中科微点-全球专利检索

  1. Login
  2. Sign Up

Search Results

31 records (took 0.012 seconds)

    基于期望最大确定统计模型参数的方法和装置
    1.
    发明申请
    基于期望最大确定统计模型参数的方法和装置 审中-公开

    公开(公告)号：WO2015109781A1

    公开(公告)日：2015-07-30

    申请号：PCT/CN2014/082327

    申请日：2014-07-16

    Applicant: 华为技术有限公司

    Inventor： 曾嘉 ,  兰亮 ,  陈嘉

    IPC: G06F17/18

    CPC classification number: G06F17/18 ,  G06K9/6221 ,  G06K9/6259

    Abstract: 一种基于期望最大确定统计模型参数的方法和装置，其中，该方法包括：根据输入矩阵，设定K个聚类中心、参数的初始值以及后验概率矩阵μ ΝxK （μ n,k ）的初始值 μ 0 ΝxK （ μ 0 n,k ）以及根据 μ 0 ΝxK （ μ 0 n,k ）以及参数的初值计算 μ 1 ΝxK （ μ 1 n,k ）；基于μ 1 ΝxK （μ 1 n,k ）计算得到第t次循环的参数，并计算N个数据点在K个聚类中心的残差 r t n,k =| μ t n,k - μ t-1 n,k |；根据残差选取M个数据点的L个聚类中心；根据第t次循环计算得到的参数计算M个数据点在L个聚类中心上的后验概率 μ t+1 n,k ；根据所计算出的后验概率 μ t+1 n,k 更新N个数据点在K个聚类中心上的后验概率矩阵 μ t+1 ΝxK （ μ t+1 n,k ），并基于计算出的后验概率 μ t+1 n,k 更新第t+1次循环的参数的值；判断第t+1次循环的参数是否收敛，在参数为收敛时，停止循环输出参数。可以降低确定统计模型的参数时的迭代成本以及时间成本。

    ASSOCIATION SIGNIFICANCE
    2.
    发明申请
    ASSOCIATION SIGNIFICANCE 审中-公开
    协会意义

    公开(公告)号：WO2012115962A1

    公开(公告)日：2012-08-30

    申请号：PCT/US2012/025937

    申请日：2012-02-21

    Applicant: THOMSON REUTERS GLOBAL RESOURCES ,  MALIK, Hassan, H. ,  OLOF-ORS, Mans

    Inventor： MALIK, Hassan, H. ,  OLOF-ORS, Mans

    IPC: G06N5/00 ,  G06N5/02 ,  G06Q40/00

    CPC classification number: G06F17/30675 ,  G06F17/30696 ,  G06F17/3071 ,  G06F17/30864 ,  G06F17/30958 ,  G06K9/6259 ,  G06N5/00 ,  G06N5/02 ,  G06N99/005

    Abstract: Systems and techniques for determining significance between entities are disclosed. The systems and techniques identify a first entity having an association with a second entity, apply a plurality of association criteria to the association, weight each of the criteria based on defined weight values, and compute a significance score for the first entity with respect to the second entity based on a sum of a plurality of weighted criteria values. The systems and techniques utilize information from disparate sources to create a uniquely powerful signal. The systems and techniques can be used to identify the significance of relationships (e.g., associations) among various entities including, but not limited to, organizations, people, products, industries, geographies, commodities, financial indicators, economic indicators, events, topics, subject codes, unique identifiers, social tags, industry terms, general terms, metadata elements, classification codes, and combinations thereof.

