JPWO2019004350A1 - 訓練方法、訓練装置、プログラム及び非一時的コンピュータ可読媒体 - Google Patents
訓練方法、訓練装置、プログラム及び非一時的コンピュータ可読媒体 Download PDFInfo
- Publication number
- JPWO2019004350A1 JPWO2019004350A1 JP2019527020A JP2019527020A JPWO2019004350A1 JP WO2019004350 A1 JPWO2019004350 A1 JP WO2019004350A1 JP 2019527020 A JP2019527020 A JP 2019527020A JP 2019527020 A JP2019527020 A JP 2019527020A JP WO2019004350 A1 JPWO2019004350 A1 JP WO2019004350A1
- Authority
- JP
- Japan
- Prior art keywords
- data
- weight matrix
- discriminator
- error
- prediction result
- 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
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
- G06N3/08—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
- G06N3/04—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
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
Description
まず、本実施形態の基礎となる敵対的生成ネットワーク(以下、GANと記載する。)について簡単に説明する。GANは、ジェネレータと、ディスクリミネータと、を備え、ジェネレータと、ディスクリミネータを並行して学習する生成モデルの訓練方法の一種である。
例えば、活性化関数alをReLU(Rectified Linear Unit)、leakyReLUとすると、||al||Lip=1となる。活性化関数alのそれぞれが、||al||Lip=1を満たす場合、不等式||g1*g2||Lip≦||g1||Lip・||g2||Lipであるので、||f||Lipを以下のように上から押さえることができる。ただし、上記の式においては、g1*g2は、g1とg2との合成関数であることを意味する。
前述の実施形態においては、GANの手法にスペクトル正規化を適用する例について述べたが、これには限られない。すなわち、WGAN−GP(比較例2)の手法において、スペクトル正規化を適用してもよい。以下、比較例2にSNを適用したものを、比較例2+SN等と表す。この場合、誤差関数は、以下の式を用いる。
Claims (11)
- 正解データと、擬データと、を識別するニューラルネットワークモデルを備えるデータ識別器を訓練する、データ識別器訓練方法であって、
前記データ識別器に前記正解データを入力し、第1予測結果を取得するステップと、
前記データ識別器に前記擬データを入力し、第2予測結果を取得するステップと、
取得された前記第1予測結果及び取得された前記第2予測結果に基づいて、誤差を算出するステップと、
前記誤差と、前記ニューラルネットワークモデルの各層の重み行列の特異値と、に基づいて、前記重み行列を更新するステップと、
を備えるデータ識別器訓練方法。 - 前記第1予測結果は、前記正解データが真である期待値に基づき、
前記第2予測結果は、前記擬データが偽である期待値に基づき、
前記誤差を算出するステップは、真値と前記第1予測結果との第1部分誤差、及び、偽値と前記第2予測結果との第2部分誤差、に基づいて、前記誤差を算出する、請求項1に記載のデータ識別器訓練方法。 - 前記重み行列を更新するステップは、
前記重み行列の左特異ベクトル及び右特異ベクトルのそれぞれを更新するステップと、
前記左特異ベクトル及び前記右特異ベクトルに基づいて、前記重み行列を正規化するステップと、
正規化された前記重み行列を前記誤差に基づいて更新するステップと、
を備える、請求項1に記載のデータ識別器訓練方法。 - 前記重み行列の前記左特異ベクトル及び前記右特異ベクトルのそれぞれを更新するステップは、
前記重み行列及び前記左特異ベクトルに基づいて、前記右特異ベクトルを更新するステップと、
前記重み行列及び更新された前記右特異ベクトルに基づいて、前記左特異ベクトルを更新するステップと、
を備える、請求項3に記載のデータ識別器訓練方法。 - 前記重み行列の前記左特異ベクトル及び前記右特異ベクトルのそれぞれを更新するステップは、
前記右特異ベクトルのうち、右特異値が最大となる第1右特異ベクトル、及び、前記左特異ベクトルのうち、左特異値が最大となる第1左特異ベクトルを用いてそれぞれのベクトルを更新するステップである、請求項4に記載のデータ識別器訓練方法。 - 前記第1右特異ベクトル及び前記第1左特異ベクトルを、べき乗法を用いて算出するステップ、
をさらに備える、請求項5に記載のデータ識別器訓練方法。 - 前記重み行列を正規化するステップは、
更新された前記左特異ベクトル及び更新された前記右特異ベクトルに基づいて、スペクトル正規化を行うステップ、
を備える、請求項3乃至請求項6のいずれかに記載のデータ識別器訓練方法。 - 前記重み行列を更新するステップは、確率的勾配降下法を用いて前記重み行列を更新する、請求項1乃至請求項7のいずれかに記載のデータ識別器訓練方法。
- 正解データと、擬データと、を識別するニューラルネットワークモデルを備えるデータ識別器を訓練する、データ識別器訓練装置であって、
前記データ識別器に前記正解データを入力した、第1予測結果と、前記データ識別器に前記擬データを入力した第2予測結果と、に基づいて、誤差を算出する、誤差算出部と、
前記誤差と、前記ニューラルネットワークモデルの各層の重み行列の特異値と、に基づいて、前記重み行列を更新する、更新部と、
を備えるデータ識別器訓練装置。 - コンピュータを、
正解データと、擬データと、を識別するニューラルネットワークモデルを備えるデータ識別器を訓練する、データ識別器訓練手段であって、
前記データ識別器に前記正解データを入力し、第1予測結果を取得する手段、
前記データ識別器に前記擬データを入力し、第2予測結果を取得する手段、
取得された前記第1予測結果及び取得された前記第2予測結果に基づいて、誤差を算出する手段、
前記誤差と、前記ニューラルネットワークモデルの各層の重み行列の特異値と、に基づいて、前記重み行列を更新する手段、
を備えるデータ識別器訓練手段として機能させるプログラム。 - ニューラルネットワークモデルの訓練方法であって、
前記ニューラルネットワークモデルの重み行列の特異値を用いて前記重み行列を正規化するステップと、
正規化された前記重み行列に基づいて、誤差を算出するステップと、
前記誤差に基づいて、前記重み行列を更新するステップと、
