会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 1. 发明专利
    • 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム
    • JP2022500745A
    • 2022-01-04
    • JP2021512922
    • 2019-09-05
    • ザルトリウス ステディム データ アナリティクス アーベー
    • シェーグレン リカルドトリグ ヨハン
    • G05B23/02G01M99/00G01H17/00G06N3/04
    • 【課題】異常検出および/または予知保全のためのコンピュータ実装方法、およびそれぞれのシステムが提供される。 【解決手段】本方法は、エンティティの少なくとも1つのパラメータを特徴付ける新しい観測値を受信することと、複数の隠れ層を有する深層ニューラルネットワーク(100)に新しい観測値を入力し、可能性のある観測値を含むトレーニングデータセットを使用してトレーニングされることと、受信した新しい観測値を深層ニューラルネットワークに入力することにより、深層ニューラルネットワークの複数の隠れ層の少なくとも1つから出力される中間出力値の第2のセットを取得することと、記憶媒体に格納された潜在変数モデルを使用して、中間出力値の第2のセットを射影値の第2のセットにマッピングすることと、受信した新しい観測値が、潜在変数モデルと予測値の第2のセットに基づいて、トレーニングデータセットに関して外れ値であるかどうかを判断し、深層ニューラルネットワークによって、新しい観測値の予測を計算することと、予測および新しい観測値が外れ値であるかどうかの判断に基づいて、エンティティにおける少なくとも1つの異常の発生を示す結果を判断することとを、含む。記憶媒体に格納された潜在変数モデルは、深層ニューラルネットワークの複数の隠れ層のうちの前記1つから出力される中間出力値の第1のセットを取得することであって、中間出力値の第1のセットのそれぞれは、トレーニングデータセットの少なくとも一部に含まれている可能性のある観測値の異なるものを入力によって取得されることと、中間出力値の第1のセットを使用して潜在変数モデルを構築することであって、潜在変数モデルは、中間出力値の第1のセットを、中間出力のセットの次元よりも低い次元を有する潜在変数モデルの部分空間における射影値の第1のセットへのマッピングを提供することと、によって構築される。 【選択図】図3
    • 2. 发明专利
    • 細胞画像の分析のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム
    • JP2022500744A
    • 2022-01-04
    • JP2021512919
    • 2019-09-05
    • ザルトリウス ステディム データ アナリティクス アーベー
    • シェーグレン リカルドトリグ ヨハン
    • G06N3/04G01N33/48G06T7/00
    • 【課題】細胞画像を分析するためのコンピュータ実装方法が提供される。 【解決手】本方法は、画像を処理するための深層ニューラルネットワーク(100)、および深層ニューラルネットワークをトレーニングするために使用されるトレーニングデータセットの少なくとも一部を取得することであって、深層ニューラルネットワークは、複数の隠れ層を含み、トレーニングデータセットを使用してトレーニングされ、トレーニングデータセットは、深層ニューラルネットワークに入力できる可能性のある細胞画像を含むことと、複数の隠れ層のうちの少なくとも1つから出力される中間出力値の第1のセットを取得することであって、中間出力値の第1のセットのそれぞれは、トレーニングデータセットの前記少なくとも一部に含まれる可能性のある入力画像の異なる1つを入力することによって得られることと、中間出力値の第1のセットを使用して潜在変数モデルを構築することであって、潜在変数モデルは、中間出力のセットの次元よりも低い次元を有数する部分空間内の射影値の第1のセットに、中間出力値の第1のセットのマッピングを提供することと、深層ニューラルネットワークに入力する新しい細胞画像を受信することと、受信した新しい細胞画像を深層ニューラルネットワークに入力することにより、複数の隠れ層のうちの前記少なくとも1つから出力される中間出力値の第2のセットを取得することと、潜在変数モデルを使用して、中間出力値の第2のセットを射影値の第2のセットにマッピングすることと、潜在変数モデルと射影値の第2のセットに基づいて、受信した新しい細胞画像が、トレーニングデータセットに関して外れ値であるかどうかを判断することとを含む。 【選択図】図3