JP7492541B2 - 機械学習サービスを提供するための方法及びシステム - Google Patents
機械学習サービスを提供するための方法及びシステム Download PDFInfo
- Publication number
- JP7492541B2 JP7492541B2 JP2021575051A JP2021575051A JP7492541B2 JP 7492541 B2 JP7492541 B2 JP 7492541B2 JP 2021575051 A JP2021575051 A JP 2021575051A JP 2021575051 A JP2021575051 A JP 2021575051A JP 7492541 B2 JP7492541 B2 JP 7492541B2
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- data
- learning model
- model
- consumer
- 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.)
- Active
Links
- 238000010801 machine learning Methods 0.000 title claims description 212
- 238000000034 method Methods 0.000 title claims description 65
- 238000012549 training Methods 0.000 claims description 77
- 230000008569 process Effects 0.000 claims description 17
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 description 27
- 230000015654 memory Effects 0.000 description 21
- 230000002776 aggregation Effects 0.000 description 19
- 238000004220 aggregation Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 18
- 238000011156 evaluation Methods 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 13
- 238000013461 design Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013526 transfer learning Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 239000003112 inhibitor Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06N3/088—Non-supervised learning, e.g. competitive 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
- 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
- G06N3/08—Learning methods
- G06N3/096—Transfer 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
- G06N3/098—Distributed learning, e.g. federated learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
[0001] 本出願は、参照のためその全体を本明細書に援用する2019年6月18日出願の米国暫定特許出願第62/862,986号及び2019年8月29日出願の米国暫定特許出願第62/893,725号からの優先権及び利益を主張する。
[0002] 高度にアクセス可能であり且つ費用効率の高い機械学習プラットホーム(例えばTensorFlow、Amazonの機械学習、MicrosoftのAzure機械学習、OpenAI、SciKit-Learn、Matlabなど)の最近の成長により、ユーザは、大きなデータセットの自動解析を行うためのユーザに利用可能な無数の既成選択肢を有する。機械学習サービスプロバイダは、深層学習技術の成功がトレーニングのために利用可能なデータ量に直接比例するので、大規模にユーザデータを通常収集する。しかし、このような大量データ収集及び/又は機械学習モデルをサービスすることはプライバシー問題に悩まされる。
[0003] ユーザがモデルトレーニング及び予測と相互作用するための既存手法及び方法が存在するが、このような方法及びシステムに付随する制限がここでは認識される。例えば、連合学習は、すべてのトレーニングデータをデバイス上に維持し、データをクラウド内に格納する必要性から機械学習を行う能力を切り離す一方で、モバイルフォンが共有予測モデルを連携して学習することを可能にする。連合学習では、中央システム及び分散されたデバイスが共通モデルを共有する一方で、分散されたデバイスは、モデルの重み付けをプライベートトレーニングデータセットによりローカルに更新し、及び更新された重み付けを中央システムへ送信し得る。中央システムは、分散デバイスからの更新を統合し、延いては分散デバイスへ送信され得る共通モデルの重み付けを更新し得る。しかし、このような連合手法では、中央モデルは可視であり、及び分散デバイスへ露出され、各デバイスからの更新されたモデルもまた中央システムへ露出される。別の例として、転移学習(transfer learning)は、トレーニング済み深層ニューラルネットワークのアーキテクチャ及び重み付けの一部(又は全体)を第2の深層ニューラルネットワークの開始点として使用することにより、情報を1つの深層ニューラルネットワークから別のネットワークへ転送するための技術である。転移学習では、基本ネットワークは、基本データセット及びタスクに関し最初にトレーニングされ、次に、学習された特徴は再利用されるか、又は学習された特徴は、標的データセット及びタスクに関しトレーニングされる第2の標的ネットワークへ転送される。しかし、このような転移学習では、特徴は通常、一般的(基本タスクに固有である代わりに基本タスク及び標的タスクの両方に好適であることを意味する)となることが要求され、及び基本モデルもまた、第2のネットワークに対して露出されて可視となる。
[0013] 本明細書で述べられるすべての刊行物、特許、及び特許出願は、各個々の刊行物、特許、又は特許出願が参照により援用されるように具体的且つ個々に指示される限りにおいて、参照により本明細書に援用される。参照により援用される刊行物及び特許又は特許出願が本明細書に含まれる開示と矛盾する限りにおいて、本明細書は、いかなるこのような矛盾する資料をも代替する及び/又は優先する。
[0014] 本発明の新規な特徴は添付の特許請求の範囲において具体的に示される。本発明の特徴及び利点のさらなる理解は、本発明の原理が利用される例示的実施形態を示す以下の詳細説明と添付図面(本明細書では「図」)とを参照することにより得られることになる。
