JPWO2020156864A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020156864A5 JPWO2020156864A5 JP2021544257A JP2021544257A JPWO2020156864A5 JP WO2020156864 A5 JPWO2020156864 A5 JP WO2020156864A5 JP 2021544257 A JP2021544257 A JP 2021544257A JP 2021544257 A JP2021544257 A JP 2021544257A JP WO2020156864 A5 JPWO2020156864 A5 JP WO2020156864A5
- Authority
- JP
- Japan
- Prior art keywords
- input data
- measure
- modified
- machine learning
- 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.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 claims 9
- 238000000034 method Methods 0.000 claims 7
- 230000009466 transformation Effects 0.000 claims 4
- 238000012986 modification Methods 0.000 claims 3
- 230000004048 modification Effects 0.000 claims 3
- 238000004590 computer program Methods 0.000 claims 2
- 238000013528 artificial neural network Methods 0.000 claims 1
Claims (9)
- 機械学習モデルの信頼尺度を取得するためのコンピュータ実施の方法であって、前記方法は、
前記機械学習モデルを用いて入力データを処理して、一次結果を生成するステップと、
前記入力データの複数の修正インスタンスを生成するステップと、
前記機械学習モデルを用いて前記入力データの前記複数の修正インスタンスを処理して、対応する複数の二次結果を生成するステップと、
前記二次結果に基づいて、前記一次結果に関連する信頼尺度を決定するステップと、
を含み、前記信頼尺度を決定するステップは、
前記二次結果の分布又は分散の尺度を決定するステップと、
前記分布又は分散の決定された前記尺度に基づいて前記信頼尺度を決定するステップと、
を含み、前記二次結果の分布又は分散の前記尺度を決定するステップは、
前記二次結果の逆分散、
前記二次結果のシャノンエントロピー、
前記二次結果のジニ係数、
前記二次結果のカルバック－ライブラー発散、及び
前記二次結果の集中尺度、
のうちの少なくとも１つを決定するステップを含み、前記入力データの複数の修正インスタンスを生成するステップは、
前記入力データに第１の空間ワーピング変換を適用して、前記入力データの第１の修正インスタンスを生成するステップと、
前記入力データの前記第１の修正インスタンスに対して生成された前記二次結果に、第１の逆空間ワーピング変換を適用するステップとを含む、方法。 - 前記入力データの複数の修正インスタンスを生成するステップは、
前記入力データにノイズを追加して、前記入力データの第２の修正インスタンスを生成するステップを含む、請求項１に記載の方法。 - 前記入力データの複数の修正インスタンスを生成するステップは、
前記入力データに局所変形変換を適用して、前記入力データの第３の修正インスタンスを生成するステップを含む、請求項１又は２に記載の方法。 - 前記入力データの前記第３の修正インスタンスに対して生成された前記二次結果に、第１の逆局所変形変換を適用するステップをさらに含む、請求項３に記載の方法。
- 前記機械学習モデルは、
人工ニューラルネットワーク、
敵対的生成ネットワーク、及び
ベイズネットワーク、
のうちの少なくとも１つを含む、請求項１から４のいずれか一項に記載の方法。 - 決定された前記信頼尺度を前記一次結果と関連付けるステップをさらに含む、請求項１から５のいずれか一項に記載の方法。
- 機械学習モデルの信頼尺度を取得するためのコンピュータ可読プログラムコードが具現化されているコンピュータ可読ストレージ媒体であって、前記コンピュータ可読プログラムコードは、少なくとも１つのプロセッサで実行されると、請求項１から６のいずれか一項に記載のステップの全てを行う、コンピュータプログラム可読ストレージ媒体。
- 少なくとも１つのプロセッサと、
請求項７に記載のコンピュータプログラム可読ストレージ媒体と、
を含む、システム。 - 機械学習モデルの信頼尺度を取得するためのシステムであって、
入力データを取得する入力インターフェースと、
前記入力データの複数の修正インスタンスを生成するデータ修正構成要素と、
前記入力データ及び前記入力データの前記複数の修正インスタンスを機械学習モデルに通信し、さらに、前記機械学習モデルが前記入力データを処理することによって生成される一次結果を受信し、前記機械学習モデルが前記入力データの対応する前記複数の修正インスタンスを処理することによって生成される複数の二次結果を受信する機械学習モデルインターフェースと、
前記二次結果に基づいて、前記一次結果に関連する信頼尺度を決定する分析構成要素と、
を含み、前記データ修正構成要素は、前記入力データに第１の空間ワーピング変換を適用して、前記入力データの第１の修正インスタンスを生成し、前記分析構成要素は、前記二次結果の分布又は分散の尺度を決定し、前記分布又は分散の決定された前記尺度に基づいて前記信頼尺度を決定し、前記前記二次結果の分布又は分散の尺度を決定することは、
前記二次結果の逆分散、
