JP6276857B2 - 訓練データに関する重み利益エバリュエータ - Google Patents
訓練データに関する重み利益エバリュエータ Download PDFInfo
- Publication number
- JP6276857B2 JP6276857B2 JP2016532028A JP2016532028A JP6276857B2 JP 6276857 B2 JP6276857 B2 JP 6276857B2 JP 2016532028 A JP2016532028 A JP 2016532028A JP 2016532028 A JP2016532028 A JP 2016532028A JP 6276857 B2 JP6276857 B2 JP 6276857B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- expected value
- data
- target
- determining
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- Debugging And Monitoring (AREA)
- Feedback Control In General (AREA)
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
Description
Claims (20)
- 機械学習環境において訓練データに関連する重み利益を決定する方法であって、デバイスによる、
前記訓練データに基づいて第1の関数を決定することであって、前記訓練データは、訓練入力と、訓練ラベルとを含むこと、
前記訓練データに重みのセットを適用して、重み付けされた訓練データを生成すること、
前記重み付けされた訓練データに基づいて第2の関数を決定すること、
重みの前記セットの評価のために使用する関数(以下、ターゲット関数という)に基づいて、重みの前記セットの評価のために使用するデータ(以下、ターゲットデータという)を生成することであって、前記ターゲットデータは、前記訓練入力と、前記訓練入力を前記ターゲット関数に適用して得られるラベル(以下、ターゲットラベルという)を含み、前記ターゲットラベルは、前記訓練ラベルとは異なること、
前記ターゲットデータに基づいて第3の関数を決定すること、
前記ターゲットデータに重みの前記セットを適用して、重み付けされたターゲットデータを生成すること、
重み付けされたターゲットデータに基づいて第4の関数を決定すること、ならびに
前記第1の関数、前記第2の関数、前記第3の関数、および前記第4の関数に基づいて前記重み利益を決定することであって、前記重み利益は、前記訓練データに重みの前記セットを適用する利益に関連すること、を備える方法。 - 前記第1の関数と前記第2の関数の間の第1の予期される値を決定すること、
前記第3の関数と前記ターゲット関数の間の第2の予期される値を決定することであって、前記ターゲット関数は、前記訓練データに基づくこと、
前記第4の関数と前記ターゲット関数の間の第3の予期される値を決定すること、および
前記第3の関数と前記第4の関数の間の第4の予期される値を決定すること、をさらに備え、
前記重み利益を前記決定することは、前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値に基づく、請求項1に記載の方法。 - 前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値は、それぞれ、前記第1の関数、前記第2の関数、前記第3の関数、および前記第4の関数に試験入力を適用することに基づく、請求項2に記載の方法。
- 前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値を使用して評価値を決定すること、
前記評価値を前記第1の予期される値と比較すること、
前記評価値と前記第1の予期される値を前記比較することに基づいてカウントを決定すること、および
前記カウントをしきい値と比較すること、をさらに備え、
前記重み利益を前記決定することは、前記カウントと前記しきい値を前記比較することに基づく、請求項2に記載の方法。 - 前記重み付けされたターゲットデータを前記生成することは、前記ターゲット関数に基づく、請求項2に記載の方法。
- 前記ターゲット関数を生成するために使用する関数(以下、人工的な関数という)を生成するパラメータのセットを決定すること、
前記訓練入力および前記人工的な関数を使用して、前記ターゲット関数を生成するために使用するデータ(以下、人工的なデータという)を生成することであって、前記人工的なデータは、前記訓練入力と、前記訓練入力を前記人工的な関数に適用して得られるラベルとを含むこと、
前記訓練データおよび前記人工的なデータに基づいて前記ターゲット関数を生成すること、
前記第1の関数と前記第2の関数の間の第1の予期される値を決定すること、
前記第3の関数と前記ターゲット関数の間の第2の予期される値を決定すること、
前記第4の関数と前記ターゲット関数の間の第3の予期される値を決定すること、ならびに
前記第3の関数と前記第4の関数の間の第4の予期される値を決定すること、をさらに備え、
前記重み利益を前記決定することは、前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値に基づく、請求項1に記載の方法。 - 前記ターゲット関数を前記生成することは、
前記訓練データに関連する第1の平均値を決定すること、
前記訓練データに関連する第1の標準偏差を決定すること、
前記人工的なデータに関連する第2の平均値を決定すること、
前記人工的なデータに関連する第2の標準偏差を決定すること、を備え、
前記ターゲット関数は、前記第1の平均値、前記第1の標準偏差、前記第2の平均値、および前記第2の偏差に基づく、請求項6に記載の方法。 - 前記ターゲット関数は、雑音パラメータにさらに基づく、請求項7に記載の方法。
- 前記ターゲット関数は、
前記第1の平均値、前記第1の標準偏差、前記第2の平均値、および前記第2の標準偏差に符号関数、
前記第1の平均値、前記第1の標準偏差、前記第2の平均値、および前記第2の標準偏差にラウンド関数、または
前記第1の平均値、前記第1の標準偏差、前記第2の平均値、および前記第2の標準偏差に最近接数関数
のうちの1つを適用することに基づく、請求項7に記載の方法。 - 機械学習環境において訓練データに関連する重み利益を決定するのに有効なシステムであって、
前記訓練データを記憶することであって、前記訓練データは、訓練入力と、訓練ラベルとを含むこと、および