[0022] 本明細書では本発明の様々な実施形態が示され説明されるが、このような実施形態が単に一例として提供されることは当業者にとって明白である。本発明から逸脱することなく非常に多くの変形、変更、及び置換が当業者に思い浮かび得る。本明細書に記載の本発明の実施形態の様々な代替案が採用され得るということが理解されるべきである。
[0080] 本明細書において説明されるプロバイダシステム、消費者システム、集積コンポーネント、又はプロセスは1つ又は複数のプロセッサにより実現され得る。いくつかの実施形態では、1つ又は複数のプロセッサは、フィールドプログラマブルゲートアレイ(FPGA)、特定用途向け集積回路(ASIC)、及び/又は1つ又は複数のアドバンストRISC機械(ARM:Advanced RISC Machine)プロセッサなどの密粒度空間的アーキテクチャの形式のプログラム可能プロセッサ(例えば中央処理ユニット(CPU)、グラフィック処理ユニット(GPU)、汎用処理ユニット、又はマイクロコントローラ)であり得る。いくつかの実施形態では、プロセッサはコンピュータシステムの処理ユニットであり得る。図7は連続機械学習システムを実現するようにプログラム又はそうでなければ構成されたコンピュータシステム701を示す。コンピュータシステム701は本開示の様々な態様を規制し得る。
Claims (20)
- 機械学習モデルサービスを提供する方法であって、
(a)第1の機械学習モデルを使用することにより第1の出力データを第1の計算システムにより生成することであって、前記第1の機械学習モデルは第1のトレーニングデータセットでトレーニングされる、生成すること;
(b)前記第1の出力データを第2の計算システムへ送信することであって、前記第1のトレーニングデータセット及び前記第1の機械学習モデルは前記第2の計算システムにアクセス不能である、送信すること;
(c)前記第1の出力データと前記第2の計算システムにアクセス可能な選択された組の入力特徴とを連結することにより入力データを生成すること;及び
(d)前記入力データを処理するために第2の機械学習モデルを使用して第2の出力データを生成することであって、前記第2の機械学習モデル及び前記選択された組の入力特徴は前記第1の計算システムにアクセス不能である、生成することを含む方法。 - 前記第1の出力データは予測値を含む、請求項1に記載の方法。
- 前記第1の出力データは1つ又は複数の共通特徴に従って前記選択された組の入力特徴と連結される、請求項1に記載の方法。
- 前記1つ又は複数の共通特徴は共通特徴識別子を含む、請求項3に記載の方法。
- 前記第2の機械学習モデルは教師有り学習を使用してトレーニングされ、前記第2の機械学習モデルをトレーニングするためのラベル付きデータセットは前記第1の機械学習モデルにより生成されたデータを含む、請求項1に記載の方法。
- 前記第1の機械学習モデルは畳み込みニューラルネットワークであり、前記第1の機械学習により生成される前記データは、前記畳み込みニューラルネットワークの最上層の出力を含む、請求項5に記載の方法。
- 前記選択された組の入力特徴は、前記第2の機械学習モデルの性能を評価することにより決定される、請求項1に記載の方法。
- 前記第2の機械学習モデルの性能メトリックが閾値より良くなるまで、異なる組の入力特徴が選択される、請求項7に記載の方法。
- 前記第1の出力データを生成するための要求を、前記第1の計算システムにより受信することをさらに含む、請求項1に記載の方法。
- 前記要求は予測サービスに関係する1つ又は複数の共通特徴を含む、請求項9に記載の方法。
- (a)第1の機械学習モデルを使用して第1の出力データを生成するように構成された第1の計算システムであって、前記第1の機械学習モデルは第1のトレーニングデータセットでトレーニングされる、第1の計算システム;
(b)入力データを処理するために第2の機械学習モデルを使用することにより第2の出力データを生成するように構成された第2の計算システム;及び
(c)前記第1の出力データと前記第2の計算システムにアクセス可能な選択された組の入力特徴とを連結することにより前記入力データを生成するように構成された集積コンポーネントを含み、
前記第1のトレーニングデータセット及び前記第1の機械学習モデルは前記第2の計算システムにアクセス不能であり、前記第2の機械学習モデル及び前記選択された一組の入力特徴は前記第1の計算システムにアクセス不能である、
連続機械学習システム。 - 前記第1の出力データは予測値を含む、請求項11に記載の連続機械学習システム。
- 前記第1の出力データは1つ又は複数の共通特徴に従って、前記選択された組の入力特徴と連結される、請求項11に記載の連続機械学習システム。
- 前記1つ又は複数の共通特徴は共通特徴識別子を含む、請求項13に記載の連続機械学習システム。
- 前記第2の機械学習モデルは教師有り学習を使用してトレーニングされ、前記第2の機械学習モデルをトレーニングするためのラベル付きデータセットは前記第1の機械学習モデルにより生成されたデータを含む、請求項11に記載の連続機械学習システム。
- 前記第1の機械学習モデルは畳み込みニューラルネットワークであり、前記第1の機械学習により生成される前記データは、前記畳み込みニューラルネットワークの最上層の出力を含む、請求項15に記載の連続機械学習システム。
- 前記選択された組の入力特徴は、前記第2の機械学習モデルの性能を評価することにより決定される、請求項11に記載の連続機械学習システム。
- 前記第2の機械学習モデルの性能メトリックが閾値より良くなるまで、異なる組の入力特徴が選択される、請求項17に記載の連続機械学習システム。
- 前記第1の計算システムは、前記第1の出力データを生成するための要求をさらに受信するように構成される、請求項11に記載の連続機械学習システム。
- 前記要求は予測サービスに関係する1つ又は複数の共通特徴を含む、請求項19に記載の連続機械学習システム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962862986P | 2019-06-18 | 2019-06-18 | |
US62/862,986 | 2019-06-18 | ||
US201962893725P | 2019-08-29 | 2019-08-29 | |
US62/893,725 | 2019-08-29 | ||
PCT/US2020/038148 WO2020257292A1 (en) | 2019-06-18 | 2020-06-17 | Method and system for providing machine learning service |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022537317A JP2022537317A (ja) | 2022-08-25 |
JP7492541B2 true JP7492541B2 (ja) | 2024-05-29 |
Family
ID=74037782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021575051A Active JP7492541B2 (ja) | 2019-06-18 | 2020-06-17 | 機械学習サービスを提供するための方法及びシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11868884B2 (ja) |
EP (1) | EP3987461A4 (ja) |
JP (1) | JP7492541B2 (ja) |