を備える訓練方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017127769 | 2017-06-29 | ||
JP2017127769 | 2017-06-29 | ||
PCT/JP2018/024569 WO2019004350A1 (ja) | 2017-06-29 | 2018-06-28 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019168670A Division JP6625785B1 (ja) | 2017-06-29 | 2019-09-17 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6595151B2 JP6595151B2 (ja) | 2019-10-23 |
JPWO2019004350A1 true JPWO2019004350A1 (ja) | 2019-11-07 |
Family
ID=64742063
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019527020A Active JP6595151B2 (ja) | 2017-06-29 | 2018-06-28 | 訓練方法、訓練装置、プログラム及び非一時的コンピュータ可読媒体 |
JP2019168670A Active JP6625785B1 (ja) | 2017-06-29 | 2019-09-17 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
JP2019203198A Active JP7064479B2 (ja) | 2017-06-29 | 2019-11-08 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
JP2022070856A Active JP7315748B2 (ja) | 2017-06-29 | 2022-04-22 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019168670A Active JP6625785B1 (ja) | 2017-06-29 | 2019-09-17 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
JP2019203198A Active JP7064479B2 (ja) | 2017-06-29 | 2019-11-08 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
JP2022070856A Active JP7315748B2 (ja) | 2017-06-29 | 2022-04-22 | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11593663B2 (ja) |
EP (1) | EP3648017A4 (ja) |
JP (4) | JP6595151B2 (ja) |
CN (1) | CN110799995A (ja) |
WO (1) | WO2019004350A1 (ja) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3648017A4 (en) * | 2017-06-29 | 2021-08-04 | Preferred Networks, Inc. | DATA DISCRIMINATOR LEARNING PROCESS, DATA DISCRIMINATOR LEARNING DEVICE, PROGRAM, AND LEARNING PROCESS |
JP7023669B2 (ja) | 2017-10-26 | 2022-02-22 | 株式会社Preferred Networks | 画像生成方法、画像生成装置、及び画像生成プログラム |
WO2019135019A1 (en) * | 2018-01-02 | 2019-07-11 | Nokia Technologies Oy | Channel modelling in a data transmission system |
US11797864B2 (en) * | 2018-06-18 | 2023-10-24 | Fotonation Limited | Systems and methods for conditional generative models |
US20200143266A1 (en) * | 2018-11-07 | 2020-05-07 | International Business Machines Corporation | Adversarial balancing for causal inference |
JP7198432B2 (ja) * | 2019-01-30 | 2023-01-04 | 京セラドキュメントソリューションズ株式会社 | 画像処理装置、画像読取装置、画像形成装置、画像処理方法及び画像処理プログラム |
JP7370158B2 (ja) * | 2019-04-03 | 2023-10-27 | 株式会社Preferred Networks | 情報処理装置および情報処理方法 |
JP2020196102A (ja) * | 2019-06-04 | 2020-12-10 | 株式会社Preferred Networks | 制御装置、システム、学習装置および制御方法 |
CN110365647B (zh) * | 2019-06-13 | 2021-09-14 | 广东工业大学 | 一种基于pca和bp神经网络的虚假数据注入攻击检测方法 |
EP3963872B1 (en) * | 2019-08-30 | 2024-01-17 | Samsung Electronics Co., Ltd. | Electronic apparatus for applying personalized artificial intelligence model to another model |
KR20210084123A (ko) * | 2019-12-27 | 2021-07-07 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
CN111461340B (zh) * | 2020-03-10 | 2023-03-31 | 北京百度网讯科技有限公司 | 权重矩阵的更新方法、装置及电子设备 |
CN111553587B (zh) * | 2020-04-26 | 2023-04-18 | 中国电力科学研究院有限公司 | 一种基于对抗学习模型的新能源场景生成方法及系统 |
CN111639861B (zh) * | 2020-06-01 | 2023-06-23 | 上海大学 | 一种基于神经网络的绩效考核方法及系统 |
TWI768555B (zh) * | 2020-11-23 | 2022-06-21 | 威盛電子股份有限公司 | 調整神經網路輸入資料的系統及方法 |
