G - Physics – 06 – N
Patent
G - Physics
06
N
G06N 3/02 (2006.01) G06K 9/66 (2006.01) G06N 3/04 (2006.01) G06N 3/08 (2006.01)
Patent
CA 2463939
An apparatus and method for training a neural network model (21) to classify patterns (26) or to assess the value of decisions associated with patterns by comprising the actual output of the network in response to an input pattern with the desired output for that pattern on the basis of a Risk Differential Learning (RDL) objective function (28), the results of the comparison governing adjustment of the neural network model's parameters by numerical optimization. The RDL objective function includes one or more terms, each being a risk/benefit/classification figure-of-merit (RBCFM) function, which is a synthetic, monotonically non-decreasing, anti-symmetric/asymmetric, piecewise-differentiable function of a risk differential (Fig. 6), which is the difference between outputs of the neural network model produced in response to a given input pattern. Each RBCFM function has mathematical attributes such that RDL can make universal guarantees of maximum correctness/profitability and minimum complexity. A strategy for profit- maximizing resource allocation utilizing RDL is also disclosed.
L'invention concerne un appareil et un procédé permettant d'entraîner un modèle de réseau neuronal (21) pour apprendre à classer des motifs (26) ou à évaluer la valeur de décisions associées à des motifs, au moyen d'une comparaison entre la sortie réelle du réseau en réponse à un motif d'entrée et de la sortie voulue pour ce motif, en fonction d'une fonction d'objectifs (28) d'apprentissage différentiel de risques (RDL), les résultats de cette comparaison permettant de gouverner le réglage des paramètres du modèle de réseau neuronal au moyen d'une optimisation numérique. La fonction d'objectifs RDL comprend un ou plusieurs termes, chaque terme étant une fonction risque/avantage/classification de facteurs de mérites (RBCFM), qui est une fonction synthétique, non décroissante de manière monotone, antisymétrique/asymétrique, et différentiable par élément d'un différentiel de risque (Fig. 6), constituant la différence entre les sorties du modèle de réseau neuronal produites en réponse à un motif d'entrée donné. Chaque fonction RBCFM présente des attributs mathématiques, de sorte que RDL peut effectuer des garanties universelles dont l'exactitude/rentabilité est maximale et la complexité minimale. L'invention concerne également une stratégie permettant d'attribuer des ressources en optimisant le profit, faisant appel à RDL.
Exscientia Llc
Ridout & Maybee Llp
LandOfFree
Method and apparatus for learning to classify patterns and... does not yet have a rating. At this time, there are no reviews or comments for this patent.
If you have personal experience with Method and apparatus for learning to classify patterns and..., we encourage you to share that experience with our LandOfFree.com community. Your opinion is very important and Method and apparatus for learning to classify patterns and... will most certainly appreciate the feedback.
Profile ID: LFCA-PAI-O-1445975