重みのセットを記憶することを行うように構成されたメモリと、
前記メモリと通信状態にあるように構成されたターゲット関数生成モジュールであって、
重みの前記セットの評価のために使用する関数(以下、ターゲット関数という)に基づいて、重みの前記セットの評価のために使用するデータ(以下、ターゲットデータという)を生成することであって、前記ターゲットデータは、前記訓練入力と、前記訓練入力を前記ターゲット関数に適用して得られるラベル(以下、ターゲットラベルという)を含み、前記ターゲットラベルは、前記訓練ラベルとは異なること、および
前記ターゲットデータを前記メモリの中に記憶することを行うように構成されたターゲット関数生成モジュールと、
前記ターゲット関数生成モジュールおよび前記メモリと通信状態にあるように構成された処理モジュールであって、
前記訓練データに重みの前記セットを適用して、重み付けされた訓練データを生成すること、
前記ターゲットデータに重みの前記セットを適用して、重み付けされたターゲットデータを生成すること、
前記重み付けされた訓練データおよび前記重み付けされたターゲットデータを前記メモリの中に記憶することを行うように構成された処理モジュールと、
前記ターゲット関数生成モジュール、前記処理モジュール、および前記メモリと通信状態にあるように構成された機械学習モジュールであって、
前記訓練データに基づいて第1の関数を決定すること、
前記重み付けされた訓練データに基づいて第2の関数を決定すること、
前記ターゲットデータに基づいて第3の関数を決定すること、および
前記重み付けされたターゲットデータに基づいて第4の関数を決定することを行うように構成された機械学習モジュールと、
前記ターゲット関数生成モジュール、前記処理モジュール、前記機械学習モジュール、および前記メモリと通信状態にあるように構成された評価モジュールであって、
前記第1の関数、前記第2の関数、前記第3の関数、および前記第4の関数に基づいて前記重み利益を決定することであって、前記重み利益は、前記訓練データに重みの前記セットを適用する利益に関連することを行うように構成された評価モジュールと、を備えるシステム。 - 前記ターゲット関数生成モジュール、前記処理モジュール、前記機械学習モジュール、前記評価モジュール、および前記メモリと通信状態にあるように構成された算術モジュールをさらに備え、前記算術モジュールは、
前記第1の関数と前記第2の関数の間の第1の予期される値を決定すること、
前記メモリから前記ターゲット関数を取り出すことであって、前記ターゲット関数は、前記訓練データに基づくこと、
前記第3の関数と前記ターゲット関数の間の第2の予期される値を決定すること、
前記第4の関数と前記ターゲット関数の間の第3の予期される値を決定すること、
前記第3の関数と前記第4の関数の間の第4の予期される値を決定すること、
前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値を前記評価モジュールに送信することを行うように構成され、
前記評価モジュールは、前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値に基づいて前記重み利益を決定するのに有効である、請求項10に記載のシステム。 - 前記評価モジュールは、
前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値を受信すること、
前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値を使用して評価値を決定すること、
前記評価値を前記第1の予期される値と比較すること、
前記評価値と前記第1の予期される値を前記比較することに基づいてカウントを決定すること、および
前記カウントをしきい値と比較することを行うようにさらに構成され、
前記重み利益を前記決定することは、前記カウントと前記しきい値を前記比較することに基づく、請求項11に記載のシステム。 - 前記処理モジュールは、
前記ターゲット関数を使用して前記重み付けされたターゲットデータを生成することを行うように構成される、請求項11に記載のシステム。 - 前記ターゲット関数生成モジュールは、
前記ターゲット関数を生成するために使用する関数(以下、人工的な関数という)を生成するパラメータのセットを決定すること、
前記訓練入力および前記人工的な関数を使用して、前記ターゲット関数を生成するために使用するデータ(以下、人工的なデータという)を生成することであって、前記人工的なデータは、前記訓練入力と、前記訓練入力を前記人工的な関数に適用して得られるラベルとを含むこと、
前記訓練データおよび前記人工的なデータに基づいて前記ターゲット関数を生成すること、
前記第1の関数と前記第2の関数の間の第1の予期される値を決定すること、
前記第3の関数と前記ターゲット関数の間の第2の予期される値を決定すること、
前記第4の関数と前記ターゲット関数の間の第3の予期される値を決定すること、ならびに
前記第3の関数と前記第4の関数の間の第4の予期される値を決定することを行うようにさらに構成され、
前記評価モジュールは、前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値に基づいて前記重み利益を決定するのに有効である、請求項10に記載のシステム。 - 前記ターゲット関数生成モジュールは、
前記訓練データに関連する第1の平均値を決定すること、
前記訓練データに関連する第1の標準偏差を決定すること、
前記人工的なデータに関連する第2の平均値を決定すること、および
前記人工的なデータに関連する第2の標準偏差を決定することを行うようにさらに構成され、
前記ターゲット関数は、前記人工的なデータ、前記第1の平均値、前記第1の標準偏差、前記第2の平均値、および前記第2の偏差に基づく、請求項14に記載のシステム。 - 機械学習環境において訓練データに関連する重み利益を決定する方法であって、第1のデバイスによる、
第2のデバイスから、前記訓練データに基づく第1の関数を受信することであって、前記訓練データは、訓練入力と、訓練ラベルとを含むこと、
前記第2のデバイスから、重みのセットを受信すること、
前記第2のデバイスから、重み付けされた訓練データに基づく第2の関数を受信することであって、前記重み付けされた訓練データは、重みの前記セットに基づくこと、
重みの前記セットの評価のために使用する関数(以下、ターゲット関数という)に基づいて、重みの前記セットの評価のために使用するデータ(以下、ターゲットデータという)を生成することであって、前記ターゲットデータは、前記訓練入力と、前記訓練入力を前記ターゲット関数に適用して得られるラベル(以下、ターゲットラベルという)を含み、前記ターゲットラベルは、前記訓練ラベルとは異なること、
