“T·科罗列夫斯卡亚”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6个，建议您升级VIP下载更多相关专利

[发明专利]GPU增强的图形模型构建和评分引擎-CN201880046597.X有效
发明人： T·D·哈利斯;Y·李;T·科罗列夫斯卡亚;C·奥肯尼尔 -专利权人：维萨国际服务协会
申请日： 2018-06-22 - 公布日： 2023-09-05 - 主分类号： G06V10/94 文献下载
摘要：公开了一种用于使用多个图形处理单元(GPU)加快机器学习的方法，其涉及接收图形数据以生成多个随机样本以及跨多个GPU分布所述随机样本。所述方法可包括：使用由每个GPU执行的无监督学习根据所述随机样本确定多个社区。多个样本群组可以从所述社区生成，并且可以跨所述GPU分布，其中每个GPU通过收敛到最优相似度来合并每个样本群组中的社区。另外，所述方法还可包括：从所述被合并社区生成多个子图；将每个子图划分成多个重叠簇；跨所述多个GPU分布所述多个重叠簇；以及对所述多个重叠簇中的每个簇评分以训练AI模型。
gpu 增强图形模型构建评分引擎

[发明专利]具有自动模糊变量检测功能的保护隐私的图压缩-CN201980046244.4在审
发明人： T·哈利斯;T·科罗列夫斯卡亚;李玥 -专利权人：维萨国际服务协会
申请日： 2019-07-11 - 公布日： 2021-02-19 - 主分类号： G06F21/60 文献下载
摘要：所公开的方法包括：a)由服务器计算机接收包括多个交易的多个交易数据的网络数据。每个交易数据包括具有数据值的多个数据元素。所述多个数据元素中的至少一个包括用户的用户标识符。然后，所述服务器计算机可：b)基于所述网络数据生成包括多个社区的一个或多个图。所述服务器计算机可：c)针对所述多个交易中的每个交易确定所述数据值中的至少一些的模糊值。对于每个用户，所述服务器计算机可：d)确定所述多个社区内的社区的模糊值。然后，所述服务器计算机可：e)使用步骤c)和d)中获得的所述模糊值以及所述数据值中的至少一些来生成模型。
具有自动模糊变量检测功能保护隐私压缩

[发明专利]使用滚动窗口的连续学习神经网络系统-CN201910891810.3在审
发明人： T·科罗列夫斯卡亚;T·D·哈利斯;李玥 -专利权人：维萨国际服务协会
申请日： 2019-09-20 - 公布日： 2020-03-27 - 主分类号： G06N3/04 文献下载
摘要：一种公开方法、一种分析计算机确定与用于随时间推移而发生的交互的交互数据相关联的滚动窗口。所述分析计算机可以检取用于在所述滚动窗口中发生的交互的交互数据。然后，所述分析计算机可以基于历史交互数据生成伪交互数据。所述分析计算机可以任选地嵌入用于在所述滚动窗口内发生的所述交互的所述交互数据和所述伪交互数据以形成交互数据矩阵。然后，所述分析计算机可以使用所述交互数据矩阵形成神经网络模型，所述神经网络模型是从所述滚动窗口中的所述交互数据和所述伪交互数据导出的。
使用滚动窗口连续学习神经网络系统

[发明专利]动态申索提交系统-CN201780090953.3在审
发明人： T·哈利斯;C·奥康奈尔;李玥;T·科罗列夫斯卡亚 -专利权人：维萨国际服务协会
申请日： 2017-05-16 - 公布日： 2019-12-31 - 主分类号： G06Q90/00 文献下载
摘要：实施例涉及一种用于在申索提交中确定采访脚本的方法。所述方法可以包括接收与所提交的申索有关的数据，所述数据可以包括由用户输入的申索提交数据、与所述用户有关的信息及一个或多个特征。与所述一个或多个特征相关联的数据可以由人工智能模型确定。可以基于与所述一个或多个特征相关联的所述数据及和与所述用户有关的所述信息相关联的数据而确定第一得分并将其用于确定采访脚本。在一个实施例中，如果持续更新的得分保持高于预定阈值，那么可以继续将所述采访脚本中的问题提供给采访者计算机。在另一实施例中，如果持续更新的得分下降到低于预定阈值，那么可以将所述用户引导到与人类代表进行的真人采访。
脚本关联人工智能模型问题提供用户引导更新计算机

[发明专利]用于新颖特征发现的自主学习平台-CN201880030744.4在审
发明人： T·哈利斯;C·奥康奈尔;李玥;T·科罗列夫斯卡亚 -专利权人：维萨国际服务协会
申请日： 2018-05-03 - 公布日： 2019-12-24 - 主分类号： G06N3/00 文献下载
摘要：实施例涉及一种执行自主学习以更新用于人工智能模型的输入特征的方法，所述方法包括接收信息空间的更新数据，所述信息空间包括具有定义的拓扑的节点的图，所述更新数据包括对所述人工智能模型的请求的历史数据以及与所述请求相关联的输出结果，其中不同类别的输入数据对应于所述图的不同输入节点。所述方法还可以包括通过执行路径优化来更新所述图的所述节点之间的边缘连接，所述路径优化各自使用一组代理在各周期探索所述信息空间以降低成本函数，每个连接包括强度值，其中在每个路径优化期间，其余代理之间在每个周期共享路径信息，以用于确定所述图中所述一组代理中的每个代理的下一个位置值。
路径优化信息空间人工智能模型更新数据组代理边缘连接成本函数历史数据路径信息输出结果输入节点输入特征周期共享代理更新拓扑关联探索学习

[发明专利]使用图社区的机器学习和预测-CN201780042953.6在审
发明人： T·哈利斯;C·奥康奈尔;T·安杰洛斯;T·科罗列夫斯卡亚;Y·李;T·索耶 -专利权人：维萨国际服务协会
申请日： 2017-07-11 - 公布日： 2019-03-01 - 主分类号： G06N5/02 文献下载
摘要：本发明的实施例是针对用于预测交互的方法和装置。一个实施例是针对一种包括以下操作的方法：由一个或多个计算机接收用于资源提供商与用户之间的多个已知交互的交互数据；和基于所述多个已知交互创建拓扑图。所述方法可进一步包括由所述一个或多个计算机确定多个社区以形成预测模型，和接收对预测的请求。另外，所述方法可包括：由所述一个或多个计算机通过识别所述多个社区中对应于所述请求的社区将所述请求应用于所述预测模型；确定所识别社区内的节点；和提供关于所述节点的信息作为所请求的预测。
社区预测预测模型方法和装置计算机接收机器学习交互数据请求应用资源提供拓扑图计算机创建