“T·S·麦克唐奈”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3个，建议您升级VIP下载更多相关专利

[发明专利]用于自动编码器产生的遗传算法和优化训练器的协作使用-CN202010332828.2在审
发明人： S·安多尼;U·亚达夫;T·S·麦克唐奈 -专利权人：激发认知有限公司
申请日： 2020-04-24 - 公布日： 2021-06-18 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及用于自动编码器产生的遗传算法和优化训练器的协作使用。一种方法包含在遗传算法的时期期间确定用于多个自动编码器中的每一个的适应度值。用于自动编码器的所述适应度值指示响应于表示一或多个装置的第一操作状态的数据的重新构建误差。所述方法包含基于所述适应度值选择自动编码器的子集。所述方法还包含相对于至少一个自动编码器执行遗传操作以产生可训练自动编码器。所述方法包含训练所述可训练自动编码器以减小损失函数值以产生经训练的自动编码器。所述损失函数值是基于响应于表示所述装置的第二操作状态的数据的所述可训练自动编码器的重新构建误差的。所述方法包含将所述经训练的自动编码器添加到群体以作为输入被提供到所述遗传算法的后续时期。
用于自动编码器产生遗传算法优化训练器协作使用

[发明专利]使用适应度估计的自动化神经网络生成-CN202010365193.6在审
发明人： T·S·麦克唐奈;B·格林伍德 -专利权人：激发认知有限公司
申请日： 2020-04-30 - 公布日： 2021-02-02 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及使用适应度估计的自动化神经网络生成作为此段的内容。一种生成神经网络的方法，其包含迭代地执行操作，所述操作包含生成群体中的每一神经网络的矩阵表示。特定神经网络的所述矩阵表示包含数行值，其中每一行对应于所述特定神经网络的层集，且每一值指定所述层集的超参数。所述操作还包含将所述矩阵表示作为输入提供到相对适应度估计器，所述相对适应度估计器经训练以生成所述群体的神经网络的经估计适应度数据。所述经估计适应度数据是基于由所述相对适应度估计器预测的神经网络的预期适应度。所述操作进一步包含基于所述经估计适应度数据生成后续神经网络群体。所述方法还包含当满足终止条件时输出将神经网络识别为候选神经网络的数据。
使用适应估计自动化神经网络生成

[发明专利]自动模型构建搜索空间缩减-CN201911206514.1在审
发明人： T·S·麦克唐奈;S·安多尼;J·崔;J·戈德;蓝逸云;K·D·莫尔;G·塞勒斯 -专利权人：激发认知有限公司
申请日： 2019-11-29 - 公布日： 2020-06-05 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及自动模型构建搜索空间缩减。一种方法包含通过处理器接收输入数据集。所述输入数据集包含多个特征。所述方法包含通过所述处理器确定所述输入数据集的一或多个特性。所述方法包含基于所述一或多个特性，通过所述处理器调整自动模型产生过程的一或多个架构参数。所述自动模型产生过程经配置以使用经加权随机化过程产生多个模型。所述一或多个架构参数对所述经加权随机化过程进行加权以调整产生具有特定架构特征的模型的概率。所述方法进一步包含通过所述处理器执行所述自动模型产生过程以输出模型，所述模型包含表示神经网络的数据。
自动模型构建搜索空间缩减