“佩雷普·萨特什库马”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4个，建议您升级VIP下载更多相关专利

[发明专利]构建可解释的机器学习模型-CN202180092592.2在审
发明人： 佩雷普·萨特什库马;萨拉瓦南·M;赛·哈雷什·阿纳曼德拉 -专利权人：瑞典爱立信有限公司
申请日： 2021-02-04 - 公布日： 2023-09-19 - 主分类号： G06N20/00 文献下载
摘要：提供了一种用于构建机器学习(ML)模型的计算机实现的方法。该方法包括：使用输入数据的集合来训练ML模型，其中ML模型包括多个层，并且每一层包括多个过滤器，并且其中该输入数据的集合包括类别标签；从训练ML模型获得输出数据的集合，其中该输出数据的集合包括类别概率值；通过使用类别标签和类别概率值，针对ML模型中的每一层确定该层中的每个过滤器的工作值；针对ML模型中的每一层确定主导过滤器，其中基于过滤器的工作值是否超过阈值来确定主导过滤器；以及基于每一层的每个主导过滤器构建子集ML模型，其中子集ML模型是ML模型的子集。
构建可解释机器学习模型

[发明专利]用于搜索和检索信息的方法和系统-CN202080099079.1在审
发明人：萨拉瓦南·M;佩雷普·萨特什库马 -专利权人：瑞典爱立信有限公司
申请日： 2020-03-28 - 公布日： 2022-11-11 - 主分类号： G06F16/10 文献下载
摘要：用于搜索和检索信息的方法和系统。在一个方面，存在一种使用知识库来检索信息的方法。该方法包括：接收由用户输入的搜索查询；以及使用第一模型来识别与所接收的搜索查询相对应的类别。该方法还包括：基于所接收的搜索查询、第一模型的损失函数和第二模型的目标函数，识别与所接收的搜索查询相对应的T个主题；以及仅对知识库的与所识别的类别和/或所识别的主题相关联的部分执行针对所接收的搜索查询的搜索。该方法还包括：检索与所识别的类别和/或所识别的主题相关联的一个或多个文件。
用于搜索检索信息方法系统

[发明专利]使用异构模型类型和架构的联合学习-CN201980101110.8在审
发明人： 佩雷普·萨特什库马;安克特·尧哈里;斯瓦鲁普·库马尔·莫哈里克;萨拉瓦南·M;安苏·舒克拉 -专利权人：瑞典爱立信有限公司
申请日： 2019-10-04 - 公布日： 2022-05-17 - 主分类号： G06F17/18 文献下载
摘要：提供了在中心节点或服务器上的方法。该方法包括：从第一用户设备接收第一模型以及从第二用户设备接收第二模型，其中第一模型是神经网络模型类型并具有第一层集，且第二模型是神经网络模型类型并具有不同于第一层集的第二层集；对于第一层集中的每个层，从第一层集中的该层中选择过滤器的第一子集；对于第二层集中的每个层，从第二层集中的该层中选择过滤器的第二子集；通过基于第一层集和第二层集形成全局层集来构建全局模型，使得对于全局层集中的每个层，该层包括基于对应的过滤器的第一子集和/或对应的过滤器的第二子集的过滤器；以及形成全局模型的全连接层，其中全连接层是全局层集的最终层。
使用模型类型架构联合学习

[发明专利]理解深度学习模型-CN201980096944.4在审
发明人： 佩雷普·萨特什库马;萨拉瓦南·莫汉 -专利权人：瑞典爱立信有限公司
申请日： 2019-06-14 - 公布日： 2022-01-14 - 主分类号： G06N3/08 文献下载
摘要：提供了一种说明深度学习模型的方法。该方法包括：从针对第一训练数据集合的第一深度学习模型中提取特征集合；将特征集合聚类为N个组，其中，N表示第一训练数据集合中的独一无二标签的数量；根据N个组来形成聚类矩阵；以及确定聚类矩阵中的主导列以形成特征集合的子集。
理解深度学习模型