RU2015139090A - Сеть интеллектуальных машин - Google Patents
Сеть интеллектуальных машин Download PDFInfo
- Publication number
- RU2015139090A RU2015139090A RU2015139090A RU2015139090A RU2015139090A RU 2015139090 A RU2015139090 A RU 2015139090A RU 2015139090 A RU2015139090 A RU 2015139090A RU 2015139090 A RU2015139090 A RU 2015139090A RU 2015139090 A RU2015139090 A RU 2015139090A
- Authority
- RU
- Russia
- Prior art keywords
- parameters
- self
- renewing
- machines
- recipients
- Prior art date
Links
- 238000005259 measurement Methods 0.000 claims 5
- 238000000034 method Methods 0.000 claims 3
- 238000000053 physical method Methods 0.000 claims 3
- 230000035945 sensitivity Effects 0.000 claims 3
- 238000012360 testing method Methods 0.000 claims 3
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
- G06N3/04—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
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/043—Distributed expert systems; Blackboards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Computer And Data Communications (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Claims (30)
1. Самообновляющееся устройство, выполненное с возможностью характеризовать предметы или условия, при этом устройство содержит блок обработки данных, который включает в себя:
память, хранящую параметры для различных предметов, причем параметры пригодны для характеризации предметов; и
модуль обработки, выполненный с возможностью автоматически выбирать источники, из которых должны приниматься данные, изменять параметры на основе данных, которые приняты, и выбирать получателей измененных параметров, причем выбор источников и получателей основан на сравнении параметров между модулем обработки и источниками и между модулем обработки и получателями, соответственно.
2. Самообновляющееся устройство по п. 1, в котором выбор источников и получателей содержит сравнение географических местоположений между модулем обработки и источниками и между модулем обработки и получателями, соответственно.
3. Самообновляющееся устройство по п. 1, в котором выбор источников и получателей содержит сравнение между параметрами, хранящимися в памяти, и параметрами, хранящимися в источниках, и между параметрами, хранящимися в памяти, и параметрами, хранящимися в получателях, соответственно.
4. Самообновляющееся устройство по п. 1, дополнительно содержащее блок измерений, включающий в себя компоненты для тестирования и получения физических измерений от принятых предметов.
5. Самообновляющееся устройство по п. 1, в котором изменение параметров регулирует уровни чувствительности параметров, используемых для характеризации предметов или условий.
6. Самообновляющееся устройство по п. 1, в котором модуль обработки включает в себя программу искусственного интеллекта.
7. Самообновляющаяся сеть машин, выполненных с возможностью характеризовать предметы или условия, содержащая:
множество машин, причем каждая из машин имеет блок обработки данных и блок измерений, которые взаимодействуют, чтобы собрать физические измерения от предметов, сгенерировать параметры для характеристики предметов на основе физических измерений и выбрать подгруппу параметров, которые должны быть переданы конкретному получателю;
центральный блок обработки данных, осуществляющий связь со множеством машин, при этом центральный блок обработки данных выполнен с возможностью принимать подгруппы параметров от множества машин, обновлять центральные параметры на основе принятых подгрупп параметров и отправлять обновленные центральные параметры некоторым из множества машин.
8. Самообновляющаяся сеть по п. 7, в которой центральный блок обработки данных находится в географически удаленном местоположении от множества машин.
9. Самообновляющаяся сеть по п. 7, в которой первая машина из множества машин выполнена с возможностью передавать подгруппу параметров во вторую машину из множества машин, причем подгруппа параметров, которая передается, выбирается на основе сравнения параметров, хранящихся в первой машине и второй машине.
10. Самообновляющаяся сеть по п. 7, в которой блок измерений содержит модули тестирования, выполненные с возможностью удерживать и подвергать предметы одному или более тестам.
11. Самообновляющаяся сеть по п. 7, в которой обновление центральных параметров регулирует уровни чувствительности машин к конкретным предметам.
