基于神经与符号的多模态大数据机器自动学习系统

发明专利有效专利

申请号：
CN202110723736.1
IPC分类号：G06N3/04;G06N20/00;G06K9/62;G06F17/16
申请日期：
2021-06-29
申请人：
中国科学院自动化研究所

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于神经与符号的多模态大数据机器自动学习系统
申请号	CN202110723736.1	申请日期	2021-06-29
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-17	公开/公告号	CN113408703A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;2;0;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;F;1;7;/;1;6查看分类表>
申请人	中国科学院自动化研究所	申请人地址	北京市海淀区中关村东路95号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院自动化研究所	当前权利人	中国科学院自动化研究所
发明人	王军平;苑瑞文;林建鑫;唐永强
代理机构	北京市恒有知识产权代理事务所（普通合伙）	代理人	郭文浩;尹文会

摘要

本发明属于人工智能、机器学习与认知计算领域，具体涉及一种基于神经与符号的多模态大数据机器自动学习系统，旨在解决现有的机器学习方法难以从动态演化数据中获取高保真机理模型的问题。本发明系统：特征工程自动构建模块包括数据获取单元、事理超图网络自动构建单元、网络结构自动更新单元；机理模型自动构建模块包括领域任务定义单元、模型博弈设计搜索单元，搜索网格加速优化单元；超参数寻优优化模块包括超参数初始空间构建单元、超参数自适应选择策略单元、自适应寻优推理单元和超参数自动迁移单元、模型数据处理模块。本发明通过大数据机器自动学习方法，迭代保真度评价，获得高保真机理模型，提高了复杂系统行为认知预测的精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供