前記ターゲットデータに基づいて第3の関数を決定すること、
前記ターゲットデータに重みの前記セットを適用して、重み付けされたターゲットデータを生成すること、
前記重み付けされたターゲットデータに基づいて第4の関数を決定すること、ならびに
前記第1の関数、前記第2の関数、前記第3の関数、および前記第4の関数に基づいて前記重み利益を決定することであって、前記重み利益は、前記訓練データに重みの前記セットを適用する利益に関連すること、を備える方法。 - 前記第1の関数と前記第2の関数の間の第1の予期される値を決定すること、
前記第3の関数と前記ターゲット関数の間の第2の予期される値を決定すること、
前記第4の関数と前記ターゲット関数の間の第3の予期される値を決定すること、および
前記第3の関数と前記第4の関数の間の第4の予期される値を決定すること、をさらに備え、
前記重み利益を前記決定することは、前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値に基づく、請求項16に記載の方法。 - 前記第1の予期される値、前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値は、それぞれ、前記第1の関数、前記第2の関数、前記第3の関数、および前記第4の関数に試験入力を適用することに基づく、請求項17に記載の方法。
- 前記第2の予期される値、前記第3の予期される値、および前記第4の予期される値を使用して評価値を決定すること、
前記評価値を前記第1の予期される値と比較すること、
前記評価値と前記第1の予期される値を前記比較することに基づいてカウントを決定すること、および
前記カウントをしきい値と比較すること、をさらに備え、
前記重み利益を前記決定することは、前記カウントと前記しきい値を前記比較することに基づく、請求項17に記載の方法。 - 前記ターゲット関数を生成するために使用する関数(以下、人工的な関数という)を生成するパラメータのセットを決定すること、
前記訓練入力および前記人工的な関数を使用して、前記ターゲット関数を生成するために使用するデータ(以下、人工的なデータという)を生成することであって、前記人工的なデータは、前記訓練入力と、前記訓練入力を前記人工的な関数に適用して得られるラベルとを含むこと、
前記訓練データに関連する第1の平均値を決定すること、
前記訓練データに関連する第1の標準偏差を決定すること、
前記人工的なデータに関連する第2の平均値を決定すること、
前記人工的なデータに関連する第2の標準偏差を決定すること、および
前記人工的なデータ、前記第1の平均値、前記第1の標準偏差、前記第2の平均値、および前記第2の標準偏差を使用して前記ターゲット関数を生成すること、をさらに備える、請求項16に記載の方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361907504P | 2013-11-22 | 2013-11-22 | |
US61/907,504 | 2013-11-22 | ||
US201462015133P | 2014-06-20 | 2014-06-20 | |
US62/015,133 | 2014-06-20 | ||
US14/451,859 | 2014-08-05 | ||
US14/451,859 US10558935B2 (en) | 2013-11-22 | 2014-08-05 | Weight benefit evaluator for training data |
PCT/US2014/066805 WO2015077555A2 (en) | 2013-11-22 | 2014-11-21 | Weight benefit evaluator for training data |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017500637A JP2017500637A (ja) | 2017-01-05 |
JP6276857B2 true JP6276857B2 (ja) | 2018-02-07 |
Family
ID=53180398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016532028A Expired - Fee Related JP6276857B2 (ja) | 2013-11-22 | 2014-11-21 | 訓練データに関する重み利益エバリュエータ |
Country Status (5)
Country | Link |
---|---|
US (2) | US10558935B2 (ja) |
EP (1) | EP3072060A4 (ja) |
JP (1) | JP6276857B2 (ja) |
KR (1) | KR101889451B1 (ja) |
WO (1) | WO2015077555A2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953271B2 (en) | 2013-11-22 | 2018-04-24 | California Institute Of Technology | Generation of weights in machine learning |
US9858534B2 (en) | 2013-11-22 | 2018-01-02 | California Institute Of Technology | Weight generation in machine learning |
US10558935B2 (en) * | 2013-11-22 | 2020-02-11 | California Institute Of Technology | Weight benefit evaluator for training data |
US10535014B2 (en) | 2014-03-10 | 2020-01-14 | California Institute Of Technology | Alternative training distribution data in machine learning |
EP3602422B1 (en) | 2017-03-22 | 2022-03-16 | Visa International Service Association | Privacy-preserving machine learning |
CN107832852B (zh) * | 2017-11-14 | 2021-03-02 | 深圳码隆科技有限公司 | 数据处理学习方法、系统以及电子设备 |
