ITERATIVE TRAINING OF COMPUTER MODEL FOR MACHINE LEARNING

The present disclosure relates to a computer receiving a current training dataset. A first fraction of the training dataset comprises synthetic training data and a remaining second fraction of the training dataset comprising real-life training data. The real-life training data is user defined data and the synthetic training data is system defined data. A machine learning based engine is trained and may repeatedly be performed by using the current training dataset. In each iteration or a subset of the iterations, the training dataset is updated by adding real-life training data, thereby increasing the second fraction in the updated training dataset and reducing the first fraction of the synthetic training data. La présente divulgation concerne un ordinateur recevant un ensemble de données d'apprentissage actuel. Une première fraction de l'ensemble de données d'apprentissage comprend des données d'apprentissage synthétique et une seconde fraction restante de l'ensemble de données d'apprentissage comprenant des données d'apprentissage réel. Les données d'apprentissage réel sont des données définies par l'utilisateur et les données d'apprentissage synthétique sont des données définies par le système. Un moteur basé sur l'apprentissage automatique est entraîné et peut être mis en œuvre de manière répétée à l'aide de l'ensemble de données d'apprentissage actuel. Dans chaque itération ou dans un sous-ensemble des itérations, l'ensemble de données d'apprentissage est mis à jour par ajout de données d'apprentissage réel, ce qui permet d'augmenter la seconde fraction dans l'ensemble de données d'apprentissage mis à jour et de réduire la première fraction des données d'apprentissage synthétique.