RU2017100479A - Адаптивное акцентирование в качестве услуги - Google Patents
Адаптивное акцентирование в качестве услуги Download PDFInfo
- Publication number
- RU2017100479A RU2017100479A RU2017100479A RU2017100479A RU2017100479A RU 2017100479 A RU2017100479 A RU 2017100479A RU 2017100479 A RU2017100479 A RU 2017100479A RU 2017100479 A RU2017100479 A RU 2017100479A RU 2017100479 A RU2017100479 A RU 2017100479A
- Authority
- RU
- Russia
- Prior art keywords
- emphasis
- data set
- module
- task
- library
- Prior art date
Links
Classifications
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Machine Translation (AREA)
- Studio Devices (AREA)
Claims (24)
1. Система, которая автоматически выбирает по меньшей мере одно акцентирование для приложения машинного самообучения, причем система содержит:
по меньшей мере один процессор;
память, соединенную с по меньшей мере одним процессором; и
по меньшей мере один программный модуль, загруженный в память, каковой по меньшей мере один программный модуль содержит модуль выбора акцентирований, который автоматически выбирает по меньшей мере одно акцентирование для принятого набора данных и принятого определения задачи для приложения машинного самообучения, и
по меньшей мере один программный модуль, содержащий модуль сравнения, который сравнивает принятый набор данных с библиотекой наборов данных и выбирает по меньшей мере одно акцентирование на основе этого сравнения.
2. Система по п.1, в которой набор данных содержит необработанные данные.
3. Система по п. 1, дополнительно содержащая по меньшей мере один программный модуль, содержащий модуль сравнения, который сравнивает принятое определение задачи с библиотекой определений задач и выбирает по меньшей мере одно акцентирование на основе этого сравнения.
4. Система по п. 1, дополнительно содержащая по меньшей мере один программный модуль, содержащий модуль, который проверяет результаты прошлых выполнений обучения для выбранного по меньшей мере одного акцентирования.
5. Система по п. 1, дополнительно содержащая по меньшей мере один программный модуль, содержащий модуль, который проверяет множество результатов тестовых выполнений, применяющих выбранные акцентирования к принятому набору данных, и выбирает по меньшей мере одно акцентирование на основе этих результатов.
6. Система по п. 1, дополнительно содержащая по меньшей мере один программный модуль, содержащий модуль, который принимает определение того, как измеряется успех.
7. Способ автоматического выбора акцентирований для приложения машинного самообучения, содержащий этапы, на которых:
принимают, посредством процессора вычислительного устройства, входные данные, содержащие набор данных из необработанных данных;
сравнивают этот набор данных с библиотекой наборов данных и выбирают по меньшей мере одно акцентирование, связанное с набором данных в библиотеке наборов данных, на основе этого сравнения; и
рекомендуют выбранное по меньшей мере одно акцентирование для применения к набору данных из необработанных данных.
8. Способ по п.7, дополнительно содержащий этап, на котором сравнивают принятое определение задачи с определением задачи в библиотеке определений задач и выбирают по меньшей мере одно акцентирование, связанное с определением задачи в библиотеке определений задач, для применения к набору данных из необработанных данных.
9. Способ по п.7, дополнительно содержащий этап, на котором применяют по меньшей мере одно выбранное акцентирование к набору данных из необработанных данных в тестовом выполнении.
10. Способ по п.7, дополнительно содержащий этап, на котором сравнивают результаты множества тестовых выполнений, в которых выбранные акцентирования применены к набору данных из необработанных данных.
11. Способ по п.10, дополнительно содержащий этап, на котором рекомендуют по меньшей мере одно акцентирование для применения к набору данных из необработанных данных на основе результатов сравнения.
12. Способ по п.7, дополнительно содержащий этап, на котором принимают определение того, как измеряется успех.