12. Самообновляющаяся сеть по п. 7, в которой машины выполнены с возможностью запрашивать дополнительную информацию после встречи с предметом или условием, которые находятся за пределами ранее встречавшихся параметров, и передавать принятую дополнительную информацию в одну из других машин или центральный блок обработки данных.
13. Самообновляющаяся сеть по п. 7, в которой машина, которая принимает обновленные центральные параметры, изменяет свои сохраненные внутренние параметры с использованием принятых обновленных центральных параметров.
14. Самообновляющаяся сеть по п. 7, в которой машины включают в себя программу искусственного интеллекта.
15. Самообновляющееся сеть по п. 7, в которой центральный блок обработки данных включает в себя программу искусственного интеллекта.
16. Компьютерно-реализуемый способ характеризации предмета или условия, содержащий этапы, на которых:
получают измерения от предмета;
генерируют параметры для предмета на основе измерений, причем параметры пригодны для получения характеристик предмета;
сравнивают параметры с новыми параметрами, принятыми от блока обработки;
выборочно принимают, по меньшей мере, некоторые из новых параметров от блока обработки на основе этого сравнения; и
автоматически изменяют параметры на основе новых параметров.
17. Способ по п. 16, дополнительно содержащий этапы, на которых:
сравнивают параметры с существующими параметрами, хранящимися у потенциальных получателей;
выбирают одного или более получателей из потенциальных получателей на основе сравнения параметров с существующими параметрами; и
передают параметры выбранным получателям.
18. Компьютерно-реализуемый способ по п. 16, в котором изменение параметров содержит этап, на котором регулируют уровни чувствительности параметров, используемых для характеризации предметов или условий.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/843,784 | 2013-03-15 | ||
US13/843,784 US10534995B2 (en) | 2013-03-15 | 2013-03-15 | Network of intelligent machines |
PCT/US2014/019134 WO2014149510A2 (en) | 2013-03-15 | 2014-02-27 | Network of intelligent machines |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2015139090A true RU2015139090A (ru) | 2017-04-19 |
RU2015139090A3 RU2015139090A3 (ru) | 2018-03-12 |
RU2669527C2 RU2669527C2 (ru) | 2018-10-11 |
Family
ID=50336525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2015139090A RU2669527C2 (ru) | 2013-03-15 | 2014-02-27 | Сеть интеллектуальных машин |
Country Status (10)
Country | Link |
---|---|
US (2) | US10534995B2 (ru) |
EP (2) | EP2973239A2 (ru) |
JP (2) | JP6528040B2 (ru) |
CN (1) | CN105122277B (ru) |
BR (1) | BR112015023372B1 (ru) |
CA (1) | CA2903041C (ru) |
HK (1) | HK1218174A1 (ru) |
IL (1) | IL241056B (ru) |
RU (1) | RU2669527C2 (ru) |
WO (1) | WO2014149510A2 (ru) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3152705B1 (en) * | 2014-06-30 | 2019-08-14 | Carnegie Mellon University | Methods and system for detecting curved fruit with flash and camera and automated image analysis with invariance to scale and partial occlusions |
US20160110657A1 (en) * | 2014-10-14 | 2016-04-21 | Skytree, Inc. | Configurable Machine Learning Method Selection and Parameter Optimization System and Method |
CN108027885B (zh) * | 2015-06-05 | 2022-07-01 | 渊慧科技有限公司 | 空间变换器模块 |
ITUB20155003A1 (it) * | 2015-10-29 | 2017-04-29 | Ser Mac S R L | Apparato per il rilevamento di prodotti ortofrutticoli; in particolare di prodotti ortofrutticoli difettosi. |
CN106650948A (zh) * | 2016-12-09 | 2017-05-10 | 曙光信息产业(北京)有限公司 | 一种机器学习中避免大数据冗余的方法 |
WO2018154359A1 (en) * | 2017-02-24 | 2018-08-30 | Omron Corporation | Learning data acquiring apparatus and method, program, and storing medium |
CN114684526A (zh) * | 2017-11-21 | 2022-07-01 | 实现解决方案公司 | 产品处理与包装系统 |
US11574235B2 (en) | 2018-09-19 | 2023-02-07 | Servicenow, Inc. | Machine learning worker node architecture |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5845002A (en) | 1994-11-03 | 1998-12-01 | Sunkist Growers, Inc. | Method and apparatus for detecting surface features of translucent objects |
US8085813B2 (en) * | 1999-10-28 | 2011-12-27 | Lightwaves Systems, Inc. | Method for routing data packets using an IP address based on geo position |
JP4157322B2 (ja) | 2002-04-25 | 2008-10-01 | 株式会社東芝 | 人物認識システム |
JP4411900B2 (ja) * | 2003-08-08 | 2010-02-10 | ソニー株式会社 | 電子機器間の相互成長システム、電子機器及びロボット装置 |
JP4544847B2 (ja) * | 2003-11-20 | 2010-09-15 | ソニー・エリクソン・モバイルコミュニケーションズ株式会社 | 電子機器及びシステム |
US20060184462A1 (en) | 2004-12-10 | 2006-08-17 | Hawkins Jeffrey C | Methods, architecture, and apparatus for implementing machine intelligence and hierarchical memory systems |
US7656810B2 (en) * | 2005-03-25 | 2010-02-02 | Microsoft Corporation | System and method for monitoring and reacting to peer-to-peer network metrics |
US20070192267A1 (en) | 2006-02-10 | 2007-08-16 | Numenta, Inc. | Architecture of a hierarchical temporal memory based system |
US7739207B2 (en) | 2006-07-11 | 2010-06-15 | International Business Machines Corporation | Network autonomous learning system that allows computers to share learned knowledge such that errors and potential problems are identified and resolved |
RU72084U1 (ru) | 2007-12-03 | 2008-03-27 | Илья Самуилович Кабак | Доменная нейронная сеть |
EP2085774B1 (en) * | 2008-02-01 | 2018-04-11 | Kraft Foods R & D, Inc. | Method for determining the texture of food material |
US8428310B2 (en) * | 2008-02-28 | 2013-04-23 | Adt Services Gmbh | Pattern classification system and method for collective learning |
US9432271B2 (en) * | 2009-06-15 | 2016-08-30 | Qualcomm Incorporated | Sensor network management |
JP5588180B2 (ja) | 2010-01-15 | 2014-09-10 | キヤノン株式会社 | パターン識別装置及びその制御方法 |
CN101973031B (zh) * | 2010-08-24 | 2013-07-24 | 中国科学院深圳先进技术研究院 | 云机器人系统及实现方法 |
CN102571859A (zh) * | 2010-12-29 | 2012-07-11 | 鸿富锦精密工业(深圳)有限公司 | 通过云计算控制机器人的系统及方法 |
JP5923723B2 (ja) * | 2011-06-02 | 2016-05-25 | パナソニックIpマネジメント株式会社 | 人物属性推定システム、人物属性推定装置、及び人物属性推定方法 |
-
2013
- 2013-03-15 US US13/843,784 patent/US10534995B2/en active Active
-
2014
- 2014-02-27 BR BR112015023372-4A patent/BR112015023372B1/pt not_active IP Right Cessation
- 2014-02-27 EP EP14711367.4A patent/EP2973239A2/en not_active Ceased
- 2014-02-27 CA CA2903041A patent/CA2903041C/en active Active
- 2014-02-27 EP EP22156222.6A patent/EP4044066A1/en active Pending
- 2014-02-27 RU RU2015139090A patent/RU2669527C2/ru active
- 2014-02-27 WO PCT/US2014/019134 patent/WO2014149510A2/en active Application Filing
- 2014-02-27 JP JP2016500474A patent/JP6528040B2/ja active Active
- 2014-02-27 CN CN201480021265.8A patent/CN105122277B/zh active Active
-
2015
- 2015-09-02 IL IL241056A patent/IL241056B/en active IP Right Grant
-
2016
- 2016-05-30 HK HK16106098.0A patent/HK1218174A1/zh unknown
-
2019
- 2019-03-20 JP JP2019053265A patent/JP6790160B2/ja active Active
-
2020
- 2020-01-13 US US16/741,551 patent/US11544533B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP2973239A2 (en) | 2016-01-20 |
IL241056B (en) | 2020-09-30 |
RU2669527C2 (ru) | 2018-10-11 |
JP2019149173A (ja) | 2019-09-05 |
JP6528040B2 (ja) | 2019-06-12 |
HK1218174A1 (zh) | 2017-02-03 |
WO2014149510A2 (en) | 2014-09-25 |
CA2903041A1 (en) | 2014-09-25 |
JP2016515261A (ja) | 2016-05-26 |
CN105122277A (zh) | 2015-12-02 |
US11544533B2 (en) | 2023-01-03 |
CN105122277B (zh) | 2019-03-22 |
JP6790160B2 (ja) | 2020-11-25 |
WO2014149510A3 (en) | 2014-12-24 |
US10534995B2 (en) | 2020-01-14 |
US20140279717A1 (en) | 2014-09-18 |
CA2903041C (en) | 2022-05-03 |
RU2015139090A3 (ru) | 2018-03-12 |
EP4044066A1 (en) | 2022-08-17 |
IL241056A0 (en) | 2015-11-30 |
BR112015023372A2 (pt) | 2017-07-18 |
BR112015023372B1 (pt) | 2022-08-16 |
US20200226448A1 (en) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2015139090A (ru) | Сеть интеллектуальных машин | |
Roser et al. | Reliable shop floor bottleneck detection for flow lines through process and inventory observations | |
CY1123641T1 (el) | Μεθοδοι και συσκευη για μια κατανεμημενη βαση δεδομενων σε ενα δικτυο | |
PH12019501538A1 (en) | Service processing and consensus method and device | |
CN104951399B (zh) | 一种软件测试系统和方法 | |
WO2017192007A3 (ko) | 블록 검증을 위한 복수의 일방향 함수를 지원하는 블록 체인 | |
CN105824746B (zh) | 一种基于用例依赖关系自动生成测试调度的方法和装置 | |
RU2014132567A (ru) | Устройство и способы создания маршрутов обслуживания внутри системы управления технологическими процессами | |
MX349042B (es) | Sistema y metodo para motores de consulta de base de datos distribuidos. | |
EP2787372A3 (en) | Device and method for stable least-squares reverse time migration | |
RU2015101570A (ru) | Способ и аппарат для автоматического подключения беспроводной сети | |
CN106453122B (zh) | 一种流数据传输节点的选取方法和装置 | |
WO2014052006A3 (en) | Selecting anonymous users based on user location history | |
GB2547592A (en) | Statistical approach to incorporate uncertainties of parameters in simulation results and stability analysis for earth drilling | |
EA201690184A1 (ru) | Калибровка акселерометра по месту использования | |
CN106357776B (zh) | 一种流数据的传输资源的选取方法和装置 | |
GB2571686A (en) | System and method for analyzing and associating elements of a computer system by shared characteristics | |
MX2012007176A (es) | Atributo sismico de buzamiento. | |
US20160088499A1 (en) | Systems and methods to create message traffic | |
MX2018006379A (es) | Posicionamiento de adquisicion de fondo marino 4d basado en gradiente. | |
CN106293977A (zh) | 一种数据校验方法与设备 | |
SG11201709902TA (en) | Method, device, server and storage medium of searchinhg a group based on social network | |
RU2014117560A (ru) | Система и способ оптимизации качества карты | |
JP2011159039A5 (ru) | ||
MY192955A (en) | Method and apparatus for probing fronthaul topology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
HZ9A | Changing address for correspondence with an applicant |