    Abstract translation: 公开了确定实体之间重要性的系统和技术。 所述系统和技术识别具有与第二实体的关联的第一实体，将多个关联标准应用于所述关联，基于所定义的权重值对每个所述标准进行加权，并且针对所述第一实体计算相对于所述第一实体的重要性得分 基于多个加权标准值的和的第二实体。 系统和技术利用来自不同来源的信息来创建独特强大的信号。 系统和技术可用于确定各种实体之间的关系（例如，协会）的重要性，包括但不限于组织，人员，产品，行业，地理位置，商品，财务指标，经济指标，事件，主题， 主题代码，唯一标识符，社会标签，行业术语，一般术语，元数据元素，分类代码及其组合。

    METHOD AND SYSTEM FOR SIMULTANEOUS SCENE PARSING AND MODEL FUSION FOR ENDOSCOPIC AND LAPAROSCOPIC NAVIGATION
    4.
    发明申请
    METHOD AND SYSTEM FOR SIMULTANEOUS SCENE PARSING AND MODEL FUSION FOR ENDOSCOPIC AND LAPAROSCOPIC NAVIGATION 审中-公开
    用于内窥镜和腹腔镜导航的同时场景分割和模型融合的方法和系统

    公开(公告)号：WO2016195698A1

    公开(公告)日：2016-12-08

    申请号：PCT/US2015/034327

    申请日：2015-06-05

    Applicant: SIEMENS AKTIENGESELLSCHAFT ,  SIEMENS CORPORATION

    Inventor： KLUCKNER, Stefan ,  KAMEN, Ali ,  CHEN, Terrence

    IPC: G06K9/62 ,  G06K9/32 ,  G06K9/50 ,  G06T7/00

    CPC classification number: G06T7/251 ,  G06K9/3233 ,  G06K9/50 ,  G06K9/6259 ,  G06K9/6282 ,  G06K2209/051 ,  G06T7/11 ,  G06T2200/04 ,  G06T2207/10016 ,  G06T2207/10068 ,  G06T2207/10081 ,  G06T2207/10088 ,  G06T2207/20081 ,  G06T2207/30056

    Abstract: A method and system for scene parsing and model fusion in laparoscopic and endoscopic 2D/2.5D image data is disclosed. A current frame of an intra-operative image stream including a 2D image channel and a 2.5D depth channel is received. A 3D pre-operative model of a target organ segmented in pre-operative 3D medical image data is fused to the current frame of the intra-operative image stream. Semantic label information is propagated from the pre-operative 3D medical image data to each of a plurality of pixels in the current frame of the intra-operative image stream based on the fused pre-operative 3D model of the target organ, resulting in a rendered label map for the current frame of the intra-operative image stream. A semantic classifier is trained based on the rendered label map for the current frame of the intra-operative image stream.

    Abstract translation: 公开了一种用于腹腔镜和内窥镜2D / 2.5D图像数据的场景解析和模型融合的方法和系统。 接收包括2D图像信道和2.5D深度信道的手术内图像流的当前帧。 在术前3D医学图像数据中分割的靶器官的3D手术前模型与术中图像流的当前帧融合。 基于目标器官的融合的术前3D模型，语义标签信息从术前3D医学图像数据传播到术中图像流的当前帧中的多个像素中的每一个，导致呈现 术语图像流的当前帧的标签映射。 语义分类器是基于针对当前图像流的当前帧的渲染标签映射进行训练的。

    METHOD OF CONSTRUCTION OF ANOMALY MODELS FROM ABNORMAL DATA
    5.
    发明申请
    METHOD OF CONSTRUCTION OF ANOMALY MODELS FROM ABNORMAL DATA 审中-公开
    从异常数据构建异常模型的方法

    公开(公告)号：WO2015079192A1

    公开(公告)日：2015-06-04

    申请号：PCT/GB2013/053157

    申请日：2013-11-29

    Applicant: GE AVIATION SYSTEMS LIMITED

    Inventor： CALLAN, Robert Edward ,  HARDWICK, David Stephen

    IPC: G06K9/62

    CPC classification number: G06K9/66 ,  G06K9/6215 ,  G06K9/6257 ,  G06K9/6259 ,  G06K9/6284 ,  G06K9/6296

    Abstract: A method (100) of constructing a probabilistic graphical model (10) of a system from data that includes both normal and anomalous data includes the step of learning parameters of a structure for the probabilistic graphical model (10). The structure includes at least one latent variable (26) on which other variables (12, 14, 16, 18, 20, 22, 24) are conditional, and has a plurality of components. The method further includes the steps of: iteratively associating one or more of the plurality of components of the latent variable (26) with normal data;constructing a matrix of the associations;detecting abnormal components of the latent variable (26) based on one of a low association with the normal data or the matrix of associations; and deleting the abnormal components of the latent variable (26) from the probabilistic graphical model (10).

