En los últimos años, se ha realizado una investigación activa para aplicar métodos de reconocimiento de patrones humanos eficientes a ordenadores reales como forma de resolver el problema de clasificar patrones de entrada en grupos específicos.
Uno de estos estudios es el estudio de las redes neuronales artificiales, que modelaron las características de las neuronas biológicas en humanos por expresión matemática.
Para resolver el problema de clasificar patrones de entrada en grupos específicos, la red neuronal artificial utiliza algoritmos que imitan el aprendizaje humano. A través de este algoritmo, la red neuronal artificial puede generar un mapeo entre los patrones de entrada y salida, indicando que la red neuronal artificial es capaz de aprender.
Además, la red neuronal artificial tiene la capacidad de generalización para producir una producción relativamente correcta para patrones de entrada que no se utilizaron para el aprendizaje basado en los resultados aprendidos. Tal red neuronal artificial incluye relativamente muchas capas, y con el fin de aprender una gran estructura de redes neuronales artificiales, incluyendo muchas capas, se requiere una gran cantidad de datos de aprendizaje, y no se necesitan datos de aprendizaje específicos.
This Post Una patente relativa a la forma de realizar generalizaciones de datos para evitar la superación de ciertos datos de aprendizaje.Permítanme explicar uno. La patente de BonoLo es.
[patented]
Haga clic en la imagen para ver la publicación de patentes de registro.En general, cuando se toma una RM o rayos X, los datos originales reales tendrán valores de datos que los humanos no pueden predecir. Así, sólo una fracción de los valores totales de datos se utilizan como imagen para las redes neuronales para identificar.
Según la patente, Aprenda la red neuronal utilizando imágenes que se extraen aleatoriamente de algunos de los datos..
Específicamente, cómo establecer el rango de extracción de datos al decidir qué datos utilizar como datos de aprendizaje dentro de los datos fuente. Determinar los datos de aprendizaje cambiando el centro y los valores de ancho de la ventanaHagámoslo.
Si sólo se extraen los datos de un área particular, entonces la red neuronal sólo aprenderá acerca de los datos de ese rango, lo que puede dar lugar a problemas, haciendo que el proceso de selección de los datos sea más aleatorio, de modo que la generalización de los datos sea el núcleo de la presente invención. Es decir, el núcleo de la presente invención es cambiar aleatoriamente los valores de centro y ancho de la ventana para determinar los datos de aprendizaje.
Cuando los datos de aprendizaje se adquieren cambiando el valor de ventana, como esta patente, se pueden generalizar los datos de aprendizaje para mejorar la eficiencia del aprendizaje.
Este artículo del archivo refleja la situación en su fecha de publicación. Contacte con el despacho para analizar su caso.