[發明專利]使用可分布數據模型的傳輸學習與域適應

在審

• 申請號: 201880084930.6
• 申請日: 2018-12-07
• 公開（公告）號: CN111556998A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 杰森·克拉布特里;安德魯·塞勒斯
• 申請（專利權）人: QOMPLX有限責任公司
• 主分類號: G06F16/00
• 分類號: G06F16/00;G06N20/00
• 代理公司: 長沙智嶸專利代理事務所(普通合伙) 43211
• 代理人: 劉宏

1.一種使用可分布數據模型以傳輸學習和域適應的系統，包括：

可分布的模型源，包括存儲器、處理器和存儲在其所述存儲器中并可在其所述處理器上運行的多個編程指令，其中，所述可編程指令在所述處理器上運行時使所述處理器：

存儲多個機器學習模型；

至少部分地基于機器學習模型而生成可分布模型實例；

經由網絡發送所述可分布模型實例；

傳輸引擎，包括存儲器、處理器和存儲在其所述存儲器中并可在其所述處理器上運行的多個編程指令，其中所述可編程指令在所述處理器上運行時使所述處理器：

從所述模型源至少接收可分布模型實例；以及

將多個機器學習算法應用于接收到的所述可分布模型實例的至少一部分；

有向計算圖引擎，包括存儲器、處理器和存儲在其所述存儲器中并可在其處理器上運行的多個編程指令，其中所述可編程指令在所述處理器上運行時使所述處理器：

從所述模型源至少接收可分布模型實例；

至少部分地基于由傳輸引擎執行的傳輸學習，從存儲在所述存儲器中的數據創建第二數據集；

使用所述第二數據集訓練所述可分布模型實例；以及

至少部分地基于對所述可分布模型實例的更新而生成更新報告。

2.根據權利要求1所述的系統，其中，所述機器學習算法包括概率學習網絡。

3.根據權利要求2所述的系統，其中，所述概率學習網絡包括Markov邏輯網絡。

4.根據權利要求2所述的系統，其中，所述概率學習網絡包括Bayesian網絡。

5.根據權利要求1所述的系統，其中，所述傳輸引擎：

接收預訓練的數據模型；

將所述預訓練的數據模型的至少一部分包括至部分無監督的機器學習進程中；以及

將所述部分無監督的機器學習進程應用于所述可分布模型實例。

6.一種用于使用可分布數據模型以傳輸學習和域自適應的方法，包括步驟：

(a)在可分布模型源中存儲多個機器學習模型；

(b)至少部分地基于機器學習模型產生可分布模型實例；

(c)經由網絡發送所述可分布模型實例；

(d)在傳輸引擎處從所述可分布模型源接收至少可分布模型實例；

(e)將多個機器學習算法應用于所述可分布模型實例；

(f)使用有向計算圖引擎以采用由所述傳輸引擎執行的多個機器學習算法而訓練所述可分布模型實例；以及

(g)至少部分地基于對所述可分布模型實例的更新而生成更新報告。

7.根據權利要求6所述的方法，其中，所述機器學習算法包括概率學習網絡。

8.根據權利要求7所述的方法，其中，所述概率學習網絡包括Markov邏輯網絡。

9.根據權利要求7所述的方法，其中，所述概率學習網絡包括Bayesian網絡。

10.根據權利要求6所述的方法，進一步包括步驟：

接收預訓練的數據模型；

將所述預訓練的數據模型的至少一部分包括至部分無監督的學習進程中；以及

將所述部分無監督的機器學習進程應用于所述可分布模型實例。