    Abstract translation: 从包括正常数据和异常数据的数据构建系统的概率图形模型（10）的方法（100）包括学习用于概率图形模型（10）的结构的参数的步骤。 该结构包括至少一个潜在变量（26​​），其上的其他变量（12,14,16,18,20,22,24）是有条件的并且具有多个分量。 该方法还包括以下步骤：将潜在变量（26​​）的多个分量中的一个或多个与正常数据进行迭代关联;构建关联矩阵;基于以下之一来检测潜在变量（26​​）的异常分量： 与正常数据或关联矩阵的低关联度; 以及从所述概率图形模型（10）中删除所述潜在变量（26​​）的异常分量。

    画像処理学習装置、画像処理学習方法、および画像処理学習プログラム
    7.
    发明申请
    画像処理学習装置、画像処理学習方法、および画像処理学習プログラム 审中-公开
    图像处理学习设备，图像处理学习方法和图像处理学习程序

    公开(公告)号：WO2012005066A1

    公开(公告)日：2012-01-12

    申请号：PCT/JP2011/062310

    申请日：2011-05-24

    Applicant: 日本電気株式会社 ,  宮野 博義

    Inventor： 宮野　博義

    IPC: G06T7/00 ,  G06T1/00 ,  G06T7/60

    CPC classification number: G06K9/00228 ,  G06K9/00241 ,  G06K9/6214 ,  G06K9/6259 ,  G06K9/66 ,  G06T7/74 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30201

    Abstract: 多大なコストをかけずに、顔向き推定処理と顔検出処理を同時に、かつ高精度に学習することができる技術を提供する。画像処理学習装置は、顔向きが既知か否かを識別する顔向き識別部と、既知の場合に、顔向きに関する情報を多様体上の位置に変換する位置変換部と、未知の場合に、多様体上の位置を推定する位置推定部と、顔・非顔かが既知か否かを識別する顔識別部と、既知の場合に、多様体上の位置と、空間上の位置との距離から顔か非顔かに応じて更新量を計算する第１の更新量計算部と、未知の場合に、多様体上の位置と、空間上の位置との距離が近い場合はより近づけ、遠い場合はより遠ざけるように更新量を計算する第２の更新量計算部と、パラメータを更新するパラメータ更新部と、を含む。

    Abstract translation: 公开了一种可以同时且高精度地学习面部方向估计处理和面部检测处理而不产生显着成本的技术。 图像处理学习装置包括：面部方向识别单元，其识别脸部方向是否已知; 位置转换单元，当已知时，将关于面部方向的信息转换为歧管上的位置; 位置估计单元，当未知时，估计歧管上的位置; 识别对象是否已知是面部/不是面部的面部识别单元; 第一更新量计算单元，如果已知，则根据所述歧管上的位置与所述空间中的位置之间的距离，根据所述对象是面对面而计算所述更新量; 第二更新量计算单元，当所述歧管上的位置与所述空间中的所述位置之间的距离接近时，计算所述更新量更靠近所述更新量;以及进一步当未知时; 以及更新参数的参数更新单元。

    CLASSIFICATION LEARNING SYSTEM
    8.
    发明申请
    CLASSIFICATION LEARNING SYSTEM 审中-公开
    分类学习系统

    公开(公告)号：WO2003021421A1

    公开(公告)日：2003-03-13

    申请号：PCT/US2002/027852

    申请日：2002-08-29

    Applicant: KANA SOFTWARE, INC. ,  MASON, Zachary, J.

    Inventor： MASON, Zachary, J.

