-
公开(公告)号：CN106228175A
公开(公告)日：2016-12-14
申请号：CN201610380380.5
申请日：2016-06-01
Applicant: 国际商业机器公司
IPC: G06K9/62
Abstract: 本发明一般地涉及自非常高速率的数据流的水平决策树学习。这里提供了在数据处理系统中用于分布式树学习的机制。源处理实例向多个模型更新处理单元分配数据记录实例。多个模型更新处理单元基于数据记录实例确定在决策树中并行的候选叶分裂动作。多个模型更新处理单元向多个冲突解决处理单元发送候选叶分裂动作。多个冲突解决处理单元识别冲突叶分裂动作。多个冲突解决处理单元将树结构变化应用于在多个模型更新处理单元中的决策树。
-
Patent Agency Ranking
公开(公告)号：CN105701118A
公开(公告)日：2016-06-22
申请号：CN201410708694.4
申请日：2014-11-28
Applicant: 国际商业机器公司
IPC: G06F17/30
CPC classification number: G06F16/2455 , G06F17/3053 , G06F17/30554 , H04L41/0806
Abstract: 本发明公开了一种用于归一化文件的非数值特征的方法和相应装置，该方法包括：将给定文件的非数值特征的至少一对正例切分为若干单词；通过将所述至少一对正例中的单词进行比较获得匹配的单词；以及针对所述匹配的单词，计算其匹配该给定文件的权重，并将所述单词及其权重存储在单词库中。
-
公开(公告)号：CN111247532B
公开(公告)日：2024-03-26
申请号：CN201880068141.3
申请日：2018-08-24
Applicant: 国际商业机器公司
IPC: G06F18/23213 , G06F18/24 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/047 , G06N3/0455 , G06N3/09
Abstract: 公开了训练模型的系统和方法。该方法中首先通过深度神经网络(DNN)获取训练数据，深度神经网络包括至少一个隐藏层。然后，从至少一个隐藏层的指定隐藏层获取训练数据的特征，指定隐藏层分别连接到用于分类任务的监督分类网络和用于重建任务的基于自动编码器的重建网络。最后，基于获取的特征将DNN、监督分类网络和重建网络进行整体进行训练，训练以分类任务和重建任务为指导。
-
公开(公告)号：CN108369593B
公开(公告)日：2022-02-18
申请号：CN201680072416.1
申请日：2016-11-30
Applicant: 国际商业机器公司
Abstract: 车辆域多级并行缓冲和基于上下文的流数据预处理系统包括第一数据处理级和第二数据处理级。所述第一数据处理级包括被配置为缓冲从多个车辆输出的多个原始数据流提供的数据的第一级缓冲器。所述第二数据处理级包括电子任务队列字典(TQD)模块和多个第二级数据处理缓冲器。所述TQD模块被配置为响应于接收从所述第一级缓冲器输出的串行数据流而创建多个任务。所述TQD模块进一步被配置为将每个任务分配给相应的第二级缓冲器，并且基于所述任务将所述串行数据流分离成被传送到特定第二级缓冲器的单个数据值，以便生成多级并行的基于上下文的缓冲操作。
-
-
公开(公告)号：CN104881673A
公开(公告)日：2015-09-02
申请号：CN201410071994.6
申请日：2014-02-28
Applicant: 国际商业机器公司
IPC: G06K9/62
CPC classification number: G06K9/60 , G06F3/017 , G06F3/0414 , G06F3/04883 , G06K9/00476 , G06K9/033 , G06T11/203 , G06T2207/10004 , G06T2207/30241 , G06T2210/12
Abstract: 本发明公开了基于信息整合的模式识别的方法和系统。根据本发明的实施例，提供一种用于识别图像中的图元的方法，所述方法包括：识别所述图像中的至少一个图元，以获得所述至少一个图元的至少一个候选形状，所述至少一个候选形状具有对应的置信度；基于所述置信度确定对所述至少一个图元的所述识别是否存在潜在错误；响应于确定所述识别存在所述潜在错误，从用户处获取关于所述至少一个图元的辅助信息；以及至少部分地基于所述辅助信息对所述至少一个图元进行重新识别。还公开了相应的系统。
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
