NO349371B1 - Transparent Evolutionary Intelligence System - Google Patents

Claims (15)

1. Fremgangsmåte for databehandling ved bruk av et kunstig intelligenssystem som omfatter flere behandlingsmoduler, hvor hver modul er domene-spesifikk og omfatter et hierarkisk nevralt nettverk, fremgangsmåten omfatter:

mottak av inndata;

behandling av inndata via et hierarkisk nevralt nettverk, hvor:

det hierarkiske nevrale nettverket omfatter flere lag konfigurert for utvinning av egenskaper med økende kompleksitet;

hvert lag transformer sin utdata basert på utdata fra foregående lag, slik at dimensjonstransformasjoner skjer på tvers av lag fra inndata til en endelig abstrakt representasjon; og

lagdybden og dimensjonsprogresjon er dynamisk justerbare basert på domene-spesifikk kompleksitet;

karakterisert ved:

raffinering av lagutdata ved bruk av rekursiv tilbakemelding, og anvendelse av den rekursive tilbakemeldingen på utdataene fra hvert lag;

beskjæring av nevrale forbindelser under offline-omkonfigurering eller perioder med redusert lag-aktivitet, hvor beskjæringen omfatter:

beregning av en terskelverdi for beskjæring for hvert lag; og

selektiv deaktivering av vekter med lav bidragsevne basert på terskelverdien for beskjæring;

modifisering av lagutdata ved integrering av transformerte utdata fra andre behandlingsmoduler ved hjelp av vektede koblingstransformasjoner;

etter parallell generering av modul-utdata assosiert med hvert domene-spesifikt nettverkslag, vektlegging av modul-utdata basert på relevanspoeng;

dersom det kunstige intelligenssystemet omfatter kontekstsignaler og emosjonell vektlegging, justering av koblings- og modulvektleggingsparametere basert på kontekstsignalene og den emosjonell vektleggingn;

integrering av lagutdata, rekursiv tilbakemelding, domene-spesifikke moduler og koblingstransformasjoner i en probabilistisk utdatafunksjon;

utvelging av en prediksjon basert på en høyeste sannsynlige utdata fra den probabilistiske utdatafunksjonen;

lagring av mellomliggende og endelige utdata i en minnelogg for hvilken som helst av følgende: offline-avspilling, hierarkisk omkonfigurering, lagjustering eller lagbeskjæring; og

utsending av prediksjonen for en eller flere nedstrøms handlinger.

2. Fremgangsmåten ifølge krav 1, videre omfattende:

generering av delbaner for hvert domene av inndata ved å dele domenene i delbaner; anvendelse av koblingstransformasjoner på delbane-utdata;

dersom det kunstige intelligenssystemet omfatter emosjonell vektlegging, skalering av koblingsutdata ved bruk av emosjonell vektlegging;

summering av koblingsutdata til en synergivektor; og

integrering av synergivektoren i den probabilistiske utdatafunksjonen.

3. Fremgangsmåten ifølge krav 2, hvor det kunstige intelligenssystemet omfatter emosjonell vektlegging, og den emosjonelle vektleggingen for skalering av koblingsutdata er dynamisk skalert basert på historiske falsk-positive rater eller synergistiske bidragsmønstre.

4. Fremgangsmåten ifølge krav 3, videre omfattende:

loggføring av innvirkning av anvendt emosjonell vektlegging på domene-utdata eller ytelsesmålinger for generering av tilbakemelding; og

349371

87

justering av fremtidig emosjonell vektlegging, hvor en overvåkingsmodul evaluerer ytelsestilbakemelding og overstyrer skaleringsparametere basert på historiske falsk-positive rater eller synergistiske bidragsmønstre.

5. Fremgangsmåten ifølge et hvilket som helst foregående krav, videre omfattende:

beregning av synergivektoren ved å summere utdata fra de domene-spesifikke modulene eller delbanene, og skalering av utdataene basert på domene-spesifikk emosjonell vektlegging;

rekursiv oppdatering av en global tilstand ved bruk av en rekursjonsfaktor; og evaluering av vedvarende tidligere kontekst ved å overvåke normen til den globale tilstanden og justere rekursjonsfaktoren under offline-prosesser eller perioder med redusert aktivitet.

