[发明专利]未知类别的检测和用于未知类别的分类器的初始化在审
| 申请号： | 201680045335.2 | 申请日： | 2016-07-20 |
| 公开（公告）号： | CN107924491A | 公开（公告）日： | 2018-04-17 |
| 发明（设计）人： | S·马宗达;D·林;R·B·托瓦;A·莎拉 | 申请（专利权）人： | 高通股份有限公司 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00;G06K9/62;G06N3/04 |
| 代理公司： | 上海专利商标事务所有限公司31100 | 代理人： | 袁逸,陈炜 |
| 地址： | 美国加利*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 给出了一种检测未知类别的方法，且该方法包括生成用于多个第一类别的第一分类器。在一种配置中，该第一分类器的输出具有至少为二的维度。该方法还包括设计第二分类器以接收该第一分类器的输出来决定输入数据是属于该多个第一类别还是至少一个第二类别。 | ||
| 搜索关键词： | 未知 类别 检测 用于 分类 初始化 | ||
【主权项】：
一种检测未知类别的方法，包括：生成用于第一多个类别的第一分类器，所述第一分类器的输出具有至少为二的维度；以及设计第二分类器以接收所述第一分类器的输出来决定输入数据是属于所述第一多个类别还是至少一个第二类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于高通股份有限公司，未经高通股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201680045335.2/，转载请声明来源钻瓜专利网。
- 同类专利
- 学得模型提供方法和学得模型提供装置-201780027066.1
- 松本裕一;杉浦雅贵 - 松下知识产权经营株式会社
- 2017-12-11 - 2018-12-21 - G06N99/00
- 学得模型提供系统(1)构成为，具备预先保管有多个学得模型的学得模型提供装置(2)以及从学得模型提供装置(2)接受学得模型的提供的用户侧装置(3)。学得模型提供装置(2)能够基于使用从用户侧装置(3)获取到的测试数据所计算出的性能从学得模型数据库(27)中保管的多个学得模型中选择向用户侧装置(3)提供的学得模型。由此，能够从数据库(27)中预先保管的多个学得模型中选择并提供最适合在用户侧装置(3)中利用的学得模型。
- 信息处理设备-201780018213.9
- 福井启 - 索尼公司
- 2017-01-06 - 2018-11-23 - G06N99/00
- 基于真实世界中的环境有效地实现控制学习。提供了一种信息处理设备，该信息处理设备包括：生成单元，其生成响应信息，该响应信息与基于环境参数生成的环境模型中的要被控制的物体有关；以及发送单元，其将响应信息和环境参数发送至学习单元，该学习单元执行与对要被控制的物体的控制有关的机器学习。此外，提供了一种信息处理设备，该信息处理设备包括：通信单元，其接收第一环境参数和响应信息，该响应信息与基于第一环境参数生成的环境模型中的要被控制的物体有关；以及学习单元，其使用接收到的第一环境参数和接收到的响应信息来执行与对要控制的物体的控制有关的机器学习。
- 用于生成学习的系统和方法-201780016698.8
- 威廉·G·麦克雷迪;法比安·阿里尔·丘达科;卞正兵 - D-波系统公司
- 2017-01-27 - 2018-11-09 - G06N99/00
- 通过计算系统进行的生成学习通过以下各项来实现：形成包括在布尔值变量上定义的约束满足问题(CSP)的生成学习模型；在基于命题可满足性的一阶逻辑中描述所述CSP；将所述CSP翻译成子句形式；以及利用至少一个可满足性(SAT)求解器来执行推理。生成学习模型可以例如通过以下各项来形成：对包括多个字符的字符串执行感知识别、根据语法判定所述字符串在句法上是否有效、以及判定所述字符串在指称上是否有效。各种类型的处理器和/或电路系统都可以实施上述操作。
- 能力赋予数据生成装置-201780010646.X