前記二次結果のシャノンエントロピー、
前記二次結果のジニ係数、
前記二次結果のカルバック－ライブラー発散、及び
前記二次結果の集中尺度、
のうちの少なくとも１つを決定することを含み、前記データ修正構成要素はさらに、前記入力データの前記第１の修正インスタンスに対して生成された前記二次結果に、第１の逆空間ワーピング変換を適用する、システム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP19154992.2A EP3690739A1 (en) | 2019-02-01 | 2019-02-01 | Confidence measure for a deployed machine learning model |
| EP19154992.2 | 2019-02-01 | ||
| PCT/EP2020/051317 WO2020156864A1 (en) | 2019-02-01 | 2020-01-21 | Confidence measure for a deployed machine learning model |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2022520731A JP2022520731A (ja) | 2022-04-01 |
| JPWO2020156864A5 true JPWO2020156864A5 (ja) | 2023-07-06 |
| JP7479387B2 JP7479387B2 (ja) | 2024-05-08 |
Family
ID=65408873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021544257A Active JP7479387B2 (ja) | 2019-02-01 | 2020-01-21 | デプロイされた機械学習モデルの信頼尺度 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11880432B2 (ja) |
| EP (2) | EP3690739A1 (ja) |
| JP (1) | JP7479387B2 (ja) |
| CN (1) | CN113661498A (ja) |
| WO (1) | WO2020156864A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210264283A1 (en) * | 2020-02-24 | 2021-08-26 | International Business Machines Corporation | Dataset creation for deep-learning model |
| US11775764B2 (en) * | 2020-04-20 | 2023-10-03 | International Business Machines Corporation | Estimating output confidence for black-box API |
| US20220335315A1 (en) * | 2021-04-20 | 2022-10-20 | Red Hat, Inc. | Application of local interpretable model-agnostic explanations on decision systems without training data |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11319A (ja) * | 1997-06-13 | 1999-01-06 | Nec Corp | 生体内部活動部位推定装置 |
| JP2007524461A (ja) * | 2003-06-25 | 2007-08-30 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 乳房撮像の自動診断及び決定支援システム及び方法 |
| JP5113797B2 (ja) | 2009-04-17 | 2013-01-09 | 日本電信電話株式会社 | 相違度利用型識別的学習装置とその方法、そのプログラム |
| US10417575B2 (en) * | 2012-12-14 | 2019-09-17 | Microsoft Technology Licensing, Llc | Resource allocation for machine learning |
| US9373087B2 (en) * | 2012-10-25 | 2016-06-21 | Microsoft Technology Licensing, Llc | Decision tree training in machine learning |
| WO2016161115A1 (en) * | 2015-03-31 | 2016-10-06 | Mayo Foundation For Medical Education And Research | System and methods for automatic polyp detection using convolutional neural networks |
| CN107810519B (zh) * | 2015-06-30 | 2022-01-25 | 皇家飞利浦有限公司 | 用于配准图像的配准装置和方法 |
| CN108292366B (zh) | 2015-09-10 | 2022-03-18 | 美基蒂克艾尔有限公司 | 在内窥镜手术中检测可疑组织区域的系统和方法 |
| WO2020082029A1 (en) * | 2018-10-18 | 2020-04-23 | The Regents Of The University Of California | Serodiagnostic testing device and system for early-stage lyme disease using a multiplexed immunoassay |
| US11829896B2 (en) * | 2019-07-11 | 2023-11-28 | Ghost Autonomy Inc. | Uncertainty-based data filtering in a vehicle |
| WO2021142069A1 (en) * | 2020-01-07 | 2021-07-15 | Alegion, Inc. | System and method for guided synthesis of training data |
-
2019
- 2019-02-01 EP EP19154992.2A patent/EP3690739A1/en not_active Withdrawn
-
2020
- 2020-01-21 CN CN202080027009.5A patent/CN113661498A/zh active Pending
- 2020-01-21 US US17/426,759 patent/US11880432B2/en active Active
- 2020-01-21 WO PCT/EP2020/051317 patent/WO2020156864A1/en unknown
- 2020-01-21 JP JP2021544257A patent/JP7479387B2/ja active Active
- 2020-01-21 EP EP20701050.5A patent/EP3918521B1/en active Active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6972265B2 (ja) | ポインタセンチネル混合アーキテクチャ | |
| JP7423828B2 (ja) | アテンションベースのシーケンス変換ニューラルネットワーク | |
| Lloyd et al. | Automatic construction and natural-language description of nonparametric regression models | |
| Ghoreishi et al. | Adaptive uncertainty propagation for coupled multidisciplinary systems | |
| JP2023109842A5 (ja) | ||
| CN114048331A (zh) | 一种基于改进型kgat模型的知识图谱推荐方法及系统 | |
| Hunter et al. | Semiparametric mixtures of regressions | |
| BR112022005003A2 (pt) | Sistemas baseados em computador, componentes de computação e objetos de computação configurados para implementar redução dinâmica de viés de valor atípico em modelos de aprendizado de máquina | |
| JP6876814B2 (ja) | バッチ再正規化層 | |
| CN112529194B (zh) | 消除量子噪声的方法及装置、计算机设备、介质和产品 | |
| CN114239840B (zh) | 量子信道噪声系数估计方法及装置、电子设备和介质 | |
| CN107480636B (zh) | 基于核非负矩阵分解的人脸识别方法、系统及存储介质 | |
| CN111144563A (zh) | 一种基于对偶距离损失的生成对抗网络训练方法 | |
| Jung et al. | Estimating identifiable causal effects on markov equivalence class through double machine learning | |
| Petrović et al. | Hybrid modification of accelerated double direction method | |
| CN111079691A (zh) | 一种基于双流网络的剪枝方法 | |
| Campbell et al. | Adaptive time-stepping for stochastic partial differential equations with non-Lipschitz drift | |
| JPWO2020156864A5 (ja) | ||
| Zhang et al. | Noise-aware local model training mechanism for federated learning | |
| CN117131204A (zh) | 一种大语言模型协同知识图谱的推理方法及装置 | |
| JP4099197B2 (ja) | 概念ベクトル推定方法及び装置及びプログラム及びコンピュータ読取可能な記憶媒体 | |
| Hobolth et al. | A Unifying Framework and Comparison of Algorithms for Non‐negative Matrix Factorisation | |
| JP7111429B2 (ja) | 学習装置、学習方法及びプログラム | |
| KR20190064948A (ko) | 준지도 학습에서의 꼭지점 중요도를 고려한 레이블 추론 방법 및 시스템 | |
| KR102096035B1 (ko) | 자기회귀 및 l0-그룹 라소를 이용한 변수 선택 방법 및 이를 수행하는 변수 선택 시스템 |