13. Машиночитаемый носитель, содержащий машиночитаемые команды, которые при их исполнении предписывают по меньшей мере одному процессору вычислительного устройства выполнять следующее:
автоматический выбор по меньшей мере одного акцентирования для принятого набора данных и принятого определения задачи для приложения машинного самообучения, и
содержащий дополнительные машиночитаемые команды, которые при их исполнении предписывают по меньшей мере одному процессору выполнять следующее:
сравнение принятого набора данных с библиотекой наборов данных; и
выбор по меньшей мере одного акцентирования на основе этого сравнения.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462023833P | 2014-07-12 | 2014-07-12 | |
US62/023,833 | 2014-07-12 | ||
US14/576,253 US20160012318A1 (en) | 2014-07-12 | 2014-12-19 | Adaptive featurization as a service |
US14/576,253 | 2014-12-19 | ||
PCT/US2015/039839 WO2016010832A1 (en) | 2014-07-12 | 2015-07-10 | Adaptive featurization as a service |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2017100479A true RU2017100479A (ru) | 2018-07-11 |
RU2017100479A3 RU2017100479A3 (ru) | 2019-01-31 |
Family
ID=55067826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017100479A RU2017100479A (ru) | 2014-07-12 | 2015-07-10 | Адаптивное акцентирование в качестве услуги |
Country Status (6)
Country | Link |
---|---|
US (1) | US20160012318A1 (ru) |
EP (1) | EP3167409A1 (ru) |
JP (1) | JP2017527013A (ru) |
CN (1) | CN106537423A (ru) |
RU (1) | RU2017100479A (ru) |
WO (1) | WO2016010832A1 (ru) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10026041B2 (en) | 2014-07-12 | 2018-07-17 | Microsoft Technology Licensing, Llc | Interoperable machine learning platform |
US9436507B2 (en) | 2014-07-12 | 2016-09-06 | Microsoft Technology Licensing, Llc | Composing and executing workflows made up of functional pluggable building blocks |
US10371005B2 (en) * | 2016-07-20 | 2019-08-06 | United Technologies Corporation | Multi-ply heat shield assembly with integral band clamp for a gas turbine engine |
US11669675B2 (en) | 2016-11-23 | 2023-06-06 | International Business Machines Corporation | Comparing similar applications with redirection to a new web page |
EP3480714A1 (en) * | 2017-11-03 | 2019-05-08 | Tata Consultancy Services Limited | Signal analysis systems and methods for features extraction and interpretation thereof |
CN110738304A (zh) * | 2018-07-18 | 2020-01-31 | 科沃斯机器人股份有限公司 | 机器模型更新方法、设备及存储介质 |
US20200210775A1 (en) * | 2018-12-28 | 2020-07-02 | Harman Connected Services, Incorporated | Data stitching and harmonization for machine learning |
US11373119B1 (en) * | 2019-03-29 | 2022-06-28 | Amazon Technologies, Inc. | Framework for building, orchestrating and deploying large-scale machine learning applications |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101782976B (zh) * | 2010-01-15 | 2013-04-10 | 南京邮电大学 | 一种云计算环境下机器学习自动选择方法 |
US8609602B2 (en) * | 2010-07-14 | 2013-12-17 | Anatrace Products, Llc | Cleaning solution |
US20120158623A1 (en) * | 2010-12-21 | 2012-06-21 | Microsoft Corporation | Visualizing machine learning accuracy |
CN103502899B (zh) * | 2011-01-26 | 2016-09-28 | 谷歌公司 | 动态预测建模平台 |
TWM444868U (zh) * | 2012-07-20 | 2013-01-11 | Axpro Technology Inc | 遊戲用射擊器材之方向操控裝置 |
US9292799B2 (en) * | 2013-02-28 | 2016-03-22 | Chevron U.S.A. Inc. | Global model for failure prediction for artificial lift systems |
-
2014
- 2014-12-19 US US14/576,253 patent/US20160012318A1/en not_active Abandoned
-
2015
- 2015-07-10 EP EP15742452.4A patent/EP3167409A1/en not_active Withdrawn
- 2015-07-10 CN CN201580038042.7A patent/CN106537423A/zh active Pending
- 2015-07-10 JP JP2017501673A patent/JP2017527013A/ja not_active Withdrawn
- 2015-07-10 WO PCT/US2015/039839 patent/WO2016010832A1/en active Application Filing
- 2015-07-10 RU RU2017100479A patent/RU2017100479A/ru not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
CN106537423A (zh) | 2017-03-22 |
WO2016010832A1 (en) | 2016-01-21 |
RU2017100479A3 (ru) | 2019-01-31 |
JP2017527013A (ja) | 2017-09-14 |
EP3167409A1 (en) | 2017-05-17 |
US20160012318A1 (en) | 2016-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2017100479A (ru) | Адаптивное акцентирование в качестве услуги | |
US10380482B2 (en) | Training neural networks on partitioned training data | |
JP2017062760A5 (ru) | ||
MX2018004367A (es) | Sistema de ensayo de baterias para predecir los resultados del ensayo de baterias. | |
WO2014110167A3 (en) | Integrated machine learning for a data management product | |
RU2017109689A (ru) | Представление вычислительной среды на множественных устройствах | |
WO2017176356A3 (en) | Partitioned machine learning architecture | |
WO2016036817A4 (en) | Executing graph-based program specifications | |
BR112018013425A2 (pt) | interface com o usuário | |
JP2017520068A5 (ru) | ||
MX2016011616A (es) | Administracion de recursos con base en perfiles de utilizacion de recursos de dispositivo especifico o usuario especifico. | |
WO2015073078A3 (en) | Apparatuses and methods for iris based biometric recognition | |
JP2016534660A5 (ru) | ||
JP2017510867A5 (ru) | ||
US20160063073A1 (en) | Electronic device and method for searching for application | |
JP2016514877A5 (ru) | ||
PH12016000112B1 (en) | Protocol evaluator | |
JP2017527013A5 (ru) | ||
MX366930B (es) | Inteligente y automatizada extracción y verificación de datos de sitios web. | |
US9116771B2 (en) | Merging weighted recommendations for installation and configuration of software products | |
JP2015176235A5 (ru) | ||
WO2015130675A3 (en) | Apparatus and method for testing computer program implementation against a design model | |
JP2017504106A5 (ru) | ||
JP2016151932A5 (ru) | ||
JP2013097467A5 (ru) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20190528 |