[发明专利]理解机器学习决策的系统、方法、计算机可读介质有效
| 申请号： | 201880015891.4 | 申请日： | 2018-04-05 |
| 公开（公告）号： | CN110383291B | 公开（公告）日： | 2023-06-13 |
| 发明（设计）人： | C·E·马丁;S·科洛瑞;H·霍夫曼 | 申请（专利权）人： | 赫尔实验室有限公司 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/762;G06V20/58;G06V10/82;G06N3/0464;G06N3/088;G06N5/04 |
| 代理公司： | 北京三友知识产权代理有限公司 11127 | 代理人： | 师玮;王小东 |
| 地址： | 美国加利*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 描述了理解机器学习决策的系统、方法、计算机可读介质。在无监督学习阶段，该系统通过对概念的潜变量的活动模式进行聚类，以无监督方式从输入数据中提取由机器学习(ML)模型表示的概念，其中，潜变量是ML模型的隐变量。通过学习所提取的概念之间的功能语义，将所提取的概念组织成概念网络。在操作阶段，生成概念网络的子网络。将子网络的节点被显示为由权重和标签标注的视觉图像的集合，以及根据权重和标签的ML模型。 | ||
| 搜索关键词： | 理解 机器 学习 决策 系统 方法 计算机 可读 介质 | ||
【主权项】：
1.一种理解机器学习(ML)决策的系统，该系统包括：一个或更多个处理器以及非暂时性计算机可读介质，该非暂时性计算机可读介质上编码有可执行指令，使得当执行所述可执行指令时，所述一个或更多个处理器执行以下操作：在无监督学习阶段，通过对由ML模型表示的多个概念的潜变量的活动模式进行聚类来以无监督方式从输入数据提取所述概念，其中，所述潜变量是所述ML模型的隐变量；在所述无监督学习阶段，通过学习所提取的概念间的功能语义来将所提取的概念组织成概念网络；在操作阶段，生成所述概念网络的子网络；将所述子网络的节点显示为由权重和标签标注的视觉图像的集合；以及根据所述权重和标签改进所述ML模型。
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赫尔实验室有限公司，未经赫尔实验室有限公司许可，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/201880015891.4/，转载请声明来源钻瓜专利网。
