“W·M·吉福德”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]关键性能指标变量的连续监测、预先警报和控制-CN202280014617.1在审
发明人： W·M·吉福德;D·苏布拉曼尼亚 -专利权人：国际商业机器公司
申请日： 2022-02-15 - 公布日： 2023-10-03 - 主分类号： G05B19/418 文献下载
摘要：方法、系统和计算机程序产品涉及由计算机系统收集制造系统的传感器数据，该传感器数据以小于制造系统的目标测量的时间间隔的间隔被测量。传感器数据被确定为与目标测量具有关系。基于关系以小于时间间隔的间隔生成合成目标测量。基于在小于时间间隔的间隔内的合成目标测量，自动生成用于目标测量的预先警告。
关键性能指标变量连续监测预先警报控制

[发明专利]具有被配置为生成可解释结果的可分解分层的预测模型-CN202180061230.7在审
发明人：周念军;W·M·吉福德;李大昕;P·马佐勒尼;P·穆拉里 -专利权人：国际商业机器公司
申请日： 2021-07-01 - 公布日： 2023-06-09 - 主分类号： G06N20/00 文献下载
摘要：用于从机器学习模型提供可解释预测的计算机实现的方法包括接收表示由一个或多个预测模型用于生成预测的集合(Y)的特征的集合(X)的分层结构的数据结构。通过基于分层结构将可解释性分配给每个预测Yi来构建对应于预测模型的可解释性模型。分配可解释性包括使用分层结构将X分解成多个分区Xj，其中，N是分区的数量。此外，使用分层结构将每个分区分解成多个子分区，直到获得原子子分区。针对每个分区根据子分区的预测分数来计算分数，其中，预测分数表示子分区之间的交互。此外，输出预测的解释。
具有配置生成可解释结果可分解分层预测模型

[发明专利]生成用于补偿侵入式采样的混合传感器-CN202180039212.9在审
发明人：周念军;D·苏布兰马尼安;W·M·吉福德 -专利权人：国际商业机器公司
申请日： 2021-05-14 - 公布日： 2023-04-14 - 主分类号： G06N3/045 文献下载
摘要：混合传感器可以通过基于训练数据集来训练诸如神经网络的机器学习模型来生成。训练数据集可以包括对目标变量(108、110、112、604、708、804)具有前向依赖性的上游传感器数据(504、514、702、802)的第一时间序列、对目标变量(108、110、112、604、708、804)具有后向依赖性的下游传感器数据(508、518、704、806)的第二时间序列、以及与目标变量(108、110、112、604、708、804)相关联的测量的目标变量(108、110、112、604、708、804)数据的时间序列。目标变量(108、110、112、604、708、804)具有比与上游传感器数据(504、514、702、802)和下游传感器数据(508、518、704、806)相关联的测量频率更低的测量频率。混合传感器可以在给定时间估计目标变量(108、110、112、604、708、804)的值，例如，在此期间没有实际测量的目标变量(108、110、112、604、708、804)值可用。
生成用于补偿侵入采样混合传感器