- 安藤丹一 - 欧姆龙株式会社
- 2017-03-13 - 2018-10-23 - G06N99/00
- 本发明涉及能力赋予数据生成装置，提供一种提高用于向装置追加新能力的开发业务的效率的结构。另外，提供能够简单地将新能力追加至其他装置的结构。对象装置具有通过能力获得模型而模型化的架构，该能力获得模型包含执行能力的能力部、作为进行所述能力部的输入的接口的数据输入部、以及作为所述能力部的输出接口的数据输出部。能力赋予数据生成装置生成能力赋予数据，所述能力赋予数据包含：用于对所述对象装置的所述能力获得模型中的所述能力部设定功能的能力设定数据、用于对所述对象装置的所述能力获得模型中的所述数据输入部设定功能的输入设定数据以及用于对所述对象装置的所述能力获得模型中的所述数据输出部设定功能的输出设定数据。
- 学习服务提供装置-201780010916.7
- 安藤丹一 - 欧姆龙株式会社
- 2017-03-13 - 2018-10-23 - G06N99/00
- 提供使为了将新的能力追加至装置中的开发业务更有效率的机制。另外，提供即使是不具有关于机器学习的知识、系统的人也可将通过机器学习而已获得的新的能力简单地追加到自己的装置中的机制。请求接受部从请求人接受用于进行追加至对象装置中的能力的机器学习所需的信息作为学习请求信息。学习模拟器根据从所述请求人接受的所述学习请求信息来进行机器学习。能力赋予数据生成部根据由所述学习模拟器产生的学习结果来生成能力赋予数据，该能力赋予数据是将作为所述学习结果而已获得的新的能力追加至所述对象装置中的数据。服务提供部将所述能力赋予数据提供给所述请求人。
- 可扩展性持有装置-201780010906.3
- 安藤丹一 - 欧姆龙株式会社
- 2017-03-13 - 2018-09-28 - G06N99/00
- 一种可扩展性持有装置。提供一种使用于向装置追加新能力的开发业务效率化的机构。另外，提供一种可扩展性良好的装置，具有能够简单地追加从外部提供的新能力的机构。可扩展性持有装置具有：架构，用于向本装置的基本结构以追加方式编入新能力，并通过能力获得模型而模型化，所述能力获得模型包括执行能力的能力部、作为进行所述能力部的输入的接口的数据输入部以及作为进行所述能力部的输出的接口的数据输出部；以及能力设定部，基于包含能力设定数据、输入设定数据以及输出设定数据的能力赋予数据，为所述能力部、所述数据输入部以及所述数据输出部中的每个设定功能，由此为本装置追加新能力。
- 计算机-人交互式学习中的交互式概念编辑-201480039782.8
- P·Y·西马德;D·G·格朗吉耶;L·布特欧;S·A·阿默诗 - 微软技术许可有限责任公司
- 2014-07-11 - 2018-08-17 - G06N99/00
- 非常大的数据集合很难进行搜索和/或分析。可以通过将查询和网页自动地分类成有用的类型，并使用这些分类评分作为相关性特征，来显著地提高相关性。一种彻底的方法可能需要构建很大数量的分类器，它们对应于各种类型的信息、活动和产品。关于较大的数据集，提供分类器和概要器的生成。在数以亿计的条目上训练分类器和概要器，可以通过增加可用的元数据来揭露该数据固有的值。一些方面包括主动标注探索、自动正则化和冷启动、随着条目数量和分类器数量进行的扩展、主动特征化、以及分段和概要化。
- 数据分析装置、方法以及程序-201680068222.4
- 山本博之 - 福满代谢组技术有限公司
- 2016-11-21 - 2018-08-03 - G06N99/00
- 一种数据分析装置，对多个统计样本进行有关多个数据项目的多变量分析。数据分析装置(50)具备存储(52)和控制部(51)。存储部记录管理每个统计样本的多个数据项目的统计数据(X)以及示出多个统计样本所形成的组排列的顺序的组信息(Y)。控制部基于统计数据以及组信息，进行预定的运算处理。控制部基于统计数据而计算核矩阵(K)，在所述核矩阵(K)中，矩阵元素表示与对应于多个统计样本内的行号的统计样本与对应于列号的统计样本之间的规定关系。控制部基于由核矩阵与组信息限定的规定条件下的偏最小二乘法进行运算处理,对多个统计样本计算分数。
- 机器学习系统中的自动问题评估-201780004717.5