US11861324B2 (en) * | 2021-05-25 | 2024-01-02 | Visa International Service Association | Method, system, and computer program product for normalizing embeddings for cross-embedding alignment |
JP7487144B2 (ja) * | 2021-06-09 | 2024-05-20 | 株式会社東芝 | 情報処理装置、方法及びプログラム |
CN113438190B (zh) * | 2021-06-22 | 2022-09-02 | 电子科技大学 | 神经网络训练方法及装置、mimo均衡器与方法、可读介质 |
CN113806338B (zh) * | 2021-11-18 | 2022-02-18 | 深圳索信达数据技术有限公司 | 一种基于数据样本图像化的数据甄别的方法与系统 |
CN116302294B (zh) * | 2023-05-18 | 2023-09-01 | 安元科技股份有限公司 | 一种界面化自动识别组件属性的方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150170020A1 (en) * | 2013-12-13 | 2015-06-18 | Amazon Technologies, Inc. | Reducing dynamic range of low-rank decomposition matrices |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1993010500A1 (en) * | 1991-11-13 | 1993-05-27 | Iowa State University Research Foundation, Inc. | Improved memory capacity neural network |
US5479523A (en) * | 1994-03-16 | 1995-12-26 | Eastman Kodak Company | Constructing classification weights matrices for pattern recognition systems using reduced element feature subsets |
US6987819B2 (en) * | 2000-12-29 | 2006-01-17 | Motorola, Inc. | Method and device for multiple input/multiple output transmit and receive weights for equal-rate data streams |
JP4604545B2 (ja) * | 2004-05-10 | 2011-01-05 | ソニー株式会社 | 無線通信システム、無線通信装置及び無線通信方法ム |
JP5248130B2 (ja) * | 2008-01-31 | 2013-07-31 | 株式会社東芝 | 無線送信方法及び装置 |
JP5221285B2 (ja) * | 2008-11-05 | 2013-06-26 | 株式会社東芝 | 無線通信装置及び方法 |
WO2010150313A1 (ja) * | 2009-06-25 | 2010-12-29 | 株式会社 東芝 | 通信装置 |
US9189703B2 (en) * | 2012-07-09 | 2015-11-17 | Canon Kabushiki Kaisha | Systems and methods for colorimetric and spectral material estimation |
US10515304B2 (en) * | 2015-04-28 | 2019-12-24 | Qualcomm Incorporated | Filter specificity as training criterion for neural networks |
US10282663B2 (en) * | 2015-08-15 | 2019-05-07 | Salesforce.Com, Inc. | Three-dimensional (3D) convolution with 3D batch normalization |
US10521718B1 (en) * | 2015-09-28 | 2019-12-31 | Google Llc | Adversarial training of neural networks |
WO2017083746A1 (en) * | 2015-11-12 | 2017-05-18 | Google Inc. | Training neural networks using normalized target outputs |
EP3385889A4 (en) * | 2015-12-01 | 2019-07-10 | Preferred Networks, Inc. | ANOMALY DETECTION SYSTEM, ANOMALY DETECTION METHOD, ANOMALY DETECTION PROGRAM, AND APPRIS MODEL GENERATION METHOD |
US10776712B2 (en) * | 2015-12-02 | 2020-09-15 | Preferred Networks, Inc. | Generative machine learning systems for drug design |
WO2018034682A1 (en) * | 2016-08-13 | 2018-02-22 | Intel Corporation | Apparatuses, methods, and systems for neural networks |
CN107785016A (zh) * | 2016-08-31 | 2018-03-09 | 株式会社东芝 | 训练神经网络辅助模型的方法和装置及语音识别方法和装置 |
US11164076B2 (en) * | 2016-10-20 | 2021-11-02 | Uber Technologies, Inc. | Intelligent regularization of neural network architectures |
US10685285B2 (en) * | 2016-11-23 | 2020-06-16 | Microsoft Technology Licensing, Llc | Mirror deep neural networks that regularize to linear networks |
US10685284B2 (en) * | 2017-04-03 | 2020-06-16 | Royal Bank Of Canada | Systems and methods for malicious code detection |
EP3648017A4 (en) * | 2017-06-29 | 2021-08-04 | Preferred Networks, Inc. | DATA DISCRIMINATOR LEARNING PROCESS, DATA DISCRIMINATOR LEARNING DEVICE, PROGRAM, AND LEARNING PROCESS |
WO2019092931A1 (ja) * | 2017-11-07 | 2019-05-16 | 日本電気株式会社 | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム |
US10803347B2 (en) * | 2017-12-01 | 2020-10-13 | The University Of Chicago | Image transformation with a hybrid autoencoder and generative adversarial network machine learning architecture |
US10846593B2 (en) * | 2018-04-27 | 2020-11-24 | Qualcomm Technologies Inc. | System and method for siamese instance search tracker with a recurrent neural network |
US11170256B2 (en) * | 2018-09-26 | 2021-11-09 | Nec Corporation | Multi-scale text filter conditioned generative adversarial networks |
US10997464B2 (en) * | 2018-11-09 | 2021-05-04 | Adobe Inc. | Digital image layout training using wireframe rendering within a generative adversarial network (GAN) system |
JPWO2020179200A1 (ja) * | 2019-03-04 | 2020-09-10 | ||
US20220014807A1 (en) * | 2019-03-21 | 2022-01-13 | Samsung Electronics Co., Ltd. | Method, apparatus, device and medium for generating captioning information of multimedia data |
US11164085B2 (en) * | 2019-04-25 | 2021-11-02 | Booz Allen Hamilton Inc. | System and method for training a neural network system |
WO2020234449A1 (en) * | 2019-05-23 | 2020-11-26 | Deepmind Technologies Limited | Generative adversarial networks with temporal and spatial discriminators for efficient video generation |
JP7114528B2 (ja) * | 2019-07-08 | 2022-08-08 | 株式会社東芝 | 推論装置、学習装置、推論方法及び学習方法 |
EP3963872B1 (en) * | 2019-08-30 | 2024-01-17 | Samsung Electronics Co., Ltd. | Electronic apparatus for applying personalized artificial intelligence model to another model |
JP7021158B2 (ja) * | 2019-09-04 | 2022-02-16 | 株式会社東芝 | ロボットシステムおよび駆動方法 |
JP7051772B2 (ja) * | 2019-09-12 | 2022-04-11 | 株式会社東芝 | 提供装置、提供方法及びプログラム |
CN110827216B (zh) * | 2019-10-23 | 2023-07-14 | 上海理工大学 | 图像去噪的多生成器生成对抗网络学习方法 |
EP3971773A4 (en) * | 2020-03-11 | 2022-07-20 | Shenzhen Institutes of Advanced Technology | METHOD AND VISUALIZATION DEVICE FOR ASSESSING BRAIN ADDICTION CHARACTERISTICS, AND MEDIUM |
US11436498B2 (en) * | 2020-06-09 | 2022-09-06 | Toyota Research Institute, Inc. | Neural architecture search system for generating a neural network architecture |
DE102021201833A1 (de) * | 2021-02-26 | 2022-09-01 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Vorrichtung zur Verarbeitung von mindestens einem Eingangsdatensatz unter Verwendung eines neuronalen Netzes sowie Verfahren |
CN115049917B (zh) * | 2022-08-17 | 2022-11-15 | 上海与光彩芯科技有限公司 | 神经网络的训练方法、物体检测方法和智能终端设备 |
-
2018
- 2018-06-28 EP EP18824804.1A patent/EP3648017A4/en active Pending
- 2018-06-28 CN CN201880043309.5A patent/CN110799995A/zh active Pending
- 2018-06-28 WO PCT/JP2018/024569 patent/WO2019004350A1/ja unknown
- 2018-06-28 JP JP2019527020A patent/JP6595151B2/ja active Active
-
2019
- 2019-09-17 JP JP2019168670A patent/JP6625785B1/ja active Active
- 2019-11-08 JP JP2019203198A patent/JP7064479B2/ja active Active
- 2019-12-23 US US16/726,153 patent/US11593663B2/en active Active
-
2022
- 2022-04-22 JP JP2022070856A patent/JP7315748B2/ja active Active
-
2023
- 2023-01-25 US US18/101,242 patent/US11842284B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150170020A1 (en) * | 2013-12-13 | 2015-06-18 | Amazon Technologies, Inc. | Reducing dynamic range of low-rank decomposition matrices |
Also Published As
Publication number | Publication date |
---|---|
JP2020021496A (ja) | 2020-02-06 |
JP2022101650A (ja) | 2022-07-06 |
EP3648017A1 (en) | 2020-05-06 |
US11593663B2 (en) | 2023-02-28 |
JP6625785B1 (ja) | 2019-12-25 |
US20230162045A1 (en) | 2023-05-25 |
JP2020038704A (ja) | 2020-03-12 |
JP6595151B2 (ja) | 2019-10-23 |
EP3648017A4 (en) | 2021-08-04 |
WO2019004350A1 (ja) | 2019-01-03 |
CN110799995A (zh) | 2020-02-14 |
JP7064479B2 (ja) | 2022-05-10 |
JP7315748B2 (ja) | 2023-07-26 |
US20200134473A1 (en) | 2020-04-30 |
US11842284B2 (en) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6595151B2 (ja) | 訓練方法、訓練装置、プログラム及び非一時的コンピュータ可読媒体 | |
Zellinger et al. | Robust unsupervised domain adaptation for neural networks via moment alignment | |
JP6483667B2 (ja) | ベイズの最適化を実施するためのシステムおよび方法 | |
US20210019630A1 (en) | Loss-error-aware quantization of a low-bit neural network | |
US10818080B2 (en) | Piecewise-polynomial coupling layers for warp-predicting neural networks | |
JP7144699B2 (ja) | 信号変更装置、方法、及びプログラム | |
US11449734B2 (en) | Neural network reduction device, neural network reduction method, and storage medium | |
US20190122081A1 (en) | Confident deep learning ensemble method and apparatus based on specialization | |
WO2022166797A1 (zh) | 图像生成模型的训练方法、生成方法、装置及设备 | |
CN112348119B (zh) | 基于胶囊网络的图像分类方法、存储介质及电子设备 | |
US20210073633A1 (en) | Neural network rank optimization device and optimization method | |
US11615292B2 (en) | Projecting images to a generative model based on gradient-free latent vector determination | |
CN110795973A (zh) | 多模态融合的动作识别方法、装置及计算机可读存储介质 | |
CN111695590A (zh) | 约束优化类激活映射的深度神经网络特征可视化方法 | |
KR102120150B1 (ko) | 뉴럴 네트워크를 이용한 변분 추론 학습 방법 및 학습 장치, 그리고 이를 이용한 변분 추론 방법 및 장치 | |
JP2020204909A (ja) | 機械学習装置 | |
Tessari et al. | Reinforcement learning based adaptive metaheuristics | |
US20230073175A1 (en) | Method and system for processing image based on weighted multiple kernels | |
US20230206054A1 (en) | Expedited Assessment and Ranking of Model Quality in Machine Learning | |
KR20190129422A (ko) | 뉴럴 네트워크를 이용한 변분 추론 방법 및 장치 | |
US20220137930A1 (en) | Time series alignment using multiscale manifold learning | |
JP7047665B2 (ja) | 学習装置、学習方法及び学習プログラム | |
CN112348118A (zh) | 基于梯度维持的图像分类方法、存储介质及电子设备 | |
US20210133626A1 (en) | Apparatus and method for optimizing quantized machine-learning algorithm | |
KR20240016131A (ko) | 메타 러닝을 이용한 모델의 학습 방법 및 이를 수행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190716 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190716 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190716 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190724 |
|
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: 20190830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190925 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6595151 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 |