6. Fremgangsmåten ifølge krav 5, videre omfattende:

koding av sekvensielle data fra flere tidstrinn inn i minneloggen, hvor hvert tidstrinn er assosiert med en trinnomfattende post som omfatter tid, domene-inndata, emosjonell vektleggings-synergivektor, global tilstand og den ene eller flere nedstrøms handlingene;

gjennomføring av offline avspilling av minneloggen under faser med redusert aktivitet, hvor:

synergimønstre analyseres på tvers av påfølgende trinn for å identifisere flertrinns-anomalier; og

emosjonell vektlegging og koblingstransformasjoner justeres basert på kumulative signaler eller gjentagende mønstre;

evaluering av en nyhetsverdi under offline-avspilling og generering av anbefalinger om å opprette nye domene-delbaner, justere emosjonelle grunnlinjer eller raffinere koblingstransformasjoner dersom nyhetsverdien overstiger en terskel; og raffinering av rekursiv tilbakemelding, beskjæringsgrenser eller domenebane-hierarki under påfølgende systemoperasjoner basert på offline-avspillingen.

7. Fremgangsmåten ifølge krav 6, videre omfattende:

integrering av emosjonell vektlegging, synergivektorer og globale tilstander på tvers av flere domener for å oppdage tverr-domene mønstre ved bruk av en justeringsmekanisme for å raffinere koblingstransformasjoner;

under offline-avspilling, identifisering av avvikende delbaner ved analyse av synergiavvik;

revurdering av nyhetsverdier under offline-avspilling basert på bidrag fra delbanene og tverr-domene interaksjoner;

utvidelse eller sammenslåing av delbaner når gjentatte mønstre over tid tilfredsstiller forhåndsdefinerte betingelser;

simulering av fremtidige domene-inndata basert på minneloggen, hvor en predikert fremtidig domene-inndata anvendes til forhåndsjustering av emosjonell vektlegging og koblingsparametere; og

forbedring av modulære relevanspoeng under systemdrift ved å inkorporere historiske nyhetstrender basert på normaliserte nyhetsverdier over et definert historisk vindu.

8. Fremgangsmåten ifølge et hvilket som helst foregående krav, videre omfattende analyse av minneloggen for å identifisere mønstre, og:

opprettelse av en ny delbane dersom mønstrene ikke fanges opp av eksisterende delbaner; eller

349371

88

sammenslåing av delbaner innen et domene dersom mønstrene indikerer redundans, ved å kombinere koblingstransformasjoner.

9. Fremgangsmåten ifølge et hvilket som helst foregående krav, videre omfattende:

analyse av minneloggen for å identifisere overaktiv emosjonell vektlegging under systemdrift, hvor synergivektorer påvirkes uforholdsmessig mye av den emosjonelle vektleggingen; og

begrensning av overaktiv emosjonell vektlegging ved å innføre minimums- og maksimumsgrenser.

10. Fremgangsmåten ifølge et hvilket som helst foregående krav, videre omfattende:

analyse av minneloggen for å oppdage årsak-virkning-forhold på tvers av domenebanene;

lagring av oppdagede årsaks-virkning-forhold som symbolske regler i et

årsak-virkning-depot;

anvendelse av de oppdagede årsak-virkning-forholdene for å forutse og modifisere synergivektorer; og

generering av en symbolsk forklaring for modifisering av synergivektorer for forklarbarhet.

11. Fremgangsmåten ifølge krav 10, videre omfattende anvendelse av årsak-virkning-depotet under meta-oppdateringer, hvor:

proaktive justeringer anvendes dersom en tillitsverdi assosiert med et

årsak-virkning-forhold overstiger en tillitsterskel; og

proaktive justeringer omfatter å legge til en forebyggende emosjonell vektleggingsforskyvning for en domene-delbane eller skalering av en koblingstransformasjons-matrise.

12. Fremgangsmåten ifølge et hvilket som helst foregående krav, hvor:

hver domene-delbane evalueres for beskjæring basert på bruksmålinger; og delbaner beskjæres dersom både p og q faller under deres respektive terskler.

13. Fremgangsmåten ifølge et hvilket som helst foregående krav, videre omfattende, i perioder med offline-omkonfigurering eller lav aktivitet:

avspilling av minneloggen for å:

analysere flertrinns mønstre av synergi og emosjonelle signaler; identifisere gjentakende anomalier eller mønstre oversett under enkeltsteg-evaluering;

generere anbefalinger for strukturelle justeringer av koblingstransformasjonsmatriser eller emosjonell vektlegging; og inkorporering av meta-oppdateringer via en overvåkingsmodul, hvor ytelsesmålinger anvendes til å justere rekursjonsfaktorer, emosjonelle grunnlinjer eller strukturelle konfigurasjoner omfattende opprettelse, beskjæring eller sammenslåing av delbaner.

14. Fremgangsmåten ifølge krav 13, videre omfattende tilbakestilling av bruksstatistikk omfattende antall påkallelser, synergisummer og emosjonelle summer for å sikre nøyaktige målinger for påfølgende iterasjoner.

15. Maskinvareaktivert kunstig intelligenssystem konfigurert til å utføre fremgangsmåten ifølge hvilket som helst av kravene 1–14.