[发明专利]多输出松弛机器学习模型无效
| 申请号： | 201380054239.0 | 申请日： | 2013-08-20 |
| 公开（公告）号： | CN104769575A | 公开（公告）日： | 2015-07-08 |
| 发明（设计）人： | 托尼·拉蒙·马丁内斯;曾信川 | 申请（专利权）人： | 内部销售公司 |
| 主分类号： | G06F15/18 | 分类号： | G06F15/18 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 康建峰;李春晖 |
| 地址： | 美国*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种多输出松弛(MOR)机器学习模型。在一个示例实施方式中，用于采用MOR机器学习模型来预测多输出依赖性(MOD)输出决策的多个相互依赖的输出分量的方法可以包括：训练针对MOD输出决策的多个相互依赖的输出分量中的每个输出分量的分类器，以基于输入并且基于其他分量中的所有分量来预测该分量。该方法还可以包括：将针对分量中的每个分量的每个可能的值初始化为预定输出值。该方法还可以包括：对分类器中的每个分类器运行松弛迭代以更新针对分量中的每个分量的每个可能的值的输出值，直到松弛状态达到平衡或者达到松弛迭代的最大次数。该方法还可以包括：从分类器中的每个分类器中检索最优分量。 | ||
| 搜索关键词： | 输出 松弛 机器 学习 模型 | ||
【主权项】：
一种用于采用多输出松弛(MOR)机器学习模型以使用输入来预测多输出依赖性(MOD)输出决策的多个相互依赖的输出分量的方法，每个输出分量具有多个可能的值，所述方法包括：训练针对MOD输出决策的多个相互依赖的输出分量中的每个输出分量的分类器，以基于所述输入并且基于其他输出分量中的所有输出分量来预测所述输出分量；将针对所述输出分量中的每个输出分量的所述可能的值中的每个值初始化为预定输出值；对所述分类器中的每个分类器运行松弛迭代以更新针对所述输出分量中的每个输出分量的每个可能的值的输出值，直到松弛状态达到平衡或者达到松弛迭代的最大次数；以及从所述分类器中的每个分类器中检索最优输出分量。
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内部销售公司，未经内部销售公司许可，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/201380054239.0/，转载请声明来源钻瓜专利网。
- 上一篇：终端和粘贴方法
- 下一篇：基于分层的排序机器学习模型