WO2019141905A1 (en) * | 2018-01-19 | 2019-07-25 | Nokia Technologies Oy | An apparatus, a method and a computer program for running a neural network |
JP6950647B2 (ja) * | 2018-08-28 | 2021-10-13 | 株式会社豊田中央研究所 | データ判定装置、方法、及びプログラム |
US10977445B2 (en) * | 2019-02-01 | 2021-04-13 | International Business Machines Corporation | Weighting features for an intent classification system |
KR102411885B1 (ko) | 2019-08-01 | 2022-06-21 | 박상훈 | 트레이닝 완성도를 평가하기 위한 장치 및 방법 |
US11861467B2 (en) * | 2020-03-05 | 2024-01-02 | Qualcomm Incorporated | Adaptive quantization for execution of machine learning models |
US11379748B2 (en) | 2020-06-15 | 2022-07-05 | Bank Of America Corporation | System for threshold detection using learning reinforcement |
Family Cites Families (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2167748A1 (en) * | 1995-02-09 | 1996-08-10 | Yoav Freund | Apparatus and methods for machine learning hypotheses |
US6119083A (en) | 1996-02-29 | 2000-09-12 | British Telecommunications Public Limited Company | Training process for the classification of a perceptual signal |
US6373483B1 (en) | 1997-01-13 | 2002-04-16 | Silicon Graphics, Inc. | Method, system and computer program product for visually approximating scattered data using color to represent values of a categorical variable |
US6594586B1 (en) * | 1997-10-28 | 2003-07-15 | California Institute Of Technology | Incorporation of contextual information in object identification |
US6453307B1 (en) | 1998-03-03 | 2002-09-17 | At&T Corp. | Method and apparatus for multi-class, multi-label information categorization |
US6789069B1 (en) * | 1998-05-01 | 2004-09-07 | Biowulf Technologies Llc | Method for enhancing knowledge discovered from biological data using a learning machine |
WO1999057622A2 (en) | 1998-05-01 | 1999-11-11 | Barnhill Technologies, Llc | Pre-processing and post-processing for enhancing knowledge discovery using support vector machines |
US7318051B2 (en) * | 2001-05-18 | 2008-01-08 | Health Discovery Corporation | Methods for feature selection in a learning machine |
US6850873B1 (en) | 1999-09-29 | 2005-02-01 | Eric T Bax | Using validation by inference to select a hypothesis function |
US7970718B2 (en) | 2001-05-18 | 2011-06-28 | Health Discovery Corporation | Method for feature selection and for evaluating features identified as significant for classifying data |
US6701311B2 (en) | 2001-02-07 | 2004-03-02 | International Business Machines Corporation | Customer self service system for resource search and selection |
EP1449108A4 (en) | 2001-11-07 | 2006-11-22 | Health Discovery Corp | CLASSIFICATION OF CHARACTERISTICS PRETRATED FOR A SUPPORT VECTOR MACHINE |
US6876955B1 (en) | 2001-12-28 | 2005-04-05 | Fannie Mae | Method and apparatus for predicting and reporting a real estate value based on a weighted average of predicted values |
JP2005044330A (ja) | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
