-
公开(公告)号：CN111507934A
公开(公告)日：2020-08-07
申请号：CN202010071123.X
申请日：2020-01-21
Applicant: 富士通株式会社
Abstract: 本发明涉及训练设备、训练方法和计算机可读记录介质。一种异常检测设备执行用于生成器和鉴别器的训练，使得生成器使鉴别器的鉴别误差最大化，并且鉴别器使鉴别误差最小化。异常检测设备在训练正被执行时，存储经半训练并且满足预设条件的生成器的状态，并且通过使用由具有所存储的状态的经半训练的生成器生成的图像对鉴别器进行再训练。
-
公开(公告)号：CN111445021A
公开(公告)日：2020-07-24
申请号：CN202010026938.6
申请日：2020-01-10
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 提供了学习方法、学习设备和计算机可读记录介质。学习设备基于原始训练数据中包括的非存储目标信息对原始训练数据进行扩展，以生成多个扩展训练数据。学习设备通过将所述多个扩展训练数据输入到学习模型，生成多个中间特征值。学习设备学习该学习模型的参数，使得：关于所述多个中间特征值，根据从参考训练数据扩展的多个扩展训练数据生成的所述多个中间特征值中的每一个变得与参考特征值相似。
-
公开(公告)号：CN111508588A
公开(公告)日：2020-08-07
申请号：CN202010075042.7
申请日：2020-01-22
Applicant: 富士通株式会社
Abstract: 公开了一种训练装置、训练方法和计算机可读记录介质。异常检测装置包括被配置成生成多条图像数据的生成器、被配置成鉴别由生成器生成的图像数据是真还是假的鉴别器以及被配置成训练生成器和鉴别器的训练单元。训练单元被配置成：训练生成器，使得生成器在生成所述多条图像数据以使鉴别器的鉴别误差最大化时相对于所述多条图像数据以固定比率生成用于降低鉴别误差的至少一条指定图像数据；以及基于所述多条图像数据和所述至少一条指定图像数据，训练鉴别器以使鉴别误差最小化。
-
公开(公告)号：CN111444935A
公开(公告)日：2020-07-24
申请号：CN202010021677.9
申请日：2020-01-09
Applicant: 富士通株式会社
Abstract: 提供了学习方法、计算机可读记录介质和学习装置。学习装置对学习模型的至少一个参数进行学习，使得每个中间特征量变得与参考特征量相似，每个中间特征量是作为将多个扩充训练数据集输入至学习模型中的第一神经网络的结果而计算的，多个扩充训练数据是通过基于相同的第一原始训练数据执行数据扩充而生成的。学习装置使用不同于第一原始训练数据的第二原始训练数据并且使用参考特征量来学习学习模型中的第二网络的至少一个参数。
-
公开(公告)号：CN111507934B
公开(公告)日：2024-04-26
申请号：CN202010071123.X
申请日：2020-01-21
Applicant: 富士通株式会社
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明涉及训练设备、训练方法和计算机可读记录介质。一种异常检测设备执行用于生成器和鉴别器的训练，使得生成器使鉴别器的鉴别误差最大化，并且鉴别器使鉴别误差最小化。异常检测设备在训练正被执行时，存储经半训练并且满足预设条件的生成器的状态，并且通过使用由具有所存储的状态的经半训练的生成器生成的图像对鉴别器进行再训练。
-
Patent Agency Ranking
公开(公告)号：CN111508588B
公开(公告)日：2024-03-15
申请号：CN202010075042.7
申请日：2020-01-22
Applicant: 富士通株式会社
IPC: G16H30/00 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 公开了一种训练装置、训练方法和计算机可读记录介质。异常检测装置包括被配置成生成多条图像数据的生成器、被配置成鉴别由生成器生成的图像数据是真还是假的鉴别器以及被配置成训练生成器和鉴别器的训练单元。训练单元被配置成：训练生成器，使得生成器在生成所述多条图像数据以使鉴别器的鉴别误差最大化时相对于所述多条图像数据以固定比率生成用于降低鉴别误差的至少一条指定图像数据；以及基于所述多条图像数据和所述至少一条指定图像数据，训练鉴别器以使鉴别误差最小化。
-
公开(公告)号：CN110637309A
公开(公告)日：2019-12-31
申请号：CN201880028353.9
申请日：2018-04-20
Applicant: 富士通株式会社
Abstract: 模拟装置是使用第一推断器和第二推断器的推断装置，其中，第一推断器根据基于过去的数据学习的结果值来推断参数值，第二推断器根据参数值推断结果值。模拟装置根据由第一推断器和第二推断器使用特定的结果值、或者处于特定的结果值的附近的附近结果值推断出的重构值和所输入的结果值来计算重构误差。模拟装置搜索使根据所输入的结果值和特定的结果值计算的代替误差与重构误差的和最小的第一结果值。模拟装置输出使用第一推断器根据第一结果值推断的参数值。
-
公开(公告)号：CN118647985A
公开(公告)日：2024-09-13
申请号：CN202280090630.5
申请日：2022-02-10
Applicant: 富士通株式会社
IPC: G06F16/2458 , G06F16/28
Abstract: 信息处理装置(1)根据按照每个样本积蓄了各样本具有的多个特征量的值的特征量数据(21)，生成按照每个样本基于预先设定的项目将各样本具有的多个特征量的值二值化后的二进制特征量数据(22)，使用二进制特征量数据(22)，列举样本集全部表示真值的项目集，按照每个项目集，计算与各项目集建立了对应关系的样本集中的特征量数据(21)中的多个特征量间的相关性，并将判定为有相关性的项目集选择为应该进行因果搜索的条件。由此，能够精度良好地选择显现相关性的条件。
-
公开(公告)号：CN116569160A
公开(公告)日：2023-08-08
申请号：CN202080107932.X
申请日：2020-12-16
Applicant: 富士通株式会社
IPC: G06F16/215
Abstract: 本发明提供实现用于目的达成的行动提示的合理化的信息处理程序、信息处理方法以及信息处理装置。使计算机执行以下的处理。对于分别是包含表示对象的特征的不变特征量以及可变特征量的多个特征量的组合的多个组合数据，根据各组合数据间的关系性，基于多个组合数据提取处理对象的组合数据。使用处理对象的组合数据，根据不变特征量执行针对可变特征量的因果搜索处理。基于因果搜索处理的结果，选择并提示与指定的不变特征量对应的特定的可变特征量。
-
公开(公告)号：CN112912901A
公开(公告)日：2021-06-04
申请号：CN201880098669.5
申请日：2018-10-18
Applicant: 富士通株式会社
IPC: G06N3/08
Abstract: 本发明涉及学习程序、学习方法以及学习装置。学习装置向学习完毕的学习模型输入作为学习对象的输入数据。而且，按照输入至学习模型的每个输入数据，学习装置根据多个特征量，使用与多个特征量中的每个特征量对应的多个恢复器来生成恢复数据，其中，与各输入数据对应地由学习模型生成上述多个特征量。之后，学习装置使多个恢复器学习，以使由多个恢复器分别生成的多个恢复数据中每个数据与输入数据接近。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
