# Предотвращение переобучения в медицинской визуализации ИИ: патентный анализ VUNO

В последние годы активно ведутся исследования по применению эффективных методов распознавания образов человека к реальным компьютерам как способу решения проблемы классификации вводимых шаблонов в конкретные группы.

Source: https://www.iplexlaw.co.kr/ru/blog/865384

ГЛАВНАЯ / Новости и аналитика Новости и аналитика Предотвращение переобучения в медицинской визуализации ИИ: патентный анализ VUNO В последние годы активно ведутся исследования по применению эффективных методов распознавания образов человека к реальным компьютерам как способу решения проблемы классификации вводимых шаблонов в конкретные группы. ИИ и программное обеспечение Опубликовано: 2023.06.13 IPLEX Время чтения: 3 мин. В последние годы активно ведутся исследования по применению эффективных методов распознавания образов человека к реальным компьютерам как способу решения проблемы классификации вводимых шаблонов в конкретные группы. Одним из таких исследований является изучение искусственных нейронных сетей, которые смоделировали характеристики биологических нейронов у людей с помощью математической экспрессии. Для решения задачи классификации входных паттернов в конкретные группы искусственная нейронная сеть использует алгоритмы, имитирующие обучение человека. С помощью этого алгоритма искусственная нейронная сеть может генерировать отображение между моделями ввода и вывода, что указывает на то, что искусственная нейронная сеть способна к обучению. Кроме того, искусственная нейронная сеть обладает способностью к обобщению для получения относительно правильного вывода для входных шаблонов, которые не использовались для обучения на основе полученных результатов. Такая искусственная нейронная сеть включает в себя относительно много слоев, и для того, чтобы изучить большую структуру искусственных нейронных сетей, в том числе много слоев, требуется большой объем данных обучения, и конкретные данные обучения не должны быть переобучены. Эта статья Патент, касающийся того, как выполнять обобщения данных, чтобы избежать переобучения определенных данных обучения. Позволь мне объяснить. Патент Боно Так и есть. [запатентовано] Нажмите на изображение, чтобы просмотреть регистрационное патентное издание. В общем, когда МРТ или рентгеновский снимок сделаны, фактические исходные данные будут иметь значения данных, которые люди не могут предсказать. Таким образом, только часть общих значений данных используется в качестве изображения для идентификации нейронных сетей. Согласно патенту, Изучите нейронную сеть, используя изображения, которые случайным образом извлекаются из некоторых данных. . В частности, как установить диапазон извлечения данных при принятии решения о том, какие данные использовать в качестве данных обучения в исходных данных. Определить данные обучения путем изменения значений центра и ширины окна Давай сделаем это. Если извлекать только данные конкретной области, то нейронная сеть будет узнавать только о данных этого диапазона, что может привести к проблемам, делая процесс выбора данных более случайным, так что обобщение данных является ядром настоящего изобретения. То есть ядро настоящего изобретения заключается в случайном изменении значений центра и ширины окна для определения данных обучения. Когда данные обучения приобретаются путем изменения значения окна, такие как этот патент, данные обучения могут быть обобщены для повышения эффективности обучения. Прочитать корейский оригинал Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела. Обсудить этот вопрос ↗ Все статьи ОБРАТИТЕСЬ В IPLEX Обсудите с нами вопросы интеллектуальной собственности Мы рассматриваем ваши технологические и бизнес-потребности вместе. ↗ Связаться с нами Новее Постобработка результатов оценки рака предстательной железы с помощью ИИ: анализ патентов JLK Inspection ↗ Ранее Подготовка данных для обучения чатботов: анализ патентов на обработку естественного языка ↗ Материалы по теме ИИ и программное обеспечение 2026.10.01 FiX: избирательное забывание признаков в softmax-внимании Патентный поверенный Ким Ёндок рассматривает векторные затворы FiX, устойчивость вычислений и страничный кэш, отделяя результаты экспериментов от открытых вопросов. ↗ Читать статью ИИ и программное обеспечение 2026.09.30 MHAR: выбор информации из предыдущих слоёв по подпространствам признаков Корейский патентный поверенный Ким Ёндок разбирает Multi-Head Attention Residuals: маршрутизацию по глубине, результаты экспериментов, затраты реализации и технические эффекты. ↗ Читать статью ИИ и программное обеспечение 2026.09.28 Колонка в AI Times: как ИИ учится работать с компьютером — анализ патента на обучение агентов В новой колонке для AI Times управляющий партнёр IPLEX Ким Ёндок рассматривает Claude Computer Use и обучение ИИ-агентов на примере патента США № 12 585 862. ↗ Читать статью

- https://www.iplexlaw.co.kr/ru
- https://www.iplexlaw.co.kr/ru/blog/category/ai
- https://drive.google.com/file/d/18InKDOEY3esK117ZHxqTJ6CNlPsKybPd/view
- https://www.iplexlaw.co.kr/forum/view/865384
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog/866729
- https://www.iplexlaw.co.kr/ru/blog/864755
- https://www.iplexlaw.co.kr/ru/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ru/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ru/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ru/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ru/blog/claude-computer-use-agent-patent
- https://www.iplexlaw.co.kr/ru/blog/claude-computer-use-agent-patent