KR (1) | KR20220024718A (ja) |
CN (1) | CN114287007A (ja) |
WO (1) | WO2020257292A1 (ja) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018176000A1 (en) | 2017-03-23 | 2018-09-27 | DeepScale, Inc. | Data synthesis for autonomous control systems |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US10671349B2 (en) | 2017-07-24 | 2020-06-02 | Tesla, Inc. | Accelerated mathematical engine |
US11157441B2 (en) | 2017-07-24 | 2021-10-26 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
US11250497B2 (en) * | 2018-05-16 | 2022-02-15 | Sap Se | Data generation in digital advertising ecosystems |
US11215999B2 (en) | 2018-06-20 | 2022-01-04 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
US11361457B2 (en) | 2018-07-20 | 2022-06-14 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
AU2019357615B2 (en) | 2018-10-11 | 2023-09-14 | Tesla, Inc. | Systems and methods for training machine models with augmented data |
US11196678B2 (en) | 2018-10-25 | 2021-12-07 | Tesla, Inc. | QOS manager for system on a chip communications |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
US10997461B2 (en) | 2019-02-01 | 2021-05-04 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11150664B2 (en) | 2019-02-01 | 2021-10-19 | Tesla, Inc. | Predicting three-dimensional features for autonomous driving |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US10956755B2 (en) | 2019-02-19 | 2021-03-23 | Tesla, Inc. | Estimating object properties using visual image data |
US11127050B2 (en) * | 2019-11-18 | 2021-09-21 | Adobe Inc. | Artificial intelligence techniques for bid optimization used for generating dynamic online content |
US11615347B2 (en) * | 2019-12-31 | 2023-03-28 | Paypal, Inc. | Optimizing data processing and feature selection for model training |
US11562297B2 (en) * | 2020-01-17 | 2023-01-24 | Apple Inc. | Automated input-data monitoring to dynamically adapt machine-learning techniques |
CN117320034A (zh) * | 2020-04-29 | 2023-12-29 | 华为技术有限公司 | 一种通信方法、装置及系统 |
US11620550B2 (en) * | 2020-08-10 | 2023-04-04 | International Business Machines Corporation | Automated data table discovery for automated machine learning |
CN112560795B (zh) * | 2020-12-30 | 2022-07-26 | 南昌航空大学 | 一种基于cn-gan与cnn的sar图像目标识别算法 |
CN112766514B (zh) * | 2021-01-22 | 2021-12-24 | 支付宝(杭州)信息技术有限公司 | 一种联合训练机器学习模型的方法、系统及装置 |
US11694018B2 (en) * | 2021-01-29 | 2023-07-04 | Salesforce, Inc. | Machine-learning based generation of text style variations for digital content items |
CN113240127B (zh) * | 2021-04-07 | 2024-07-12 | 睿蜂群(北京)科技有限公司 | 基于联邦学习的训练方法、装置、电子设备及存储介质 |
US11748352B2 (en) * | 2021-08-26 | 2023-09-05 | International Business Machines Corporation | Dynamical database system resource balance |
US20230177558A1 (en) * | 2021-12-06 | 2023-06-08 | Kenshoo Ltd. | Method and system for predicting a key performance indicator (kpi) of an advertising campaign |
KR20230151685A (ko) * | 2022-04-26 | 2023-11-02 | 넷마블 주식회사 | 광고 사기 탐지 장치 및 방법 |
US11887167B2 (en) * | 2022-06-14 | 2024-01-30 | Accenture Global Solutions Limited | Utilizing machine learning models to generate an optimized digital marketing simulation |
WO2024012654A1 (en) | 2022-07-11 | 2024-01-18 | Huawei Cloud Computing Technologies Co., Ltd. | Performant collaborative transfer learning between cloud storage and cloud compute |