- D·R·哈彻梅斯特;S·拉古纳坦;A·J·林福特;D·P·米什拉;P·J·R·赫斯本兹 - 微软技术许可有限责任公司
- 2017-01-19 - 2018-08-03 - G06N99/00
- 一种机器学习问题评估系统，其标识机器学习系统中的潜在机器学习问题，在机器学习系统中，学习代码评估数据以将估计的学习数据与数据模式进行关联。访问组件访问学习代码和/或学习代码所评估的数据。问题标识组件基于所访问的代码和/或数据来估计机器学习系统存在潜在问题。校正组件通过对机器学习系统执行计算机化动作来至少部分地自动校正机器学习系统的所标识的潜在问题。所标识的潜在问题可能影响机器学习系统的学习的质量(例如，结论的适当性)和/或性能(例如，速度)。
- 用于使用绝热量子计算机进行机器学习的系统和方法-201680060634.3
- 詹森·罗尔弗;德米特罗·寇恩科维齐;马尼·兰杰巴尔;杰克·R·雷蒙德;威廉·G·麦克雷迪 - D-波系统公司
- 2016-08-18 - 2018-07-31 - G06N99/00
- 一种计算系统可以包括数字电路系统和模拟电路系统，例如，数字处理器和量子处理器。所述量子处理器可以作为提供样本的样本发生器操作。在实施各种机器学习技术时可以通过数字处理来采用样本。例如，所述数字处理器可以作为受限波尔兹曼机操作。所述计算系统可以作为在训练数据集上操作的基于量子的深度信念网络操作。
- 拓扑量子比特融合-201480007403.7
- M·H·弗里德曼;Z·王;R·M·路特希恩;C·纳亚克;P·邦德尔森 - 微软技术许可有限责任公司
- 2014-02-05 - 2018-07-03 - G06N99/00
- 融合结果准粒子可以在拓扑分段的势阱中被陷获。融合结果准粒子可以是第一准粒子和第二准粒子的融合产物，其中第一和第二准粒子在拓扑分段的端部被局部化。其中陷获有融合结果准粒子的势阱以及第三准粒子可以相对于彼此移动，以使该势阱和该第三准粒子被朝向彼此移动。准粒子可以是纳米线的Majorana模式。
- 未知类别的检测和用于未知类别的分类器的初始化-201680045335.2
- S·马宗达;D·林;R·B·托瓦;A·莎拉 - 高通股份有限公司
- 2016-07-20 - 2018-04-17 - G06N99/00
- 给出了一种检测未知类别的方法，且该方法包括生成用于多个第一类别的第一分类器。在一种配置中，该第一分类器的输出具有至少为二的维度。该方法还包括设计第二分类器以接收该第一分类器的输出来决定输入数据是属于该多个第一类别还是至少一个第二类别。
- 使用归一化置信值对移动设备行为进行分类-201680047561.4
- K·法瓦兹;V·斯里哈拉;R·古普塔;Y·陈 - 高通股份有限公司
- 2016-07-08 - 2018-04-17 - G06N99/00
- 用于对移动设备行为进行分类的方法和系统包括生成完全分类器模型，其包括适用于转换成提升决策树和/或其描述与确定移动设备行为是良性还是促成移动设备随着时间的降级有关的特征中的全部或者许多特征的有限状态机。移动设备可以接收完全分类器模型连同S形参数，以及使用该模型来生成提升决策树的完全集合，根据其通过将完全集合剔除到适用于有效地确定移动设备行为是否良性来生成更集中的或精益的分类器模型。应用集中或精益分类器模型的结果可以使用S形函数进行归一化，其中所得到的归一化结果用于确定行为是良性的还是非良性的。
- 用于量子处理器架构的系统、装置、物品和方法-201680020828.0
- 阿达姆·道格拉斯;理查德·G·哈里斯;特雷弗·迈克尔·兰廷;安德鲁·道格拉斯·金;杰克·雷蒙德;默里·C·汤姆 - D-波系统公司
- 2016-01-27 - 2018-03-27 - G06N99/00
- 一种量子处理器的拓扑或硬件图可例如在嵌入问题之前例如通过创建量子比特链来进行修改，其中操作为单量子比特或逻辑量子比特的每个链在量子处理器上强制实行逻辑图。用户界面(UI)允许用户选择适合于嵌入特定问题或特定类型的问题的拓扑，供应定义期望的拓扑的参数，或供应或指定问题图或问题定义，基于处理器的系统根据所述问题图或问题定义来确定或选择适当的拓扑或逻辑图进行强制实行。拓扑可于量子处理器或其多个部分上具有规律性和/或自相似性，所述部分可构成单位晶胞。在量子处理器上强制实行的逻辑图可采取超立方图的形式。UI允许用户指定超立方图的期望尺寸。