    IPC: G06F3/14

    CPC classification number: G06F17/2715 ,  G06K9/6259 ,  G06K9/6262 ,  G06K9/6267

    Abstract: A method for a partially self-training learning system is disclosed. The learning systems, such as document classifiers (10), are initially trained on a small amount of hand-sorted data (12). The learning systems process unlabeled data by assigning classifications to the data. A confidence level in the classification is verified for each newly classified document. If the classification is made with a sufficiently high confidence level, the learning system trains on the word vector of the newly classified document. If the classification of the newly classified document is not made with a sufficiently high confidence level, the learning system does not use the word vector in the newly classified document for training purposes.

    Abstract translation: 公开了一种部分自我训练学习系统的方法。 学习系统，例如文档分类器（10），最初是对少量的手工分类数据（12）进行了培训。 学习系统通过分配数据来处理未标记的数据。 对每个新分类的文件验证分类中的置信水平。 如果以足够高的置信度进行分类，则学习系统对新分类的文档的字矢量进行训练。 如果新分类文件的分类没有达到足够高的置信水平，则学习系统不会在新分类的文档中使用词汇向量进行训练。

    METHOD, APPARATUS, AND SYSTEM FOR GENERATING SYNTHETIC IMAGE DATA FOR MACHINE LEARNING
    9.
    发明申请
    METHOD, APPARATUS, AND SYSTEM FOR GENERATING SYNTHETIC IMAGE DATA FOR MACHINE LEARNING 审中-公开

    公开(公告)号：WO2019129819A1

    公开(公告)日：2019-07-04

    申请号：PCT/EP2018/097037

    申请日：2018-12-27

    Applicant: HERE GLOBAL B.V.

    Inventor： AVIDAN, Avi ,  LUK-ZILBERMAN, Evgeny

    IPC: G06K9/62 ,  G06K9/00

    CPC classification number: G06K9/00805 ,  G06K9/00791 ,  G06K9/6255 ,  G06K9/6259 ,  G06N20/00 ,  G08G1/165 ,  G08G1/166

    Abstract: An approach is provided for generating synthetic image data for machine learning. The approach, for instance,involvesdetermining, by a processor, a set of parameters for indicating an action by one or more objects. The action is a dynamic movement of the one or more objects through a geographic space over a period of time. The approach also involves processing the set of parameters to generate synthetic image data. The synthetic image data includes a computer- generated image sequence of the one or more objects performing the action in the geographic space over the period of time. The approach further involves automatically labeling the synthetic image data with at least one label representing the action, the set of parameters, or a combination thereof. The approach further involves providing the labeled synthetic image data for training or evaluating a machine learning model to detect the action.

    基于内容流行度预测的边缘缓存系统及其方法
    10.
    发明申请
    基于内容流行度预测的边缘缓存系统及其方法 审中-公开

    公开(公告)号：WO2019095402A1

    公开(公告)日：2019-05-23

    申请号：PCT/CN2017/112079

    申请日：2017-11-21

    Applicant: 东南大学

    Inventor： 蒋雁翔 ,  马妙丽 ,  郑福春 ,  尤肖虎

    IPC: G06K9/62 ,  H04L12/58

    CPC classification number: G06F16/23 ,  G06K9/6259 ,  H04L41/147 ,  H04L67/2842

    Abstract: 一种基于内容流行度预测的边缘缓存系统及其方法，包含如下步骤：（1）根据用户历史请求信息，线下训练节点覆盖区域内每个用户的偏好模型；（2）当请求到达时，如果请求内容不在缓存区，依据用户偏好模型在线预测内容流行度；（3）比较内容流行度预测值与缓存区内容流行度最低值两者大小，做出相应缓存决策；（4）更新当前时刻内容流行度值，并对用户偏好模型进行评估，确定是否启动线下用户偏好模型学习。上述系统及方法可以使边缘节点在线预测内容流行度并实时追踪内容流行度变化，并基于预测的内容流行度做出对应的缓存决策，从而确保边缘节点持续缓存热点内容，获得渐近于理想的缓存方法的缓存命中率。

Patent Agency Ranking