RU2020127200A - Способ обратимой коррекции систем искусственного интеллекта - Google Patents

Способ обратимой коррекции систем искусственного интеллекта Download PDF

Info

Publication number
RU2020127200A
RU2020127200A RU2020127200A RU2020127200A RU2020127200A RU 2020127200 A RU2020127200 A RU 2020127200A RU 2020127200 A RU2020127200 A RU 2020127200A RU 2020127200 A RU2020127200 A RU 2020127200A RU 2020127200 A RU2020127200 A RU 2020127200A
Authority
RU
Russia
Prior art keywords
elementary
situations
corrector
correctors
dispatcher
Prior art date
Application number
RU2020127200A
Other languages
English (en)
Other versions
RU2020127200A3 (ru
Inventor
Александр Николаевич Горбань
Иван Юрьевич Тюкин
Евгений Моисеевич Миркес
Сергей Викторович Стасенко
Original Assignee
Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского"
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского" filed Critical Федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского"
Priority to RU2020127200A priority Critical patent/RU2020127200A/ru
Priority to PCT/RU2020/000482 priority patent/WO2022035344A1/ru
Publication of RU2020127200A publication Critical patent/RU2020127200A/ru
Publication of RU2020127200A3 publication Critical patent/RU2020127200A3/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Claims (11)

  1. Способ обратимой коррекции систем искусственного интеллекта, при котором:
  2. система коррекции организована как совокупность элементарных корректоров, управляемая диспетчером;
  3. каждый элементарный корректор включает бинарный классификатор, отделяющий ситуации с высоким риском ошибки;
  4. для каждого элементарного корректора задают модифицированное правило решения корректируемой системы искусственного интеллекта в ситуации с высоким риском ошибки, диагностируемой классификатором данного корректора;
  5. бинарные классификаторы в составе элементарных корректоров организуют как деревья простых классификаторов допускающих неитеративное обучение;
  6. на вход корректору подают полный вектор сигналов, составленный из входных, внутренних и выходных сигналов корректируемой системы искусственного интеллекта, а также, при наличии, любых других доступных атрибутов ситуации,
  7. при этом диспетчер распределяет ситуации между элементарными корректорами, а решающее правило, на основании которого диспетчер распределяет ситуации между элементарными корректорами, формируют в результате кластерного анализа ситуаций с диагностированными ошибками;
  8. кластерный анализ ситуаций с диагностированными ошибками производят с использованием потокового алгоритма,
  9. при этом каждый элементарный корректор обрабатывает ситуации из одного кластера;
  10. при получении сигнала об обнаружении новых ошибок диспетчер модифицирует определение кластеров согласно выбранному потоковому алгоритму и соответственно модифицирует решающее правило, на основании которого распределяются ситуации между элементарными корректорами;
  11. после получения сигнала об обнаружении новых ошибок диспетчер выбирает элементарный корректор, который должен обрабатывать ситуацию и классификатор этого корректора доучивается по неитеративному явному правилу.
RU2020127200A 2020-08-13 2020-08-13 Способ обратимой коррекции систем искусственного интеллекта RU2020127200A (ru)

Priority Applications (2)

Application Number Priority Date Filing Date Title
RU2020127200A RU2020127200A (ru) 2020-08-13 2020-08-13 Способ обратимой коррекции систем искусственного интеллекта
PCT/RU2020/000482 WO2022035344A1 (ru) 2020-08-13 2020-09-14 Способ обратимой коррекции систем искусственного интеллекта

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2020127200A RU2020127200A (ru) 2020-08-13 2020-08-13 Способ обратимой коррекции систем искусственного интеллекта

Publications (2)

Publication Number Publication Date
RU2020127200A true RU2020127200A (ru) 2022-02-14
RU2020127200A3 RU2020127200A3 (ru) 2022-02-14

Family

ID=80248086

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2020127200A RU2020127200A (ru) 2020-08-13 2020-08-13 Способ обратимой коррекции систем искусственного интеллекта

Country Status (2)

Country Link
RU (1) RU2020127200A (ru)
WO (1) WO2022035344A1 (ru)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2462752C1 (ru) * 2011-07-18 2012-09-27 Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" Динамическая экспертная система
CN103489009B (zh) * 2013-09-17 2016-08-17 北方信息控制集团有限公司 基于自适应修正神经网络的模式识别方法
WO2018235050A1 (en) * 2017-06-22 2018-12-27 Telefonaktiebolaget Lm Ericsson (Publ) NEURAL NETWORKS FOR RECOVERY CORRECTION DECODING OF ERRORS
US10324467B1 (en) * 2017-12-29 2019-06-18 Apex Artificial Intelligence Industries, Inc. Controller systems and methods of limiting the operation of neural networks to be within one or more conditions
WO2019136449A2 (en) * 2018-01-08 2019-07-11 Darya Frolova Error correction in convolutional neural networks

Also Published As

Publication number Publication date
WO2022035344A1 (ru) 2022-02-17
RU2020127200A3 (ru) 2022-02-14

Similar Documents

Publication Publication Date Title
CN108009625B (zh) 人工神经网络定点化后的微调方法和装置
Kang et al. Forget-free continual learning with winning subnetworks
US20200012896A1 (en) Apparatus and method of data generation for object detection based on generative adversarial networks
Shetty Application of convolutional neural network for image classification on Pascal VOC challenge 2012 dataset
US9406017B2 (en) System and method for addressing overfitting in a neural network
Liu et al. RB-Net: Training highly accurate and efficient binary neural networks with reshaped point-wise convolution and balanced activation
US20160342887A1 (en) Scalable neural network system
CN111767860A (zh) 一种通过卷积神经网络实现图像识别的方法及终端
EP4115345A1 (en) Adaptive quantization for execution of machine learning models
RU2020127200A (ru) Способ обратимой коррекции систем искусственного интеллекта
Yang et al. Dbq-ssd: Dynamic ball query for efficient 3d object detection
CN115941112B (zh) 一种便携式隐蔽通信方法、计算机设备及存储介质
CN115543763A (zh) 基于生成对抗网络的测试用例生成方法及装置
CN116109509A (zh) 基于逐像素伽马矫正的实时低光照图像增强方法及系统
CN112836820A (zh) 用于图像分类任务的深度卷积网络训方法、装置及系统
CN107154027B (zh) 一种畸变图像复原的补偿方法及装置
EP3761263A1 (en) Image data pre-processing for neural networks
CN113330459A (zh) 用于训练以及用于运行有多任务能力的人工神经网络的方法、有多任务能力的人工神经网络和设备
KR102490503B1 (ko) 순환형 적대적 생성 신경망을 이용한 이미지 처리 장치 및 방법
Banerjee Meta-drn: Meta-learning for 1-shot image segmentation
Razinkov et al. ALFA: agglomerative late fusion algorithm for object detection
KR102101481B1 (ko) 인공지능 기반의 휴대용 보안영상 학습장치 및 방법
RU2022126831A (ru) Способ распознавания изображений с обратимой коррекцией ошибок и интеллектуальная система для его реализации
CN113888498A (zh) 图像异常检测方法、装置、电子设备及存储介质
CN113505751A (zh) 一种基于差异图卷积神经网络的人体骨骼动作识别方法