- 用于对数据进行量子处理的系统和方法-201480047692.3
- 乔迪·罗斯;苏珊娜·吉尔德特;威廉·G·麦克雷迪;多米尼克·克里斯托夫·瓦利曼 - D-波系统公司
- 2014-06-26 - 2018-03-13 - G06N99/00
- 多种系统、方法和方面及其实施例涉及与使用非量子处理器的非监督或半监督特征学习。为了实现非监督或半监督特征学习，该量子处理器被编程以在一个或多个数据集上实现层次化深度学习(称为HDL)。多种系统和方法在一个或多个数据集中或者跨数据或数据集搜索、解析并检测多个最大重复模式。多个实施例和方面涉及使用稀疏编码来检测在数据中或者跨数据的多个最大重复模式。稀疏编码的多个示例包括L0和L1稀疏编码。一些实现方式可能涉及将多个标签附加、结合或附接于多个字典元素或者一个或多个字典的构成元素。在标签与被加标签的该元素之间可能存在逻辑关联，从而使得该非监督或半监督特征学习的过程跨越了这些元素和该结合的、附接的或附加的标签两者。
- 降级的经量子冗余译码状态的校正子-201480004941.0
- 阿列克谢·阿西赫明 - 阿尔卡特朗讯
- 2014-01-06 - 2018-03-02 - G06N99/00
- 一种设备包含具有n个输入端口及n个输出端口的装置。所述n个输入端口经配置以接收物理处理过的经量子冗余译码状态的n个对应物理对象。所述n个输出端口经配置以输出所述物理处理过的经量子冗余译码状态中的所述n个物理对象。所述装置经配置以通过使所述n个物理对象通过所述装置而测量所述物理处理过的经量子冗余译码状态的校正子的位。所述装置经配置以通过所述使所述n个物理对象通过所述装置而测量所述校正子的所述所测量位的奇偶校验位。
- 通过在多个学习机器之间共享信息来加速学习-201480019759.2
- 格雷戈瑞·莫穆德;让-菲利普·瓦瑟尔;素格力·达斯古普塔 - 思科技术公司
- 2014-02-04 - 2018-02-13 - G06N99/00
- 在一个实施例中，确定由多个学习机器(LM)中的每个LM维护的变量。这些LM被托管于网络中的多个现场区域路由器(FAR)上，并且这些变量在FAR之间是可共享的。计算定义变量之间的相关性的多个相关性值。然后，基于多个相关性值计算FAR集群，以使得所集群的FAR与相关的变量相关联，并且该集群允许所集群的FAR共享其各自的变量。
- 快速量子和典型相位估计-201480019075.2
- K·M·斯沃;M·B·哈斯廷斯;M·H·弗里德曼 - 微软技术许可有限责任公司
- 2014-03-26 - 2018-02-06 - G06N99/00
- 量子相位估计器可包括至少一个相位门、至少一个受控酉门以及至少一个测量设备。量子相位估计器接收至少一个辅助量子比特以及由多个量子比特组成的计算状态。相位门可以对辅助量子比特应用随机相位，这用作对受控酉门的控制。受控酉门对计算状态应用第二随机相位。测量设备可以测量可从中确定计算状态的相位的辅助量子比特的状态。
- 化学操作的图灵机-201480013695.5
- J·佩雷斯-麦卡德;M·德纳斯-迪茨;D·卡斯 - 雷普索尔公司;哈佛理事会
- 2014-01-10 - 2018-01-23 - G06N99/00
- 本公开涉及图灵机，所述图灵机具有反应器，所述反应器包括包含反应物的反应物溶液；提供选择量的第一化学物质的第一化学物质源；提供选择量的第二化学物质的第二化学物质源；一个或多个控制器，其经连接以响应输入而控制来自第一和第二化学物质源的第一和第二化学物质的添加；和传感器，其经安置以当控制器控制第一和第二化学物质源将选择量的各自第一和第二化学物质加入反应器时感测反应物的变化。控制器接收对应于反应物的状态的信号并将反应物的状态与作为输入函数计算的结果相关联。
- 使用从统计信息中导出的特征来预测行为-201480027818.0
- M·比连科;R·吉拉德-巴克拉克;C·A·米克;M·罗伊茨纳 - 微软技术许可有限责任公司
- 2014-05-13 - 2018-01-09 - G06N99/00
- 本文中描述了用于生成依赖于具有缩减的维度的特征空间的预测模型的训练系统。训练系统通过产生分区来执行这个任务，分区中的每一个对应于方面值的子集(其中每个方面值进而可对应于一个或多个属性值)。训练系统接着产生与分区相关联的统计信息的实例。统计信息的每个实例因此对应于应用到多个方面值的特征信息，而非单个方面值的特征信息。训练系统接着基于特征信息来训练预测模型。本文中还描述了使用预测模型来在各种在线上下文中做出预测的预测模块。
- 计算机‑人交互式学习中的特征完成-201480039790.2
- P·Y·西马德;D·M·奇克林;D·G·格朗吉耶;D·X·查理;L·布特欧;C·卡西亚胡拉多苏亚雷斯 - 微软技术许可有限责任公司
- 2014-07-11 - 2018-01-09 - G06N99/00
- 非常大的数据集合很难进行搜索和/或分析。可以通过将查询和网页自动地分类成有用的类型，并使用这些分类评分作为相关特征，来显著地提高相关性。一种彻底的方法可能需要构建很大数量的分类器，它们对应于各种类型的信息、活动和产品。关于较大的数据集，提供分类器和架构器的生成。分类器和架构器关于数以亿计的项目进行练习，可以通过增加可使用的元数据来揭示该数据固有的值。一些方面包括主动标注探索、自动正则化和冷启动、随着项目数量和分类器数量进行扩充、主动特征化、以及分割和架构化。
- 用于教导学习设备的信号传输设备-201480038147.8
- M-D·N·卡诺伊;A·K·科纳茨;K·T·周;S·莫汉 - 高通股份有限公司
- 2014-05-24 - 2018-01-09 - G06N99/00
- 用于针对分散式系统内的学习设备进行代理教导的各个实施例包括具有用于以下操作的实施例方法由该教导方信号传输设备获得与学习设备中的一个或多个学习设备的活动有关的目标数据；由该教导方信号传输设备基于所获得的目标数据产生教导例程；以及由该教导方信号传输设备广播被配置为基于所产生的教导例程来教导学习设备中的一个或多个学习设备的教导信号。其它实施例可以通过请求来自学习设备的映像信息或拦截由学习设备发送的事件报告消息来获得目标数据。其它实施例可以包括广播发现信号以识别附近学习设备并且当不能实现所产生的教导例程的目标时更改教导例程。其它实施例可以包括向用户设备发送授权请求以确定是否广播教导信号。
- 人机交互学习中的主动特征化-201480039813.X
- P·Y·西马德;D·M·奇克林;D·G·格朗吉耶;A·拉克希米拉坦;S·A·阿默诗 - 微软技术许可有限责任公司
- 2014-07-08 - 2018-01-05 - G06N99/00
- 非常大的数据的集合可能难以搜索和/或分析。通过在有用的类别中自动分类查询和网页，以及利用这些分类得分作为相关性特征，可能显著提升相关性。完整的方法可能需要构建大量的分类器，对应于各种类型的信息、活动和产品。在大的数据集上提供分类器和概要器的创建。在数亿条目上练习分类器和概要器可以通过添加可用的元数据来显露数据所固有的价值。一些方面包括主动标记探索、自动正则化和冷启动、通过条目数量和分类器数量缩放、主动特征化、以及分割和概要化。
- 具有持续配置能力的学习设备-201480038134.0
- M-D·N·卡诺伊 - 高通股份有限公司
- 2014-05-24 - 2018-01-02 - G06N99/00
- 用于学习设备的持续配置的实施例方法包括针对以下各项的操作由多个学习设备的分散式系统内的学习设备存储当在监控模式中时获得的事件；当所存储的事件中的至少一个对应于触发模型时，激活映像的触发模式；确定该映像是否具有超出触发权重阈值的触发权重；当该触发权重超出触发权重阈值时，进行与该映像相关联的预定动作；当在触发模式中时，获得至少一个额外的事件；当该至少一个额外的事件对应于响应于进行该预定动作而发生的纠正模型或回报模型时，调整该映像的触发权重；以及当至少一个额外的事件不对应于已知模型时，创建第二映像。
- 自主型思考模型生成机-201480079225.9
- 宫崎洋彰 - 宫崎洋彰
- 2014-10-20 - 2017-02-15 - G06N99/00
- 以往的自动机械、机器人等智能机械能够依照预先编程的步骤，进行行动来对应某个状况。程序需要由人设计并输入到搭载于机械中的计算机，存在在开发中需要大量时间等缺点。本发明中的思考模型生成机将图像信息、声音信息及语言变换为模型。通过图像检测器检测图像信息，变换为与对象物对应的模型。通过声音检测器检测声音信息，变换为与声音对应的模型。语言也被变换为由词、单词构成的模型。根据图像、声音以及语言而生成的模型被记录到模型记录器。关于记录于模型记录器的模型，在与其他模型之间设定关系。思考模型生成机学习人的思考模型，针对某个状况，生成与人所思索的一系列思考模型相同的思考模型。进而，通过评价并记录所输入的信息的价值，自主地扩大知识，从而能够与人同样地对应某个状况。
- 通过绝热量子计算解决数字逻辑约束问题-201580013562.2
- 杰里米·布鲁斯特勒;马克·塔克 - 时空防御系统有限责任公司
- 2015-03-12 - 2016-11-30 - G06N99/00
- 可以将约束问题表示为数字电路，该数字电路包括至少一个门和至少一个受约束的输入、或至少一个受约束的输出、或者至少一个受约束的输入和至少一个受约束的输出的组合。可以为所述至少一个门中的每一者生成矩阵。可以为所述至少一个受约束的输入、所述至少一个受约束的输出、或者所述至少一个受约束的输入和至少一个受约束的输出的组合生成约束矩阵。可以生成包括用于所述至少一个门中的每一者的每一个矩阵与所述约束矩阵的组合的最终矩阵。
- 用于高效数据处理的方法和装置-201380081955.8
- 沃伊切赫·布尔克特 - 沃伊切赫·布尔克特
- 2013-11-22 - 2016-08-24 - G06N99/00
- 本发明涉及一种使用量子力学原理、用于高效数据处理的方法和装置。一种演变量子寄存器从初始状态ψ到所述寄存器的期望最终状态ψyes的方法，其特征在于，所述方法包括：当量子寄存器或所述寄存器的部分的投影测量在非期望状态ψnot下渲染时，通过将该量子寄存器的每一个未知的非期望最终状态ψnot映射到计算空间中正交状态的集群或叠加，从而回溯到在计算上相当于初始状态ψ的状态。
- 修改学习设备的学习能力-201480038128.5
- M-D·N·卡诺伊;S·A·斯普里格 - 高通股份有限公司
- 2014-05-24 - 2016-02-24 - G06N99/00
- 用于修改学习设备的分散式系统内的学习能力的各个实施例，方法包括：在学习设备处接收来自附近设备的信号，基于所接收的信号内的数据来确定所接收的信号是否是学习修改器信号，以及响应于确定所接收的信号是该学习修改器信号来修改一个或多个学习能力。该方法还可以包括：确定是否接收到后来的学习修改器信号；以及响应于确定没有接收到后来的学习修改器信号来重置该经修改的一个或多个学习能力。修改学习能力可以包括启用或禁用该学习设备的学习模式和/或调整用于计算映像的触发权重的变量值。当没有接收到后来的学习修改器信号时，学习设备可以重置经修改的学习能力。
- 用传感器测量数据更新数据结构的系统和方法-201380051238.0
- M·休伯;C·迪贝斯 - AGT国际有限公司
- 2013-07-30 - 2015-07-22 - G06N99/00
- 一种用于更新反映物理区域中的时空现象的数据结构的计算机实现的方法(200)、计算机程序产品、以及计算机系统，其中通过高斯过程采用平均值函数和协方差函数在该物理区域的任意位置处对该时空现象进行估测，该方法(200)包括：存储(210)适于表示该物理区域的固定位置的数据集，其中根据该高斯过程，该数据集具有平均向量和协方差矩阵，且其中数据结构包括该平均向量和该协方差矩阵；从位于该物理区域的特定任意位置处的多个传感器节点中的至少一个传感器节点接收(222,224)该时空现象的传感器测量数据；并通过使用准确递归贝叶斯回归将特定任意位置和所接收的测量数据合并(230,232,234,236,238)至数据结构中。
- 预测模型应用编程接口-201280033394.X
- 林伟豪;T·H·K·格林;R·卡普劳;傅钢;G·S·曼 - 谷歌公司
- 2012-04-30 - 2014-04-09 - G06N99/00
- 用于从应用脚本语言利用预测模型的方法、系统和装置、包括在计算机存储介质上编码的计算机程序。
- 专利分类
