“文卡塔·拉特南·萨里帕利”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]用于图像配准的方法和系统-CN202211445482.2在审
发明人：迪比亚乔蒂·帕蒂;洪俊杓;文卡塔·拉特南·萨里帕利;格尔曼·吉列尔莫·威拉冈萨雷斯;王德军;周爱珍;戈帕尔·B·阿维纳什;拉维·索尼;谭涛;陈富强;葛雅安 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-11-18 - 公布日： 2023-06-02 - 主分类号： G06T7/30 文献下载
摘要：本发明提供了用于自动配准并拼接图像的各种方法和系统。在一个示例中，一种方法包括：将对象的第一图像(224)和该对象的第二图像(225)输入被训练成基于该第一图像(224)和该第二图像(225)输出变换矩阵(270)的模型(260)，其中该模型(260)用多个训练数据集(242)进行训练，每个训练数据集(242)包括图像对(244,245)、指示感兴趣区域(ROI)的遮罩(246,247)以及相关联的地面真值(248)；基于该变换矩阵(270)将该第一图像(224)和该第二图像(225)自动拼接在一起以形成拼接图像；以及输出该拼接图像以显示在显示设备(134)上和/或将该拼接图像存储在存储器(106)中。
用于图像方法系统

[发明专利]深度学习中的自动化数据增强-CN202210170652.4在审
发明人：董晓萌;M·波特;文卡塔·拉特南·萨里帕利 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-02-23 - 公布日： 2022-08-30 - 主分类号： G06N20/00 文献下载
摘要：本发明题为“深度学习中的自动化数据增强”。本发明提供了关于自主数据增强的技术。例如，本文所述的一个或多个实施方案可涉及包括可存储计算机可执行组件的存储器的系统。该系统还可包括能够操作地耦接到该存储器的处理器，该处理器执行存储在该存储器中的该计算机可执行组件。该计算机可执行组件可包括数据增强组件，该数据增强组件执行随机一维增强算法，以增强用于经由多个增强操作来训练机器学习模型的数据集。随机一维增强算法可采用全局增强参数，该全局增强参数定义：与多个增强操作相关联的失真幅度，以及包括在所述多个增强操作中的增强操作的数量。
深度学习中的自动化数据增强

[发明专利]基于过滤器重要性的深度神经网络压缩-CN202210096673.6在审
发明人： R·K·塔马达;洪俊杓;A·M·拉迪克斯;H·克鲁帕卡;文卡塔·拉特南·萨里帕利;迪比亚乔蒂·帕蒂;G·库马尔 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-01-26 - 公布日： 2022-08-19 - 主分类号： G06N3/08 文献下载
摘要：本发明题为“基于过滤器重要性的深度神经网络压缩”。本发明提供了用于使用可扩展且有效的结构化过滤器修剪方法来压缩深度神经网络的技术。根据一个实施方案，一种计算机实现的方法包括由操作性地耦接到处理器的系统确定直到对训练数据集的推理任务的收敛为止先前训练的神经网络模型的层的过滤器的重要性分数。该方法还包括由该系统基于与该过滤器的子集相关联的该重要性分数无法满足阈值重要性分数值来从该层中的一个或多个层去除该子集。该方法还包括由该系统将该神经网络模型转换为压缩神经网络模型，其中该过滤器的该子集被去除。
基于过滤器重要性深度神经网络压缩

[发明专利]用于改善机器学习模型泛化能力的合成训练数据生成-CN202110965176.0在审
发明人：拉维·索尼;谭涛;戈帕尔·B·阿维纳什;迪比亚乔蒂·帕蒂;H·克鲁帕卡;文卡塔·拉特南·萨里帕利 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-08-20 - 公布日： 2022-03-08 - 主分类号： G06V10/774 文献下载
摘要：本发明题为“用于改善机器学习模型泛化能力的合成训练数据生成”。本发明提供了促进合成训练数据生成以实现改善的机器学习泛化能力的系统和技术。在各种实施方案中，元素增强部件可基于带注释的源图像生成一组带注释的初步训练图像。在各个方面，可通过将至少一个感兴趣元素或至少一个背景元素插入到带注释的源图像中来形成带注释的初步训练图像。在各种情况下，模态增强部件可基于该组带注释的初步训练图像生成一组带注释的中间训练图像。在各种情况下，可通过改变带注释的初步训练图像的至少一个基于模态的特性来形成带注释的中间训练图像。在各个方面，几何增强部件可基于该组带注释的中间训练图像生成一组带注释的可部署训练图像。在各种情况下，可通过改变带注释的中间训练图像的至少一个几何特性来形成带注释的可部署训练图像。在各种实施方案中，训练部件可在该组带注释的可部署训练图像上训练机器学习模型。
用于改善机器学习模型泛化能力合成训练数据生成

[发明专利]学习网络的差分学习-CN202110515715.0在审
发明人： C·苏尔;文卡塔·拉特南·萨里帕利;戈帕尔·B·阿维纳什 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-05-12 - 公布日： 2021-11-30 - 主分类号： G06N3/04 文献下载
摘要：本发明题为“学习网络的差分学习”。本发明提供了一种计算机实现的系统，该计算机实现的系统包括学习网络部件，该学习网络部件根据学习网络的学习阶段确定分配给学习网络的相应节点输入的相应权重，并且训练可变分隔器部件以差分地改变学习网络部件的学习速率。差分速率部件应用至少一个更新学习速率来调整分配给相应节点输入中的至少一个节点输入的至少一个权重，并且应用至少一个其他更新学习速率，以在学习网络的学习阶段期间，根据可变分隔器部件来调整分配给相应节点输入中的至少一个其他节点输入的相应权重。差分速率部件应用至少一个更新速率以调整分配给相应节点输入中的至少一个节点输入的至少一个权重，并且应用至少一个其他更新速率以根据学习网络的学习阶段来调整分配给相应节点输入中的至少一个其他节点输入的相应权重。
学习网络

[发明专利]对机器学习模型创作和部署的主动监测和学习-CN202010797932.9在审
发明人：洪俊杓;文卡塔·拉特南·萨里帕利;戈帕尔·B·阿维纳什;卡利·马蒂·约德;基思·比奇洛 -专利权人：通用电气精准医疗有限责任公司
申请日： 2020-08-10 - 公布日： 2021-02-09 - 主分类号： G16H40/20 文献下载
摘要：本发明题为“对机器学习模型创作和部署的主动监测和学习”。本发明描述了用于执行对机器学习(ML)模型创作和部署工作流程的主动监测和学习的技术。在一个实施方案中，方法包括由包括处理器的系统将在训练数据集上训练的主ML模型应用于从所述训练数据集中排除的数据样本，以基于所述数据样本生成推断。所述方法还包括由所述系统采用一种或多种主动监测技术来与所述应用相关联地调节所述主ML模型的性能，其中所述一种或多种主动监测技术包括以下中的至少一者：执行所述主ML模型相对于所述数据样本的模型范围评估，或使用所述主ML模型的域适配版本来生成所述推断。
机器学习模型创作部署主动监测

[发明专利]医疗机器合成数据和对应事件生成-CN202010324565.0在审
发明人：拉维·索尼;张敏;戈帕尔·B·阿维纳什;文卡塔·拉特南·萨里帕利;管嘉汇;迪比亚乔蒂·帕蒂;马梓力 -专利权人：通用电气精准医疗有限责任公司
申请日： 2020-04-22 - 公布日： 2020-10-30 - 主分类号： G16H50/20 文献下载
摘要：本发明题为“医疗机器合成数据和对应事件生成”。本发明公开了用于医疗机器时间序列事件数据生成的系统、装置、指令和方法。示例性合成时间序列数据生成装置将使用第一人工智能网络模型来生成包括多通道时间序列数据和相关联的注释的合成数据集。示例性装置将使用第二人工智能网络模型相对于真实数据集分析合成数据集。当第二人工智能网络模型将合成数据集分类为第一分类时，示例性装置将使用来自第二人工智能网络模型的反馈来调整第一人工智能网络模型。当第二人工智能网络模型将合成数据集分类为第二分类时，示例性装置将输出合成数据集。
医疗机器合成数据对应事件生成

1
共 7 条