JP2005107743A (ja) * | 2003-09-29 | 2005-04-21 | Nec Corp | 学習システム |
US7356187B2 (en) * | 2004-04-12 | 2008-04-08 | Clairvoyance Corporation | Method and apparatus for adjusting the model threshold of a support vector machine for text classification and filtering |
US7426497B2 (en) * | 2004-08-31 | 2008-09-16 | Microsoft Corporation | Method and apparatus for analysis and decomposition of classifier data anomalies |
US7480667B2 (en) | 2004-12-24 | 2009-01-20 | Microsoft Corporation | System and method for using anchor text as training data for classifier-based search systems |
US7689520B2 (en) * | 2005-02-25 | 2010-03-30 | Microsoft Corporation | Machine learning system and method for ranking sets of data using a pairing cost function |
US7877383B2 (en) * | 2005-04-27 | 2011-01-25 | Microsoft Corporation | Ranking and accessing definitions of terms |
US7472096B2 (en) * | 2005-07-18 | 2008-12-30 | Microsoft Corporation | Training a learning system with arbitrary cost functions |
US7561158B2 (en) | 2006-01-11 | 2009-07-14 | International Business Machines Corporation | Method and apparatus for presenting feature importance in predictive modeling |
EP1818746A1 (en) | 2006-02-10 | 2007-08-15 | ALSTOM Technology Ltd | Method of condition monitoring |
US8019763B2 (en) * | 2006-02-27 | 2011-09-13 | Microsoft Corporation | Propagating relevance from labeled documents to unlabeled documents |
US8001121B2 (en) * | 2006-02-27 | 2011-08-16 | Microsoft Corporation | Training a ranking function using propagated document relevance |
US7617164B2 (en) * | 2006-03-17 | 2009-11-10 | Microsoft Corporation | Efficiency of training for ranking systems based on pairwise training with aggregated gradients |
AU2006201210A1 (en) | 2006-03-23 | 2007-10-11 | Canon Information Systems Research Australia Pty Ltd | Motion characterisation |
US7720830B2 (en) * | 2006-07-31 | 2010-05-18 | Microsoft Corporation | Hierarchical conditional random fields for web extraction |
US20080169975A1 (en) | 2007-01-12 | 2008-07-17 | Young Paul Yee | Process for generating spatially continuous wind profiles from wind profiler measurements |
US8005771B2 (en) | 2007-10-04 | 2011-08-23 | Siemens Corporation | Segment-based change detection method in multivariate data stream |
US20090132515A1 (en) * | 2007-11-19 | 2009-05-21 | Yumao Lu | Method and Apparatus for Performing Multi-Phase Ranking of Web Search Results by Re-Ranking Results Using Feature and Label Calibration |
US8175384B1 (en) | 2008-03-17 | 2012-05-08 | Adobe Systems Incorporated | Method and apparatus for discriminative alpha matting |
JP2009282685A (ja) | 2008-05-21 | 2009-12-03 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
US8386401B2 (en) * | 2008-09-10 | 2013-02-26 | Digital Infuzion, Inc. | Machine learning methods and systems for identifying patterns in data using a plurality of learning machines wherein the learning machine that optimizes a performance function is selected |
JP2010092266A (ja) | 2008-10-08 | 2010-04-22 | Nec Corp | 学習装置、学習方法及びプログラム |
US20100169243A1 (en) * | 2008-12-27 | 2010-07-01 | Kibboko, Inc. | Method and system for hybrid text classification |
US9189472B2 (en) * | 2009-03-30 | 2015-11-17 | Touchtype Limited | System and method for inputting text into small screen devices |
US20120290316A1 (en) | 2009-11-27 | 2012-11-15 | New Ideas Company Pty Ltd | Method and System for Consumer Centred Care Management |
US9187984B2 (en) | 2010-07-29 | 2015-11-17 | Exxonmobil Upstream Research Company | Methods and systems for machine-learning based simulation of flow |
US8924314B2 (en) * | 2010-09-28 | 2014-12-30 | Ebay Inc. | Search result ranking using machine learning |
US8504392B2 (en) * | 2010-11-11 | 2013-08-06 | The Board Of Trustees Of The Leland Stanford Junior University | Automatic coding of patient outcomes |
US20120271821A1 (en) | 2011-04-20 | 2012-10-25 | Microsoft Corporation | Noise Tolerant Graphical Ranking Model |
US8798984B2 (en) * | 2011-04-27 | 2014-08-05 | Xerox Corporation | Method and system for confidence-weighted learning of factored discriminative language models |
US20120330971A1 (en) * | 2011-06-26 | 2012-12-27 | Itemize Llc | Itemized receipt extraction using machine learning |
US9471882B2 (en) * | 2011-07-25 | 2016-10-18 | International Business Machines Corporation | Information identification method, program product, and system using relative frequency |
US20130066452A1 (en) | 2011-09-08 | 2013-03-14 | Yoshiyuki Kobayashi | Information processing device, estimator generating method and program |
US9916538B2 (en) * | 2012-09-15 | 2018-03-13 | Z Advanced Computing, Inc. | Method and system for feature detection |
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
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 |
US9031897B2 (en) | 2012-03-23 | 2015-05-12 | Nuance Communications, Inc. | Techniques for evaluation, building and/or retraining of a classification model |
US8788439B2 (en) * | 2012-12-21 | 2014-07-22 | InsideSales.com, Inc. | Instance weighted learning machine learning model |
US20140180738A1 (en) | 2012-12-21 | 2014-06-26 | Cloudvu, Inc. | Machine learning for systems management |
WO2014110167A2 (en) | 2013-01-08 | 2014-07-17 | Purepredictive, Inc. | Integrated machine learning for a data management product |
EP2883173A1 (en) * | 2013-03-15 | 2015-06-17 | The Echo Nest Corporation | Demographic and media preference prediction using media content data analysis |
US9355088B2 (en) | 2013-07-12 | 2016-05-31 | Microsoft Technology Licensing, Llc | Feature completion in computer-human interactive learning |
US9679258B2 (en) | 2013-10-08 | 2017-06-13 | Google Inc. | Methods and apparatus for reinforcement learning |
US10558935B2 (en) | 2013-11-22 | 2020-02-11 | California Institute Of Technology | Weight benefit evaluator for training data |
US10535014B2 (en) * | 2014-03-10 | 2020-01-14 | California Institute Of Technology | Alternative training distribution data in machine learning |
