019年9月6日に出願され、「GENERATING TRAINING DATA FOR MACHINE-LEARNING MODELS」と題する米国特許出願第16/562,972号の優先権とその利益を主張するものである。
Claims (20)
- プロセッサとメモリとを含むコンピューティング・デバイスと、
前記メモリに記憶された訓練データセットであって、複数のレコードを含む、訓練データセットと、
前記メモリに記憶され、前記プロセッサによって実行されたとき、前記コンピューティング・デバイスに少なくとも、
前記複数のレコードの間の類似性を識別するために前記訓練データセットを解析することと、
前記複数のレコード間の前記識別された類似性に少なくとも一部に基づいて、新しいレコードを生成することと、を行わせる、第1の機械学習モデルと、
前記メモリに記憶される第2の機械学習モデルであって、前記プロセッサによって実行されたとき、前記コンピューティング・デバイスに少なくとも、
前記複数のレコードの間の類似性を識別するために前記訓練データセットを解析することと、
前記第1の機械学習モデルによって生成された前記新しいレコードを、前記新しいレコードが、所定のエラー率の少なくとも一部に基づいて前記訓練データセット内の前記複数のレコードの少なくとも部分集合と区別できないかどうかを決定するために、評価することと、
前記新しいレコードの前記評価に少なくとも一部に基づいて、前記第1の機械学習モデルを更新することと、
前記新しいレコードの前記評価に少なくとも一部に基づいて、前記第2の機械学習モデルを更新することと、を行わせる、第2の機械学習モデルと、を含む、システム。 - 前記第1の機械学習モデルが、前記コンピューティング・デバイスに複数の新しいレコードを生成させ、
前記システムは、前記第1の機械学習モデルによって生成された前記複数の新しいレコードを使用して訓練される、前記メモリに記憶された第3の機械学習モデルを更に含む、請求項1に記載のシステム。 - 前記複数の新しいレコードは、前記第2の機械学習モデルが前記第1の機械学習モデルによって生成された前記新しいレコードと前記訓練データセット内の前記複数のレコードの個々のものとを区別することができないという決定に応答して生成される、請求項1又は2に記載のシステム。
- 前記複数の新しいレコードは、前記第1の機械学習モデルによって識別される確率密度関数(PDF)によって定義される前記サンプル空間内の所定の数の点のランダム・サンプルから生成される、請求項1乃至3のいずれか1項に記載のシステム。
- 前記第1の機械学習モデルは、前記第2の機械学習モデルが前記訓練データセット内の前記複数のレコードから前記新しいレコードを所定の率で区別できなくなるまで、前記新しいレコードを繰り返し生成する、請求項1乃至4のいずれか1項に記載のシステム。
- 等サイズの新しいレコードが生成される場合、前記所定の率は50%である、請求項1乃至5のいずれか1項に記載のシステム。
- 前記第1の機械学習モデルが、前記コンピューティング・デバイスに少なくとも2回、前記新しいレコードを生成させ、前記第2の機械学習モデルが、前記コンピューティング・デバイスに少なくとも2回、前記新しいレコードを評価させ、前記第1の機械学習モデルを少なくとも2回更新し、前記第2の機械学習モデルを少なくとも2回更新する、請求項1乃至6のいずれか1項に記載のシステム。
- 確率分布関数(PDF)を識別するために複数の元のレコードを解析することであって、前記PDFはサンプル空間を含み、前記サンプル空間は前記複数の元のレコードを含む、解析することと、
前記PDFを用いた複数の新しいレコードを生成することと、
前記複数の新しいレコードを含む拡張データセットを生成することと、
前記拡張データセットを用いて、機械学習モデルを訓練することと、を含む、コンピュータ実装方法。 - 前記確率分布関数を識別するために前記複数の元のレコードを解析することは、
前記複数の元のレコードの個々のものに類似する新しいレコードを生成するために、ジェネレータ機械学習モデルを訓練することと、
前記新しいレコードと前記複数の元のレコードの前記個々のものとを区別するために、識別器機械学習モデルを訓練することと、
前記ジェネレータ機械学習モデルによって生成された前記新しいレコードが、前記識別器機械学習モデルによって所定の率で間違われることに応答して、前記確率分布関数を識別することと、を更に含む、請求項8に記載のコンピュータ実装方法。 - 前記所定の率は、前記新しいレコードと前記複数の元のレコードとの間で前記識別器によって実行される比較の約50%である、請求項9に記載のコンピュータ実装方法。
- 前記ジェネレータ機械学習モデルが第1のジェネレータ機械学習モデルであり、前記第1のジェネレータ機械学習モデル及び少なくとも第2のジェネレータ機械学習モデルが複数のジェネレータ機械学習モデルに含まれ、前記方法は、
前記複数の元のレコードの個々のものに類似する前記新しいレコードを生成するために、少なくとも前記第2のジェネレータ機械学習モデルを訓練することと、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連するラン・レングス、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連するジェネレータ損失ランク、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連する識別器損失ランク、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連する異なるランク、又は
前記複数の元のレコードに関連する第1の確率分布関数と前記複数の新しいレコードに関連する第2の確率分布関数を含むコルモゴロフ・スミルノフ(KS)検定の少なくとも一つの結果、の少なくとも一部に基づいて、前記複数のジェネレータ機械学習モデルから前記第1のジェネレータ機械学習モデルを選択することと、を更に含み、
前記確率分布関数の前記識別は、前記複数のジェネレータ機械学習モデルから前記第1のジェネレータ機械学習モデルを選択することに応答して、更に行われる、請求項9又は10に記載のコンピュータ実装方法。 - 前記確率分布関数を用いて前記複数の新しいレコードを生成することは、前記確率分布関数によって定義される前記サンプル空間内の所定の数の点をランダムに選択することを更に含む、請求項8乃至11のいずれか1項に記載のコンピュータ実装方法。
- 前記複数の元のレコードを前記拡張データセットに追加することを更に含む、請求項8乃至12のいずれか1項に記載のコンピュータ実装方法。
- 前記機械学習モデルがニューラル・ネットワークを含む、請求項8乃至13のいずれか1項に記載のコンピュータ実装方法。
- プロセッサとメモリとを含むコンピューティング・デバイスと、
前記メモリに記憶された機械可読命令と、を含み、前記機械可読命令は、前記プロセッサによって実行されたとき、前記コンピューティング・デバイスに少なくとも
確率分布関数(PDF)を識別するために複数の元のレコードを解析することであって、前記PDFはサンプル空間を含み、前記サンプル空間は複数の元のレコードを含む、解析することと、
前記PDFを使用して複数の新しいレコードを生成することと、
前記複数の新しいレコードを含む拡張データセットを生成することと、
前記拡張データセットを用いて、機械学習モデルを訓練することと、を行わせる、システム。 - 前記確率分布関数を識別するために前記複数の元のレコードを解析することを前記コンピューティング・デバイスに行わせる前記機械可読命令は、前記コンピューティング・デバイスに少なくとも、
前記複数の元のレコードの個々のものに類似する新しいレコードを生成するために、ジェネレータ機械学習モデルを訓練することと、
前記新しいレコードと前記複数の元のレコードの前記個々のものとを区別するために、識別器機械学習モデルを訓練することと、
前記ジェネレータ機械学習モデルによって生成された前記新しいレコードが、前記識別器機械学習モデルによって所定の率で間違われることに応答して、前記確率分布関数を識別することと、を更に行わせる、請求項15に記載のシステム。 - 前記所定の率は、前記新しいレコードと前記複数の元のレコードとの間で前記識別器によって実行される比較の約50%である、請求項16に記載のシステム。
- 前記ジェネレータ機械学習モデルが第1のジェネレータ機械学習モデルであり、前記第1のジェネレータ機械学習モデル及び少なくとも第2のジェネレータ機械学習モデルが複数のジェネレータ機械学習モデルに含まれ、前記機械可読命令は、更に、コンピューティング・デバイスに少なくとも、
前記複数の元のレコードの個々のものに類似する前記新しいレコードを生成するために、少なくとも前記第2のジェネレータ機械学習モデルを訓練することと、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連するラン・レングス、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連するジェネレータ損失ランク、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連する識別器損失ランク、
各ジェネレータ機械学習モデル及び前記識別器機械学習モデルに関連する異なるランク、又は
前記複数の元のレコードに関連する第1の確率分布関数と前記複数の新しいレコードに関連する第2の確率分布関数を含むコルモゴロフ・スミルノフ(KS)検定の少なくとも一つの結果に、少なくとも一部に基づいて、前記複数のジェネレータ機械学習モデルから前記第1のジェネレータ機械学習モデルを選択することと、を行わせ、
前記確率分布の前記識別は、前記複数のジェネレータ機械学習モデルから前記第1のジェネレータ機械学習モデルを選択することに応答して、更に行われる、請求項16又は17に記載のシステム。 - 前記コンピューティング・デバイスに、前記確率分布関数を用いて前記複数の新しいレコードを生成させる前記機械可読命令は、前記コンピューティング・デバイスに、前記確率分布関数によって定義される前記サンプル空間内の所定の数の点をランダムに更に選択させる、請求項15乃至18のいずれか1項に記載のシステム。
- 前記機械可読命令は、前記プロセッサによって実行されたとき、更に、前記コンピューティング・デバイスに、少なくとも前記複数の元のレコードを前記拡張データセットに追加させる、請求項15乃至19のいずれか1項に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/562,972 US20210073669A1 (en) | 2019-09-06 | 2019-09-06 | Generating training data for machine-learning models |
US16/562,972 | 2019-09-06 | ||
PCT/US2020/049337 WO2021046306A1 (en) | 2019-09-06 | 2020-09-04 | Generating training data for machine-learning models |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022546571A true JP2022546571A (ja) | 2022-11-04 |
JP7391190B2 JP7391190B2 (ja) | 2023-12-04 |
Family
ID=74851051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022514467A Active JP7391190B2 (ja) | 2019-09-06 | 2020-09-04 | 機械学習モデル用の訓練データの生成 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210073669A1 (ja) |
EP (1) | EP4026071A4 (ja) |
JP (1) | JP7391190B2 (ja) |
KR (1) | KR20220064966A (ja) |
CN (1) | CN114556360A (ja) |
WO (1) | WO2021046306A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11158090B2 (en) * | 2019-11-22 | 2021-10-26 | Adobe Inc. | Enhanced video shot matching using generative adversarial networks |
KR20210071130A (ko) * | 2019-12-05 | 2021-06-16 | 삼성전자주식회사 | 컴퓨팅 장치, 컴퓨팅 장치의 동작 방법, 그리고 저장 매체 |
KR20220019894A (ko) * | 2020-08-10 | 2022-02-18 | 삼성전자주식회사 | 반도체 공정의 시뮬레이션 방법 및 반도체 장치의 제조 방법 |
US20230083443A1 (en) * | 2021-09-16 | 2023-03-16 | Evgeny Saveliev | Detecting anomalies in physical access event streams by computing probability density functions and cumulative probability density functions for current and future events using plurality of small scale machine learning models and historical context of events obtained from stored event stream history via transformations of the history into a time series of event counts or via augmenting the event stream records with delay/lag information |
WO2023219371A1 (ko) * | 2022-05-09 | 2023-11-16 | 삼성전자주식회사 | 학습 데이터를 증강시키는 전자 장치 및 그 제어 방법 |
KR20240052394A (ko) | 2022-10-14 | 2024-04-23 | 고려대학교 산학협력단 | 한국어 상식 추론 능력 데이터 생성 장치 및 방법 |
US11961005B1 (en) * | 2023-12-18 | 2024-04-16 | Storytellers.ai LLC | System for automated data preparation, training, and tuning of machine learning models |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015176175A (ja) * | 2014-03-13 | 2015-10-05 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2019046269A (ja) * | 2017-09-04 | 2019-03-22 | 株式会社Soat | 機械学習用訓練データの生成 |
US20190197358A1 (en) * | 2017-12-21 | 2019-06-27 | International Business Machines Corporation | Generative Adversarial Network Medical Image Generation for Training of a Classifier |
US20190197670A1 (en) * | 2017-12-27 | 2019-06-27 | Facebook, Inc. | Automatic Image Correction Using Machine Learning |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016061283A1 (en) * | 2014-10-14 | 2016-04-21 | Skytree, Inc. | Configurable machine learning method selection and parameter optimization system and method |
US20160132787A1 (en) * | 2014-11-11 | 2016-05-12 | Massachusetts Institute Of Technology | Distributed, multi-model, self-learning platform for machine learning |
US10332028B2 (en) * | 2015-08-25 | 2019-06-25 | Qualcomm Incorporated | Method for improving performance of a trained machine learning model |
GB201517462D0 (en) * | 2015-10-02 | 2015-11-18 | Tractable Ltd | Semi-automatic labelling of datasets |
KR101990326B1 (ko) * | 2018-11-28 | 2019-06-18 | 한국인터넷진흥원 | 감가율 자동 조정 방식의 강화 학습 방법 |
-
2019
- 2019-09-06 US US16/562,972 patent/US20210073669A1/en active Pending
-
2020
- 2020-09-04 KR KR1020227008703A patent/KR20220064966A/ko unknown
- 2020-09-04 CN CN202080070987.8A patent/CN114556360A/zh active Pending
- 2020-09-04 EP EP20860844.8A patent/EP4026071A4/en active Pending
- 2020-09-04 JP JP2022514467A patent/JP7391190B2/ja active Active
- 2020-09-04 WO PCT/US2020/049337 patent/WO2021046306A1/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015176175A (ja) * | 2014-03-13 | 2015-10-05 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2019046269A (ja) * | 2017-09-04 | 2019-03-22 | 株式会社Soat | 機械学習用訓練データの生成 |
US20190197358A1 (en) * | 2017-12-21 | 2019-06-27 | International Business Machines Corporation | Generative Adversarial Network Medical Image Generation for Training of a Classifier |
US20190197670A1 (en) * | 2017-12-27 | 2019-06-27 | Facebook, Inc. | Automatic Image Correction Using Machine Learning |
Non-Patent Citations (2)
Title |
---|
GOODFELLOW, IJ ET AL.: ""Generative Adversarial Networks"", ARXIV.ORG [ONLINE], JPN6023018959, 2014, pages 1 - 9, ISSN: 0005056743 * |
伊藤 多一 ほか: ""7.1 SeqGANによる文章生成"", 現場で使える!PYTHON深層強化学習入門 強化学習と深層学習による探索と制御, vol. 第1版, JPN6023018960, 2019, pages 238 - 257, ISSN: 0005056744 * |
Also Published As
Publication number | Publication date |
---|---|
CN114556360A (zh) | 2022-05-27 |
US20210073669A1 (en) | 2021-03-11 |
EP4026071A4 (en) | 2023-08-09 |
EP4026071A1 (en) | 2022-07-13 |
KR20220064966A (ko) | 2022-05-19 |
JP7391190B2 (ja) | 2023-12-04 |
WO2021046306A1 (en) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7391190B2 (ja) | 機械学習モデル用の訓練データの生成 | |
TWI769754B (zh) | 基於隱私保護確定目標業務模型的方法及裝置 | |
WO2021164382A1 (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
US20170262773A1 (en) | Method and system for generating a training model for fabricating synthetic data and for fabricating synthetic data | |
CN110427560A (zh) | 一种应用于推荐系统的模型训练方法以及相关装置 | |
US20040249847A1 (en) | System and method for identifying coherent objects with applications to bioinformatics and E-commerce | |
CN107679135A (zh) | 面向网络文本大数据的话题检测与跟踪方法、装置 | |
Alghobiri | A comparative analysis of classification algorithms on diverse datasets | |
US9324026B2 (en) | Hierarchical latent variable model estimation device, hierarchical latent variable model estimation method, supply amount prediction device, supply amount prediction method, and recording medium | |
CN115293919A (zh) | 面向社交网络分布外泛化的图神经网络预测方法及系统 | |
CN111967521A (zh) | 跨境活跃用户识别方法及装置 | |
CN108830302B (zh) | 一种图像分类方法、训练方法、分类预测方法及相关装置 | |
CN110472742A (zh) | 一种模型变量确定方法、装置及设备 | |
CN110457387A (zh) | 一种应用于网络中用户标签确定的方法及相关装置 | |
CN115936104A (zh) | 用于训练机器学习模型的方法和装置 | |
US11704315B1 (en) | Trimming blackhole clusters | |
KR100727555B1 (ko) | 시간 가중치 엔트로피를 이용한 결정 트리 생성 방법 및이를 기록한 기록매체 | |
CN114090850A (zh) | 日志分类方法、电子设备及计算机可读存储介质 | |
CN113191527A (zh) | 一种基于预测模型进行人口预测的预测方法及装置 | |
CN115329958A (zh) | 模型迁移方法、装置及电子设备 | |
Almuammar et al. | Learning patterns from imbalanced evolving data streams | |
CN113282478A (zh) | 一种测试数据处理方法及其装置 | |
US11928562B2 (en) | Framework for providing improved predictive model | |
Moorthy et al. | Outlier detection through unsupervised approach with holoentropy | |
Smrithy et al. | Automated Modeling of Real-Time Anomaly Detection using Non-Parametric Statistical Technique for Data Streams in Cloud Environments. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220418 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230512 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230725 |
|
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: 20231026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7391190 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |