SYSTEMS AND METHODS FOR MACHINE LEARNING USING A TRUSTED MODEL
Methods and systems of using machine learning to create a trusted model that improves the operation of a computer system controller are provided herein. In some embodiments, a machine learning method includes training a model using input data, extracting the model, and determining whether the model...
Gespeichert in:
Hauptverfasser: | , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
container_end_page | |
---|---|
container_issue | |
container_start_page | |
container_title | |
container_volume | |
creator | RAMAMURTHY, Bhaskar S GHOSH, Shalini LINCOLN, Patrick D |
description | Methods and systems of using machine learning to create a trusted model that improves the operation of a computer system controller are provided herein. In some embodiments, a machine learning method includes training a model using input data, extracting the model, and determining whether the model satisfies the trust-related constraints. If the model does not satisfy the trust-related constraint, modifying at least one of: the model using one or more model repair algorithms, the input data using one or more data repair algorithms, or a reward function of the model using one or more reward repair algorithms, and re-training the model using at least one of the modified model, the modified input data, or the modified reward function. If the model satisfies the trust-related constraints, providing the model as a trusted model that enables a computer system controller to perform system actions within predetermined guarantees.
L'invention concerne des procédés et des systèmes d'utilisation d'un apprentissage machine pour créer un modèle de confiance qui améliore le fonctionnement d'un contrôleur de système informatique. Dans certains modes de réalisation, un procédé d'apprentissage machine comprend les étapes consistant à : former un modèle à l'aide de données d'entrée ; extraire le modèle ; déterminer si le modèle répond aux contraintes liées à la confiance ; et, si le modèle ne répond pas aux contraintes liées à la confiance, modifier le modèle en utilisant un ou plusieurs algorithmes de réparation de modèle et/ou les données d'entrée en utilisant un ou plusieurs algorithmes de réparation de données et/ou une fonction de récompense du modèle en utilisant un ou plusieurs algorithmes de réparation de récompense, puis reformer le modèle en utilisant le modèle modifié et/ou les données d'entrée modifiées et/ou la fonction de récompense modifiée ; ou si le modèle répond aux contraintes liées à la confiance, fournir le modèle à titre de modèle de confiance qui permet à un contrôleur de système informatique d'effectuer des actions du système dans le cadre de garanties prédéterminées. |
format | Patent |
fullrecord | <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2017223192A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2017223192A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2017223192A13</originalsourceid><addsrcrecordid>eNrjZLALjgwOcfUNVnD0c1HwdQ3x8HcJVnDzD1LwdXT28PRzVfBxdQzy8_RzVwgNBpGOCiFBoUAdQMX-Lq4-PAysaYk5xam8UJqbQdnNNcTZQze1ID8-tbggMTk1L7UkPtzfyMDQ3MjI2NDSyNHQmDhVAPHYKt0</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>SYSTEMS AND METHODS FOR MACHINE LEARNING USING A TRUSTED MODEL</title><source>esp@cenet</source><creator>RAMAMURTHY, Bhaskar S ; GHOSH, Shalini ; LINCOLN, Patrick D</creator><creatorcontrib>RAMAMURTHY, Bhaskar S ; GHOSH, Shalini ; LINCOLN, Patrick D</creatorcontrib><description>Methods and systems of using machine learning to create a trusted model that improves the operation of a computer system controller are provided herein. In some embodiments, a machine learning method includes training a model using input data, extracting the model, and determining whether the model satisfies the trust-related constraints. If the model does not satisfy the trust-related constraint, modifying at least one of: the model using one or more model repair algorithms, the input data using one or more data repair algorithms, or a reward function of the model using one or more reward repair algorithms, and re-training the model using at least one of the modified model, the modified input data, or the modified reward function. If the model satisfies the trust-related constraints, providing the model as a trusted model that enables a computer system controller to perform system actions within predetermined guarantees.
L'invention concerne des procédés et des systèmes d'utilisation d'un apprentissage machine pour créer un modèle de confiance qui améliore le fonctionnement d'un contrôleur de système informatique. Dans certains modes de réalisation, un procédé d'apprentissage machine comprend les étapes consistant à : former un modèle à l'aide de données d'entrée ; extraire le modèle ; déterminer si le modèle répond aux contraintes liées à la confiance ; et, si le modèle ne répond pas aux contraintes liées à la confiance, modifier le modèle en utilisant un ou plusieurs algorithmes de réparation de modèle et/ou les données d'entrée en utilisant un ou plusieurs algorithmes de réparation de données et/ou une fonction de récompense du modèle en utilisant un ou plusieurs algorithmes de réparation de récompense, puis reformer le modèle en utilisant le modèle modifié et/ou les données d'entrée modifiées et/ou la fonction de récompense modifiée ; ou si le modèle répond aux contraintes liées à la confiance, fournir le modèle à titre de modèle de confiance qui permet à un contrôleur de système informatique d'effectuer des actions du système dans le cadre de garanties prédéterminées.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS ; COMPUTING ; COUNTING ; PHYSICS</subject><creationdate>2017</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20171228&DB=EPODOC&CC=WO&NR=2017223192A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,780,885,25564,76547</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20171228&DB=EPODOC&CC=WO&NR=2017223192A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>RAMAMURTHY, Bhaskar S</creatorcontrib><creatorcontrib>GHOSH, Shalini</creatorcontrib><creatorcontrib>LINCOLN, Patrick D</creatorcontrib><title>SYSTEMS AND METHODS FOR MACHINE LEARNING USING A TRUSTED MODEL</title><description>Methods and systems of using machine learning to create a trusted model that improves the operation of a computer system controller are provided herein. In some embodiments, a machine learning method includes training a model using input data, extracting the model, and determining whether the model satisfies the trust-related constraints. If the model does not satisfy the trust-related constraint, modifying at least one of: the model using one or more model repair algorithms, the input data using one or more data repair algorithms, or a reward function of the model using one or more reward repair algorithms, and re-training the model using at least one of the modified model, the modified input data, or the modified reward function. If the model satisfies the trust-related constraints, providing the model as a trusted model that enables a computer system controller to perform system actions within predetermined guarantees.
L'invention concerne des procédés et des systèmes d'utilisation d'un apprentissage machine pour créer un modèle de confiance qui améliore le fonctionnement d'un contrôleur de système informatique. Dans certains modes de réalisation, un procédé d'apprentissage machine comprend les étapes consistant à : former un modèle à l'aide de données d'entrée ; extraire le modèle ; déterminer si le modèle répond aux contraintes liées à la confiance ; et, si le modèle ne répond pas aux contraintes liées à la confiance, modifier le modèle en utilisant un ou plusieurs algorithmes de réparation de modèle et/ou les données d'entrée en utilisant un ou plusieurs algorithmes de réparation de données et/ou une fonction de récompense du modèle en utilisant un ou plusieurs algorithmes de réparation de récompense, puis reformer le modèle en utilisant le modèle modifié et/ou les données d'entrée modifiées et/ou la fonction de récompense modifiée ; ou si le modèle répond aux contraintes liées à la confiance, fournir le modèle à titre de modèle de confiance qui permet à un contrôleur de système informatique d'effectuer des actions du système dans le cadre de garanties prédéterminées.</description><subject>CALCULATING</subject><subject>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2017</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZLALjgwOcfUNVnD0c1HwdQ3x8HcJVnDzD1LwdXT28PRzVfBxdQzy8_RzVwgNBpGOCiFBoUAdQMX-Lq4-PAysaYk5xam8UJqbQdnNNcTZQze1ID8-tbggMTk1L7UkPtzfyMDQ3MjI2NDSyNHQmDhVAPHYKt0</recordid><startdate>20171228</startdate><enddate>20171228</enddate><creator>RAMAMURTHY, Bhaskar S</creator><creator>GHOSH, Shalini</creator><creator>LINCOLN, Patrick D</creator><scope>EVB</scope></search><sort><creationdate>20171228</creationdate><title>SYSTEMS AND METHODS FOR MACHINE LEARNING USING A TRUSTED MODEL</title><author>RAMAMURTHY, Bhaskar S ; GHOSH, Shalini ; LINCOLN, Patrick D</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2017223192A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2017</creationdate><topic>CALCULATING</topic><topic>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>RAMAMURTHY, Bhaskar S</creatorcontrib><creatorcontrib>GHOSH, Shalini</creatorcontrib><creatorcontrib>LINCOLN, Patrick D</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>RAMAMURTHY, Bhaskar S</au><au>GHOSH, Shalini</au><au>LINCOLN, Patrick D</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>SYSTEMS AND METHODS FOR MACHINE LEARNING USING A TRUSTED MODEL</title><date>2017-12-28</date><risdate>2017</risdate><abstract>Methods and systems of using machine learning to create a trusted model that improves the operation of a computer system controller are provided herein. In some embodiments, a machine learning method includes training a model using input data, extracting the model, and determining whether the model satisfies the trust-related constraints. If the model does not satisfy the trust-related constraint, modifying at least one of: the model using one or more model repair algorithms, the input data using one or more data repair algorithms, or a reward function of the model using one or more reward repair algorithms, and re-training the model using at least one of the modified model, the modified input data, or the modified reward function. If the model satisfies the trust-related constraints, providing the model as a trusted model that enables a computer system controller to perform system actions within predetermined guarantees.
L'invention concerne des procédés et des systèmes d'utilisation d'un apprentissage machine pour créer un modèle de confiance qui améliore le fonctionnement d'un contrôleur de système informatique. Dans certains modes de réalisation, un procédé d'apprentissage machine comprend les étapes consistant à : former un modèle à l'aide de données d'entrée ; extraire le modèle ; déterminer si le modèle répond aux contraintes liées à la confiance ; et, si le modèle ne répond pas aux contraintes liées à la confiance, modifier le modèle en utilisant un ou plusieurs algorithmes de réparation de modèle et/ou les données d'entrée en utilisant un ou plusieurs algorithmes de réparation de données et/ou une fonction de récompense du modèle en utilisant un ou plusieurs algorithmes de réparation de récompense, puis reformer le modèle en utilisant le modèle modifié et/ou les données d'entrée modifiées et/ou la fonction de récompense modifiée ; ou si le modèle répond aux contraintes liées à la confiance, fournir le modèle à titre de modèle de confiance qui permet à un contrôleur de système informatique d'effectuer des actions du système dans le cadre de garanties prédéterminées.</abstract><oa>free_for_read</oa></addata></record> |
fulltext | fulltext_linktorsrc |
identifier | |
ispartof | |
issn | |
language | eng ; fre |
recordid | cdi_epo_espacenet_WO2017223192A1 |
source | esp@cenet |
subjects | CALCULATING COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS COMPUTING COUNTING PHYSICS |
title | SYSTEMS AND METHODS FOR MACHINE LEARNING USING A TRUSTED MODEL |
url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-03T01%3A51%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=RAMAMURTHY,%20Bhaskar%20S&rft.date=2017-12-28&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2017223192A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true |