KR102523699B1 (ko) * | 2022-12-16 | 2023-04-21 | (주)임픽스 | 제조 환경을 위한 연합학습 시스템 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170374089A1 (en) | 2016-06-23 | 2017-12-28 | Cisco Technology, Inc. | Adapting classifier parameters for improved network traffic classification using distinct private training data sets |
JP2018173711A (ja) | 2017-03-31 | 2018-11-08 | 三菱重工業株式会社 | 情報提供装置、情報提供システム、情報提供方法及びプログラム |
WO2018217635A1 (en) | 2017-05-20 | 2018-11-29 | Google Llc | Application development platform and software development kits that provide comprehensive machine learning services |
JP2019040335A (ja) | 2017-08-24 | 2019-03-14 | 三菱電機インフォメーションシステムズ株式会社 | 教師データを生成する方法、学習済みモデルを生成する方法、学習済みモデル、コンピュータおよびプログラム |
JP2019040542A (ja) | 2017-08-29 | 2019-03-14 | 京セラドキュメントソリューションズ株式会社 | 情報処理システムおよび情報処理プログラム |
WO2019069618A1 (ja) | 2017-10-05 | 2019-04-11 | 富士フイルム株式会社 | 医療画像処理装置及び機械学習装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8364613B1 (en) | 2011-07-14 | 2013-01-29 | Google Inc. | Hosting predictive models |
US8429103B1 (en) | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
WO2015030606A2 (en) * | 2013-08-26 | 2015-03-05 | Auckland University Of Technology | Improved method and system for predicting outcomes based on spatio / spectro-temporal data |
US10019985B2 (en) * | 2013-11-04 | 2018-07-10 | Google Llc | Asynchronous optimization for sequence training of neural networks |
US20150242760A1 (en) | 2014-02-21 | 2015-08-27 | Microsoft Corporation | Personalized Machine Learning System |
US10452992B2 (en) | 2014-06-30 | 2019-10-22 | Amazon Technologies, Inc. | Interactive interfaces for machine learning model evaluations |
US20170132528A1 (en) * | 2015-11-06 | 2017-05-11 | Microsoft Technology Licensing, Llc | Joint model training |
US10679143B2 (en) * | 2016-07-01 | 2020-06-09 | International Business Machines Corporation | Multi-layer information fusing for prediction |
US10341420B1 (en) * | 2016-10-14 | 2019-07-02 | Amazon Technologies, Inc. | Approaches for preparing and delivering bulk data to clients |
US10217028B1 (en) * | 2017-08-22 | 2019-02-26 | Northrop Grumman Systems Corporation | System and method for distributive training and weight distribution in a neural network |
JP6562328B2 (ja) * | 2018-09-20 | 2019-08-21 | 株式会社フューチャーアイ | 支援システム |
RU2702980C1 (ru) * | 2018-12-14 | 2019-10-14 | Самсунг Электроникс Ко., Лтд. | Распределённое обучение моделей машинного обучения для персонализации |
US20200294162A1 (en) * | 2019-03-13 | 2020-09-17 | Opendoor Labs Inc. | Value prediction error generation system |
-
2020
- 2020-06-17 US US16/904,237 patent/US11868884B2/en active Active
- 2020-06-17 KR KR1020227001854A patent/KR20220024718A/ko active Search and Examination
- 2020-06-17 JP JP2021575051A patent/JP7492541B2/ja active Active
- 2020-06-17 EP EP20826760.9A patent/EP3987461A4/en active Pending
- 2020-06-17 WO PCT/US2020/038148 patent/WO2020257292A1/en unknown
- 2020-06-17 CN CN202080059586.2A patent/CN114287007A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170374089A1 (en) | 2016-06-23 | 2017-12-28 | Cisco Technology, Inc. | Adapting classifier parameters for improved network traffic classification using distinct private training data sets |
JP2018173711A (ja) | 2017-03-31 | 2018-11-08 | 三菱重工業株式会社 | 情報提供装置、情報提供システム、情報提供方法及びプログラム |