US9858534B2 (en) * | 2013-11-22 | 2018-01-02 | California Institute Of Technology | Weight generation in machine learning |
US9953271B2 (en) * | 2013-11-22 | 2018-04-24 | California Institute Of Technology | Generation of weights in machine learning |
US10262272B2 (en) | 2014-12-07 | 2019-04-16 | Microsoft Technology Licensing, Llc | Active machine learning |
US20170011307A1 (en) | 2015-07-07 | 2017-01-12 | California Institute Of Technology | Alternative training distribution based on density modification |
-
2014
- 2014-08-05 US US14/451,859 patent/US10558935B2/en active Active
- 2014-11-21 KR KR1020167015353A patent/KR101889451B1/ko active IP Right Grant
- 2014-11-21 EP EP14864007.1A patent/EP3072060A4/en not_active Withdrawn
- 2014-11-21 WO PCT/US2014/066805 patent/WO2015077555A2/en active Application Filing
- 2014-11-21 JP JP2016532028A patent/JP6276857B2/ja not_active Expired - Fee Related
-
2016
- 2016-09-09 US US15/261,390 patent/US20160379140A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20160379140A1 (en) | 2016-12-29 |
EP3072060A4 (en) | 2017-08-09 |
EP3072060A2 (en) | 2016-09-28 |
WO2015077555A2 (en) | 2015-05-28 |
JP2017500637A (ja) | 2017-01-05 |
KR20160083111A (ko) | 2016-07-11 |
WO2015077555A3 (en) | 2015-10-29 |
US10558935B2 (en) | 2020-02-11 |
KR101889451B1 (ko) | 2018-08-17 |
US20150206065A1 (en) | 2015-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6276857B2 (ja) | 訓練データに関する重み利益エバリュエータ | |
JP6212216B2 (ja) | 機械学習における重み生成 | |
JP6212217B2 (ja) | 機械学習における重みの生成 | |
KR101933916B1 (ko) | 머신 러닝에서의 대안 트레이닝 분포 데이터 | |
US10268451B2 (en) | Method and processing apparatus for performing arithmetic operation | |
CN108630197B (zh) | 用于语音识别的训练方法和设备 | |
CN105761102B (zh) | 一种预测用户购买商品行为的方法和装置 | |
EP3115939A1 (en) | Alternative training distribution based on density modification | |
JP6381962B2 (ja) | シミュレーションシステム及び方法と該システムを含むコンピュータシステム | |
WO2016123788A1 (en) | Rhythm based multimedia generator | |
US20160378791A1 (en) | Method and apparatus for performing a search operation on heterogeneous computing systems | |
US20150255090A1 (en) | Method and apparatus for detecting speech segment | |
KR20220013896A (ko) | 프로세서의 신경망 아키텍처를 결정하기 위한 방법 및 장치 | |
US20200202212A1 (en) | Learning device, learning method, and computer-readable recording medium | |
WO2015070408A1 (en) | Generation of a communication request based on visual selection | |
CN113128677A (zh) | 模型生成方法和装置 | |
US20160140203A1 (en) | Ontology decomposer | |
WO2016054800A1 (en) | Scene image generator | |
CN114201974A (zh) | 一种对话处理方法及相关设备 | |
CN115358288A (zh) | 基于标签约束的多模态分类模型训练方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170607 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170905 |
|
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: 20171221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6276857 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |