JP2010519642A - 情報を選択するための方法 - Google Patents
情報を選択するための方法 Download PDFInfo
- Publication number
- JP2010519642A JP2010519642A JP2009550734A JP2009550734A JP2010519642A JP 2010519642 A JP2010519642 A JP 2010519642A JP 2009550734 A JP2009550734 A JP 2009550734A JP 2009550734 A JP2009550734 A JP 2009550734A JP 2010519642 A JP2010519642 A JP 2010519642A
- Authority
- JP
- Japan
- Prior art keywords
- information
- feature
- input
- context
- utility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000012545 processing Methods 0.000 claims abstract description 120
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 152
- 230000004913 activation Effects 0.000 claims description 50
- 201000010099 disease Diseases 0.000 claims description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 208000024891 symptom Diseases 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 20
- 238000007781 pre-processing Methods 0.000 abstract description 9
- 238000005728 strengthening Methods 0.000 abstract description 3
- 230000003313 weakening effect Effects 0.000 abstract description 2
- 230000013016 learning Effects 0.000 description 57
- 238000001994 activation Methods 0.000 description 51
- 239000011159 matrix material Substances 0.000 description 31
- 230000003935 attention Effects 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000006978 adaptation Effects 0.000 description 19
- 238000003745 diagnosis Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000004088 simulation Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000003909 pattern recognition Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000002156 mixing Methods 0.000 description 5
- 230000010332 selective attention Effects 0.000 description 5
- 230000002087 whitening effect Effects 0.000 description 5
- 210000003710 cerebral cortex Anatomy 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 241000124008 Mammalia Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013477 bayesian statistics method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 235000014653 Carica parviflora Nutrition 0.000 description 1
- 241000243321 Cnidaria Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036765 blood level Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 210000002161 motor neuron Anatomy 0.000 description 1
- 239000005445 natural material Substances 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000005563 spheronization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
Description
図9が、本発明の方法を使用することによる情報の集積化および選択のシミュレーション結果を示している。この特定の実施例においては、図7の実施形態の処理ユニットを2段階の階層にて含んでいるネットワークを使用した(請求項17)。第1の階層が、30の特徴の12の処理ユニットを有している。これらを、いかなる直接的なコンテクストの接続ももたない2つの領域へと分割した。これらの領域からの結果を、30の特徴の4つの処理ユニットを有している第2の階層への一次入力として供給した(請求項15)。第2の階層において、すべての処理ユニットが、他のすべてのユニットからコンテクストを取得し、さらに、下位の階層のすべての処理ユニットへとコンテクストを供給した(請求項16)。ネットワークを、入力が常に雑音のない入力ベクトルで構成されるよう、30の入力ベクトルで教示した。このようにして、それぞれの処理ユニットが自身の一式の入力情報を有し、その構成員(入力情報の要素)は、一次入力およびコンテクストで構成されている。第1の階層の処理ユニットへの一次入力は、前記30の入力ベクトルで構成され、第2の階層の処理ユニットへの一次入力は、第1の階層によって生成された特徴ベクトルで構成されている。すべての処理ユニットへのコンテクストは、第2の階層によって生成された特徴ベクトルで構成されている。
処理ユニットを1つしか持たないシステムであっても、実際の用途において有用であり得る。そのようなシステムが、図5に記載されている。システムは、所与の疾病の進行を可能な限り早期に予測できるような特徴を、患者の測定および症状データから発見しようと試みる(請求項8)。他方で、疾病そのものの進行によって左右される可能性があり、したがって疾病そのものの進行を左右することができる特徴を、この方法によって見つけることも可能である。処理ユニット7が、患者のデータを一次入力8として取得する。このデータを、例えば血液の値および他の測定パラメータならびに患者によって述べられる症状および医師によって把握される症状で構成することができる。以前に患者において観察された疾病についての情報が、コンテクスト9として与えられる。
患者の診断のための補助システム
この実施例においては、診断を促進するような特徴が、患者データから選択される。
診断を促進するような特徴のプレアクティベーションが、入力データから計算される。これは、パラメータ化関数によって実行され、そのパラメータは、1つの診断の実行の間は一定であるが、新たな診断に関連して常に修正(改善)される。より有用な情報が、パラメータによって一次入力から形成される。パラメータは、それぞれの診断の後で、この関数(プレアクティベーション)が最後(主たる請求項のステップd)に得られる種類の特徴情報をすでに元から与えるような関数となるようなパラメータに修正される。その結果、処理ユニットによって表わされる特徴が、可能な限り有用になるように次第に変化する。
プレアクティベーションの予測が、コンテクストから計算される(ここで、予測は、将来についての予測を指さず、回帰を指す)。これは、パラメータ化関数によって実行され、そのパラメータは、1つの診断の実行の間は一定であるが、新たな診断に関連して常に修正(改善)される。
最終的な特徴アクティベーションyが、上述の工程の後で最もアクティブな特徴を選択することによって得られる。これは、図8の説明に関して述べたやり方で実行される。ここで必要とされるスパース化のしきい値が、初めに、処理ユニットの学習を開始させる前に、一定の値へと設定される。これは、スパース度の指標が、図8の説明に従ってスパースモデルベクトルについて計算されるように実行される。このモデルベクトルは、処理ユニットの特徴ベクトルと同じ次元を有しており、モデルベクトルの要素の5%(切り上げによる)が、値1に設定されている一方で、残りの要素の値は、ゼロである。このモデルのスパース度が、スパース度のしきい値として設定される。
ロボットのための視覚システム
この実施例では、処理ユニットの学習が、ロボットのモータの適切な制御を可能にするようなデータをロボットのビデオカメラデータから選択するために行われる。
上述の実施形態に加えて、本発明の基本的考え方は、別のさまざまなやり方においても実行可能である。上述の実施形態においては、処理ユニットが別々であり、表現の選択および特徴の非相関化が、処理ユニットの内部においてのみ実行されていた。代案として、処理ユニットの境界がより柔軟であってよい。例えば、非相関化を、連続的な値の近傍がそれぞれの特徴要素について定められるように実行することができる。最も近い特徴要素が、大きな近傍重み付けを得、より離れていると、より小さな値を得、最も離れていると、まったく近傍に属さないと考えられる。また、表現特徴および適応特徴の選択を、状況に応じてより局所的な選択またはより広い選択を動的に可能にするようなアルゴリズムで実行することが可能である。
Claims (21)
- 処理ユニットにおいて情報を選択し、タスクを実行するために使用される特徴情報を最終結果として得るために、処理ユニットへの入力データを、一次入力と実行すべきタスクに関する一般的情報を表わしているコンテクストとで構成される入力情報からタスクに照らして有用な情報を発見する目的で処理して、入力情報の特徴を表わす特徴情報を入力情報から形成し、特徴情報の値をその効用にもとづいてさらに処理する方法であって、
a)第1のパラメータおよびパラメータ化関数によって、入力情報の組のうちの第1のコンテクストから、予測が形成され、
b)第2のパラメータおよびパラメータ化関数によって、入力情報の組のうちの第1の一次入力から、プレアクティベーションが形成され、
c)ステップa)において形成される予測にもとづき、予測される特徴が予測されない特徴よりも高い効用を有すると考えるやり方で効用を評価し、評価による効用が高い特徴を強める一方で、他の特徴を弱めることによって、プレアクティベーションから特徴情報が形成され、
d)第2のパラメータが、ステップb)で使用されたならばステップc)の特徴情報に対応する計算結果を与えるであろうやり方で修正され、
e)ステップa)〜d)が、入力情報の組のそれぞれの要素について繰り返される
ことを特徴とする方法。 - ステップd)において、第1のパラメータも、ステップa)で使用されたならばステップb)のプレアクティベーションまたはステップc)の特徴情報に対応する計算結果を与えるであろうやり方で修正されることを特徴とする請求項1に記載の方法。
- 情報が、種々の値の数字として数値の形態で表わされ、該数字が、特定の特徴を記述していることを特徴とする請求項1または2に記載の方法。
- ステップa)および/またはb)のパラメータにもとづいて計算される計算結果が、パラメータによって重み付けされた平均であることを特徴とする請求項1〜3のいずれか一項に記載の方法。
- ステップc)において得られた特徴情報が、改善された特徴情報を得るべく情報を構成している値の相違を強調するために、特徴情報の値から相関を取り除くことによって非相関化されることを特徴とする請求項1〜4のいずれか一項に記載の方法。
- ステップc)において得られた特徴情報、または請求項5による特徴情報が、特徴情報をさらに改善するために、情報から最大の数字を選択することによってスパース化されることを特徴とする請求項1〜5のいずれか一項に記載の方法。
- 特徴情報が、ロボットのための制御信号を生成するために使用され、
一次入力が、環境およびロボットのセンサによって測定されるロボットの状態についての情報で構成され、コンテクストが、ロボットのモータの制御信号など、ロボットの制御部へと直接に接続された信号で構成されることを特徴とする請求項1〜6のいずれか一項に記載の方法。 - 特徴情報が、疾病の診断に使用され、
一次入力が、患者の測定値および症状データで構成され、コンテクストが、患者において観察された疾病についての情報で構成されることを特徴とする請求項1〜6のいずれか一項に記載の方法。 - 特徴の表現から得られる効用が、暗黙のうちにステップc)において評価されることを特徴とする請求項1〜8のいずれか一項に記載の方法。
- 特徴の表現から得られる効用が、明示的にステップc)において評価されることを特徴とする請求項1〜8のいずれか一項に記載の方法。
- パラメータ修正の効用が、ステップd)において暗黙のうちに評価されることを特徴とする請求項1〜10のいずれか一項に記載の方法。
- パラメータ修正の効用が、ステップd)において明示的に評価されることを特徴とする請求項1〜10のいずれか一項に記載の方法。
- 1つ以上の種類の入力が、部分的または完全に白色化されることを特徴とする請求項1〜12のいずれか一項に記載の方法。
- 特徴情報の数字が、入力情報の組において対応するキャラクタを記述している各数字の平均がほぼ同じになるように敏感化されることを特徴とする請求項1〜13のいずれか一項に記載の方法。
- 複数の処理ユニットを、処理ユニットが自身の形成した特徴情報を処理ユニットの一次入力として相互に届けるように接続することによって、複数の処理ユニットにおいて実行されることを特徴とする請求項1〜14のいずれか一項に記載の方法。
- 複数の処理ユニットを、処理ユニットが自身の形成した特徴情報をコンテクストとして相互に届けるように接続することによって、複数の処理ユニットにおいて実行されることを特徴とする請求項1〜15のいずれか一項に記載の方法。
- 処理ユニットが、階層的なやり方で接続されることを特徴とする請求項16に記載の方法。
- ステップc)において各特徴の効用を評価するときに、考慮に入れられて、効用を低下させる事実が、当該特徴ベクトルの要素の値が入力情報の前記組の構成員について非ゼロであるという事実であることを特徴とする請求項1〜17のいずれか一項に記載の方法。
- ステップc)において各特徴の効用を評価するときに、考慮に入れられて、効用を低下させる事実が、当該特徴ベクトルの要素の値が入力情報の前記組のコンテクストにもとづいてゼロでないと予測されるという事実であることを特徴とする請求項1〜18のいずれか一項に記載の方法。
- ステップd)における第2のパラメータの修正が、処理ユニットが入力情報の組の新たな構成員を処理したときに実行され、
修正のための基礎であるステップc)によって生成される特徴情報が、ステップc)において各特徴の効用を評価するときに、当該特徴ベクトルの要素の値が入力情報の組の新たなコンテクストにもとづいてゼロでないと評価されるという事実が効用を増加させる因子として考慮されるようなやり方で、再び計算されることを特徴とする請求項1〜19のいずれか一項に記載の方法。 - ステップc)において処理ユニット全体の特徴の効用を評価するときに、処理ユニットによって表わされる特徴の効用についての評価が、外部のモジュールによって与えられ、コンテクストとして考慮されることを特徴とする請求項1〜20のいずれか一項に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20070159A FI20070159A0 (fi) | 2007-02-23 | 2007-02-23 | Menetelmä informaation integrointiin, valintaan ja esityksen oppimiseen |
FI20070159 | 2007-02-23 | ||
PCT/FI2008/000031 WO2008102052A2 (en) | 2007-02-23 | 2008-02-22 | Method for selecting information |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010519642A true JP2010519642A (ja) | 2010-06-03 |
JP5256215B2 JP5256215B2 (ja) | 2013-08-07 |
Family
ID=37832204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009550734A Expired - Fee Related JP5256215B2 (ja) | 2007-02-23 | 2008-02-22 | 情報を選択するための方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US8332336B2 (ja) |
EP (1) | EP2126801B1 (ja) |
JP (1) | JP5256215B2 (ja) |
DK (1) | DK2126801T3 (ja) |
ES (1) | ES2429214T3 (ja) |
FI (1) | FI20070159A0 (ja) |
PL (1) | PL2126801T3 (ja) |
PT (1) | PT2126801E (ja) |
WO (1) | WO2008102052A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6280997B1 (ja) * | 2016-10-31 | 2018-02-14 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法 |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011085819A1 (en) * | 2010-01-15 | 2011-07-21 | Zenrobotics Ltd. | A machine-learning system and a method for determining different operating points in such a system |
FR2962823B1 (fr) * | 2010-07-13 | 2012-08-17 | Ensuite Inf | Processeur d'analyse situationnelle |
US8838147B2 (en) * | 2011-08-31 | 2014-09-16 | Nokia Corporation | Method and apparatus for determining environmental context utilizing features obtained by multiple radio receivers |
US9367811B2 (en) * | 2013-03-15 | 2016-06-14 | Qualcomm Incorporated | Context aware localization, mapping, and tracking |
US10469398B2 (en) | 2014-03-04 | 2019-11-05 | International Business Machines Corporation | Selecting forecasting model complexity using eigenvalues |
US11720795B2 (en) | 2014-11-26 | 2023-08-08 | Canary Capital Llc | Neural network structure and a method thereto |
JP7001593B2 (ja) * | 2015-08-11 | 2022-01-19 | コグノア, インコーポレイテッド | 人工知能およびユーザ入力を用いて発達進度を判定するための方法および装置 |
CN106780662B (zh) * | 2016-11-16 | 2020-09-18 | 北京旷视科技有限公司 | 人脸图像生成方法、装置及设备 |
CN106780658B (zh) | 2016-11-16 | 2021-03-09 | 北京旷视科技有限公司 | 人脸特征添加方法、装置及设备 |
US10645100B1 (en) * | 2016-11-21 | 2020-05-05 | Alert Logic, Inc. | Systems and methods for attacker temporal behavior fingerprinting and grouping with spectrum interpretation and deep learning |
SE543130C2 (en) | 2018-04-22 | 2020-10-13 | Zenrobotics Oy | A waste sorting robot gripper |
SE543177C2 (en) | 2018-04-22 | 2020-10-20 | Zenrobotics Oy | Waste sorting gantry robot comprising an integrated chute and maintenance door |
SE544741C2 (en) | 2018-05-11 | 2022-11-01 | Genie Ind Bv | Waste Sorting Gantry Robot and associated method |
CN110135427B (zh) * | 2019-04-11 | 2021-07-27 | 北京百度网讯科技有限公司 | 用于识别图像中的字符的方法、装置、设备和介质 |
SE544457C2 (en) * | 2020-10-28 | 2022-06-07 | Zenrobotics Oy | Waste sorting robot and method for cleaning a waste sorting robot |
SE2030325A1 (en) * | 2020-10-28 | 2021-12-21 | Zenrobotics Oy | Waste sorting robot and method for detecting faults |
SE2130289A1 (en) | 2021-10-26 | 2023-04-27 | Mp Zenrobotics Oy | Waste Sorting Robot |
SE2130349A1 (en) | 2021-12-09 | 2023-06-10 | Mp Zenrobotics Oy | Waste sorting robot and external cleaning apparatus |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004362400A (ja) * | 2003-06-06 | 2004-12-24 | Omron Corp | 画像認識装置および画像認識方法、並びに、画像認識装置のティーチング装置およびティーチング方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IES20020061A2 (en) | 2001-01-31 | 2002-08-07 | Predictions Dynamics Ltd | Feature selection for neural networks |
JP4028384B2 (ja) * | 2001-02-05 | 2007-12-26 | 本田技研工業株式会社 | エージェント学習装置、方法、プログラム |
US6963870B2 (en) * | 2002-05-14 | 2005-11-08 | Microsoft Corporation | System and method for processing a large data set using a prediction model having a feature selection capability |
US20060224532A1 (en) * | 2005-03-09 | 2006-10-05 | Case Western Reserve University | Iterative feature weighting with neural networks |
-
2007
- 2007-02-23 FI FI20070159A patent/FI20070159A0/fi unknown
-
2008
- 2008-02-22 EP EP08718501A patent/EP2126801B1/en not_active Not-in-force
- 2008-02-22 PT PT87185013T patent/PT2126801E/pt unknown
- 2008-02-22 WO PCT/FI2008/000031 patent/WO2008102052A2/en active Application Filing
- 2008-02-22 DK DK08718501.3T patent/DK2126801T3/da active
- 2008-02-22 US US12/528,374 patent/US8332336B2/en active Active
- 2008-02-22 ES ES08718501T patent/ES2429214T3/es active Active
- 2008-02-22 PL PL08718501T patent/PL2126801T3/pl unknown
- 2008-02-22 JP JP2009550734A patent/JP5256215B2/ja not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004362400A (ja) * | 2003-06-06 | 2004-12-24 | Omron Corp | 画像認識装置および画像認識方法、並びに、画像認識装置のティーチング装置およびティーチング方法 |
Non-Patent Citations (1)
Title |
---|
JPN6012065772; Harri Valpola: 'Behaviourally meaningful representations from normalisation and context-guided denoising' AI lab technical report , 20040514, pp.1-8 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6280997B1 (ja) * | 2016-10-31 | 2018-02-14 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法 |
JP2018077814A (ja) * | 2016-10-31 | 2018-05-17 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法 |
CN109923614A (zh) * | 2016-10-31 | 2019-06-21 | 首选网络株式会社 | 疾病的罹患判定装置、疾病的罹患判定方法及疾病的罹患判定程序 |
Also Published As
Publication number | Publication date |
---|---|
DK2126801T3 (da) | 2013-06-24 |
WO2008102052A3 (en) | 2008-10-30 |
US20100088259A1 (en) | 2010-04-08 |
EP2126801B1 (en) | 2013-04-03 |
PL2126801T3 (pl) | 2013-11-29 |
EP2126801A2 (en) | 2009-12-02 |
WO2008102052A2 (en) | 2008-08-28 |
FI20070159A0 (fi) | 2007-02-23 |
JP5256215B2 (ja) | 2013-08-07 |
US8332336B2 (en) | 2012-12-11 |
ES2429214T3 (es) | 2013-11-13 |
WO2008102052B1 (en) | 2008-12-24 |
PT2126801E (pt) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5256215B2 (ja) | 情報を選択するための方法 | |
Manuelli et al. | Keypoints into the future: Self-supervised correspondence in model-based reinforcement learning | |
Sancaktar et al. | End-to-end pixel-based deep active inference for body perception and action | |
Razmjooy et al. | A hybrid neural network Imperialist Competitive Algorithm for skin color segmentation | |
Sigaud et al. | On-line regression algorithms for learning mechanical models of robots: a survey | |
US9146546B2 (en) | Systems and apparatus for implementing task-specific learning using spiking neurons | |
Kremer | Spatiotemporal connectionist networks: A taxonomy and review | |
US20130325774A1 (en) | Learning stochastic apparatus and methods | |
Kubota | Computational intelligence for structured learning of a partner robot based on imitation | |
US8332070B2 (en) | Learning and use of schemata in robotic devices | |
Nishide et al. | Tool–body assimilation of humanoid robot using a neurodynamical system | |
Hosseini-Pozveh et al. | Interval type-2 fuzzy restricted Boltzmann machine | |
Gharaee | Hierarchical growing grid networks for skeleton based action recognition | |
Witchuda et al. | Reservoir computing model for human hand locomotion signal classification | |
Laferrière et al. | Deep Koopman representation for control over images (dkrci) | |
Gepperth | Efficient online bootstrapping of sensory representations | |
Amezcua et al. | New classification method based on modular neural networks with the LVQ algorithm and type-2 fuzzy logic | |
Amezcua et al. | A new classification method based on LVQ neural networks and Fuzzy Logic | |
Zhong et al. | A compositionality assembled model for learning and recognizing emotion from bodily expression | |
Wu et al. | Improved one-shot learning for feedforward associative memories with application to composite pattern association | |
Cullinan | Revisiting the society of mind: Convolutional neural networks via multi-agent systems | |
Sheikhbahaee et al. | Dream to Explore: Adaptive Simulations for Autonomous Systems | |
Mitchell | Comparing Learned Representations Between Unpruned and Pruned Deep Convolutional Neural Networks | |
Yogeswaran et al. | Leveraging saccades to learn smooth pursuit: A self-organizing motion tracking model using restricted boltzmann machines | |
Budhraja et al. | Using Neural Networks for Programming by Demonstration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130301 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130422 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 5256215 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160426 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |