SYSTEMS AND METHODS FOR CHAINED MACHINE LEARNING MODELS FOR SIGNAL DATA SIGNATURE LABELLING

Systems and methods of the present disclosure enable identifying labelling a source signal data signature using a computing system to test candidate chain oracle models by iteratively performing, for each particular number of neural network models in the range of the number of neural network models, a predetermined number of trials, where each trail includes: randomly selecting the particular number of neural network models; utilizing each neural network model of the particular number of neural network models to generate a respective predictive output based on the second input data; utilizing the ER model to generate a trial output based on the respective predictive output, and determining a model trial performance based on: the trial output, the second output data, and at least one machine learning performance metric. A chain oracle model from the candidate chain oracle models is determined based on the machine learning performance metric. Les systèmes et les procédés de la présente divulgation permettent d'identifier un étiquetage d'une signature de données de signal source à l'aide d'un système informatique pour tester des modèles oracle de chaîne candidats par réalisation itérative, pour chaque nombre particulier de modèles de réseau neuronal dans la plage du nombre de modèles de réseau neuronal, d'un nombre prédéterminé d'essais, chaque piste comprenant : la sélection aléatoire du nombre particulier de modèles de réseau neuronal ; utiliser chaque modèle de réseau neuronal du nombre particulier de modèles de réseau neuronal pour générer une sortie prédictive respective sur la base des secondes données d'entrée ; utiliser le modèle ER pour générer une sortie d'essai sur la base de la sortie prédictive respective, et déterminer une performance d'essai de modèle sur la base : de la sortie d'essai, des secondes données de sortie et d'au moins une métrique de performance d'apprentissage machine. Un modèle oracle de chaîne à partir des modèles oracle de chaîne candidats est déterminé sur la base de la métrique de performance d'apprentissage automatique.