WO2018217635A1 (en) | 2017-05-20 | 2018-11-29 | Google Llc | Application development platform and software development kits that provide comprehensive machine learning services |
JP2019040335A (ja) | 2017-08-24 | 2019-03-14 | 三菱電機インフォメーションシステムズ株式会社 | 教師データを生成する方法、学習済みモデルを生成する方法、学習済みモデル、コンピュータおよびプログラム |
JP2019040542A (ja) | 2017-08-29 | 2019-03-14 | 京セラドキュメントソリューションズ株式会社 | 情報処理システムおよび情報処理プログラム |
WO2019069618A1 (ja) | 2017-10-05 | 2019-04-11 | 富士フイルム株式会社 | 医療画像処理装置及び機械学習装置 |
Also Published As
Publication number | Publication date |
---|---|
KR20220024718A (ko) | 2022-03-03 |
EP3987461A1 (en) | 2022-04-27 |
WO2020257292A1 (en) | 2020-12-24 |
EP3987461A4 (en) | 2023-07-26 |
US11868884B2 (en) | 2024-01-09 |
US20200401886A1 (en) | 2020-12-24 |
CN114287007A (zh) | 2022-04-05 |
JP2022537317A (ja) | 2022-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7492541B2 (ja) | 機械学習サービスを提供するための方法及びシステム | |
US20220188700A1 (en) | Distributed machine learning hyperparameter optimization | |
US10796228B2 (en) | Machine-learning-based processing of de-obfuscated data for data enrichment | |
US10878198B2 (en) | Intent arbitration for a virtual assistant | |
US11587143B2 (en) | Neural contextual bandit based computational recommendation method and apparatus | |
US20200104343A1 (en) | Systems and Methods for Dynamic Delivery of Web Content | |
US10853847B2 (en) | Methods and systems for near real-time lookalike audience expansion in ads targeting | |
US11042898B2 (en) | Clickstream purchase prediction using Hidden Markov Models | |
US20220188699A1 (en) | Machine learning techniques for web resource fingerprinting | |
US20220279220A1 (en) | Machine learning techniques for detecting surges in content consumption | |
AU2015324030A1 (en) | Identifying temporal demand for autocomplete search results | |
US20220245424A1 (en) | Microgenre-based hyper-personalization with multi-modal machine learning | |
US11514115B2 (en) | Feed optimization | |
US11741111B2 (en) | Machine learning systems architectures for ranking | |
US20210365818A1 (en) | System and method for explainable embedding-based recommendation system | |
WO2022216753A1 (en) | Distributed machine learning hyperparameter optimization | |
EP4241170A1 (en) | Methods and systems for modular personalization center | |
WO2023050143A1 (zh) | 一种推荐模型训练方法及装置 | |
US20190138511A1 (en) | Systems and methods for real-time data processing analytics engine with artificial intelligence for content characterization | |
US20220374943A1 (en) | System and method using attention layers to enhance real time bidding engine | |
CN112541145A (zh) | 一种页面展现方法、装置、设备及存储介质 | |
US20230169364A1 (en) | Systems and methods for classifying a webpage or a webpage element | |
JP2024530998A (ja) | ウェブデータのための機械学習支援自動タクソノミー | |
US20240212001A1 (en) | Optimizing media requests with ensemble learning | |
US20240257096A1 (en) | System and method for link-initiated user engagement and retention utilizing generative artificial intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230602 |
|
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: 20240423 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240424 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240517 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7492541 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |