METHOD FOR TRAINING A MACHINE LEARNING MODEL

Gemäß verschiedenen Ausführungsformen wird ein Verfahren zum Trainieren eines maschinellen Lernmodells (108) bereitgestellt, aufweisend Einteilen, für Trainingsdaten, die eine Vielzahl von Trainingsdatenelementen enthalten, die jeweils ein Paar aus Trainingseingabe und Zielverarbeitungsergebnis für...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: COORS, Benjamin, CIMURS, Reinis, GOTH, Johannes
Format: Patent
Sprache:eng ; fre ; ger
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 COORS, Benjamin
CIMURS, Reinis
GOTH, Johannes
description Gemäß verschiedenen Ausführungsformen wird ein Verfahren zum Trainieren eines maschinellen Lernmodells (108) bereitgestellt, aufweisend Einteilen, für Trainingsdaten, die eine Vielzahl von Trainingsdatenelementen enthalten, die jeweils ein Paar aus Trainingseingabe und Zielverarbeitungsergebnis für die Trainingseingabe aus einem Ergebnisraum angeben, des Ergebnisraums in Bereiche (403, 404, 405), Ermitteln einer Akzeptanzrate abhängig von der Anzahl der Bereiche (403, 404, 405), für die jeweils gilt, dass die Trainingsdaten (402) mindestens ein Trainingsdatenelement aufweisen, das ein Zielverarbeitungsergebnis angibt, das in dem jeweiligen Bereich (403, 404, 405) liegt; und, für jede Trainingsiteration Trainingsdatenelementen (406) aus den Trainingsdaten (402) abhängig von der Akzeptanzrate ausgewählt werden und das maschinelle Lernmodell (108) mittels der für die Trainings-Iteration ausgewählten Trainingsdatenelemente trainiert wird. Various embodiments provide a method for training a machine learning model (108), comprising, for training data containing a multiplicity of training data elements each indicating a pair comprising a training input and a target processing result for the training input from a result space, dividing the result space into regions (403, 404, 405), determining an acceptance rate depending on the number of regions (403, 404, 405) for each of which the training data (402) have at least one training data element indicating a target processing result that is in the particular region (403, 404, 405); and, for each training iteration, training data elements (406) are selected from the training data (402) depending on the acceptance rate, and the machine learning model (108) is trained using the training data elements selected for the training iteration. Divers modes de réalisation concernent un procédé d'apprentissage d'un modèle d'apprentissage machine (108), comprenant, pour des données d'apprentissage contenant une multiplicité d'éléments de données d'apprentissage indiquant chacun une paire comprenant une entrée d'apprentissage et un résultat de traitement cible pour l'entrée d'apprentissage à partir d'un espace de résultat, la division de l'espace de résultat en zones (403, 404, 405), la détermination d'un taux d'acceptation en fonction du nombre de zones (403, 404, 405) pour chacune desquelles les données d'apprentissage (402) ont au moins un élément de données d'apprentissage indiquant un résultat de traitement cible qui est dans
format Patent
fullrecord <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2024213375A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2024213375A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2024213375A13</originalsourceid><addsrcrecordid>eNrjZNDxdQ3x8HdRcPMPUggJcvT08_RzV3BU8HV09vD0c1XwcXUMAgv5-ru4-vAwsKYl5hSn8kJpbgZlN9cQZw_d1IL8-NTigsTk1LzUkvhwfyMDIxMjQ2Njc1NHQ2PiVAEAA8MluA</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>METHOD FOR TRAINING A MACHINE LEARNING MODEL</title><source>esp@cenet</source><creator>COORS, Benjamin ; CIMURS, Reinis ; GOTH, Johannes</creator><creatorcontrib>COORS, Benjamin ; CIMURS, Reinis ; GOTH, Johannes</creatorcontrib><description>Gemäß verschiedenen Ausführungsformen wird ein Verfahren zum Trainieren eines maschinellen Lernmodells (108) bereitgestellt, aufweisend Einteilen, für Trainingsdaten, die eine Vielzahl von Trainingsdatenelementen enthalten, die jeweils ein Paar aus Trainingseingabe und Zielverarbeitungsergebnis für die Trainingseingabe aus einem Ergebnisraum angeben, des Ergebnisraums in Bereiche (403, 404, 405), Ermitteln einer Akzeptanzrate abhängig von der Anzahl der Bereiche (403, 404, 405), für die jeweils gilt, dass die Trainingsdaten (402) mindestens ein Trainingsdatenelement aufweisen, das ein Zielverarbeitungsergebnis angibt, das in dem jeweiligen Bereich (403, 404, 405) liegt; und, für jede Trainingsiteration Trainingsdatenelementen (406) aus den Trainingsdaten (402) abhängig von der Akzeptanzrate ausgewählt werden und das maschinelle Lernmodell (108) mittels der für die Trainings-Iteration ausgewählten Trainingsdatenelemente trainiert wird. Various embodiments provide a method for training a machine learning model (108), comprising, for training data containing a multiplicity of training data elements each indicating a pair comprising a training input and a target processing result for the training input from a result space, dividing the result space into regions (403, 404, 405), determining an acceptance rate depending on the number of regions (403, 404, 405) for each of which the training data (402) have at least one training data element indicating a target processing result that is in the particular region (403, 404, 405); and, for each training iteration, training data elements (406) are selected from the training data (402) depending on the acceptance rate, and the machine learning model (108) is trained using the training data elements selected for the training iteration. Divers modes de réalisation concernent un procédé d'apprentissage d'un modèle d'apprentissage machine (108), comprenant, pour des données d'apprentissage contenant une multiplicité d'éléments de données d'apprentissage indiquant chacun une paire comprenant une entrée d'apprentissage et un résultat de traitement cible pour l'entrée d'apprentissage à partir d'un espace de résultat, la division de l'espace de résultat en zones (403, 404, 405), la détermination d'un taux d'acceptation en fonction du nombre de zones (403, 404, 405) pour chacune desquelles les données d'apprentissage (402) ont au moins un élément de données d'apprentissage indiquant un résultat de traitement cible qui est dans la zone particulière (403, 404, 405); et, pour chaque itération d'entraînement, des éléments de données d'apprentissage (406) sont sélectionnés parmi les données d'apprentissage (402) en fonction du taux d'acceptation, et le modèle d'apprentissage machine (108) est entraîné à l'aide des éléments de données d'apprentissage sélectionnés pour l'itération d'entraînement.</description><language>eng ; fre ; ger</language><subject>CALCULATING ; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS ; COMPUTING ; COUNTING ; PHYSICS</subject><creationdate>2024</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&amp;date=20241017&amp;DB=EPODOC&amp;CC=WO&amp;NR=2024213375A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,776,881,25542,76290</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20241017&amp;DB=EPODOC&amp;CC=WO&amp;NR=2024213375A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>COORS, Benjamin</creatorcontrib><creatorcontrib>CIMURS, Reinis</creatorcontrib><creatorcontrib>GOTH, Johannes</creatorcontrib><title>METHOD FOR TRAINING A MACHINE LEARNING MODEL</title><description>Gemäß verschiedenen Ausführungsformen wird ein Verfahren zum Trainieren eines maschinellen Lernmodells (108) bereitgestellt, aufweisend Einteilen, für Trainingsdaten, die eine Vielzahl von Trainingsdatenelementen enthalten, die jeweils ein Paar aus Trainingseingabe und Zielverarbeitungsergebnis für die Trainingseingabe aus einem Ergebnisraum angeben, des Ergebnisraums in Bereiche (403, 404, 405), Ermitteln einer Akzeptanzrate abhängig von der Anzahl der Bereiche (403, 404, 405), für die jeweils gilt, dass die Trainingsdaten (402) mindestens ein Trainingsdatenelement aufweisen, das ein Zielverarbeitungsergebnis angibt, das in dem jeweiligen Bereich (403, 404, 405) liegt; und, für jede Trainingsiteration Trainingsdatenelementen (406) aus den Trainingsdaten (402) abhängig von der Akzeptanzrate ausgewählt werden und das maschinelle Lernmodell (108) mittels der für die Trainings-Iteration ausgewählten Trainingsdatenelemente trainiert wird. Various embodiments provide a method for training a machine learning model (108), comprising, for training data containing a multiplicity of training data elements each indicating a pair comprising a training input and a target processing result for the training input from a result space, dividing the result space into regions (403, 404, 405), determining an acceptance rate depending on the number of regions (403, 404, 405) for each of which the training data (402) have at least one training data element indicating a target processing result that is in the particular region (403, 404, 405); and, for each training iteration, training data elements (406) are selected from the training data (402) depending on the acceptance rate, and the machine learning model (108) is trained using the training data elements selected for the training iteration. Divers modes de réalisation concernent un procédé d'apprentissage d'un modèle d'apprentissage machine (108), comprenant, pour des données d'apprentissage contenant une multiplicité d'éléments de données d'apprentissage indiquant chacun une paire comprenant une entrée d'apprentissage et un résultat de traitement cible pour l'entrée d'apprentissage à partir d'un espace de résultat, la division de l'espace de résultat en zones (403, 404, 405), la détermination d'un taux d'acceptation en fonction du nombre de zones (403, 404, 405) pour chacune desquelles les données d'apprentissage (402) ont au moins un élément de données d'apprentissage indiquant un résultat de traitement cible qui est dans la zone particulière (403, 404, 405); et, pour chaque itération d'entraînement, des éléments de données d'apprentissage (406) sont sélectionnés parmi les données d'apprentissage (402) en fonction du taux d'acceptation, et le modèle d'apprentissage machine (108) est entraîné à l'aide des éléments de données d'apprentissage sélectionnés pour l'itération d'entraînement.</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>2024</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZNDxdQ3x8HdRcPMPUggJcvT08_RzV3BU8HV09vD0c1XwcXUMAgv5-ru4-vAwsKYl5hSn8kJpbgZlN9cQZw_d1IL8-NTigsTk1LzUkvhwfyMDIxMjQ2Njc1NHQ2PiVAEAA8MluA</recordid><startdate>20241017</startdate><enddate>20241017</enddate><creator>COORS, Benjamin</creator><creator>CIMURS, Reinis</creator><creator>GOTH, Johannes</creator><scope>EVB</scope></search><sort><creationdate>20241017</creationdate><title>METHOD FOR TRAINING A MACHINE LEARNING MODEL</title><author>COORS, Benjamin ; CIMURS, Reinis ; GOTH, Johannes</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2024213375A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre ; ger</language><creationdate>2024</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>COORS, Benjamin</creatorcontrib><creatorcontrib>CIMURS, Reinis</creatorcontrib><creatorcontrib>GOTH, Johannes</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>COORS, Benjamin</au><au>CIMURS, Reinis</au><au>GOTH, Johannes</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>METHOD FOR TRAINING A MACHINE LEARNING MODEL</title><date>2024-10-17</date><risdate>2024</risdate><abstract>Gemäß verschiedenen Ausführungsformen wird ein Verfahren zum Trainieren eines maschinellen Lernmodells (108) bereitgestellt, aufweisend Einteilen, für Trainingsdaten, die eine Vielzahl von Trainingsdatenelementen enthalten, die jeweils ein Paar aus Trainingseingabe und Zielverarbeitungsergebnis für die Trainingseingabe aus einem Ergebnisraum angeben, des Ergebnisraums in Bereiche (403, 404, 405), Ermitteln einer Akzeptanzrate abhängig von der Anzahl der Bereiche (403, 404, 405), für die jeweils gilt, dass die Trainingsdaten (402) mindestens ein Trainingsdatenelement aufweisen, das ein Zielverarbeitungsergebnis angibt, das in dem jeweiligen Bereich (403, 404, 405) liegt; und, für jede Trainingsiteration Trainingsdatenelementen (406) aus den Trainingsdaten (402) abhängig von der Akzeptanzrate ausgewählt werden und das maschinelle Lernmodell (108) mittels der für die Trainings-Iteration ausgewählten Trainingsdatenelemente trainiert wird. Various embodiments provide a method for training a machine learning model (108), comprising, for training data containing a multiplicity of training data elements each indicating a pair comprising a training input and a target processing result for the training input from a result space, dividing the result space into regions (403, 404, 405), determining an acceptance rate depending on the number of regions (403, 404, 405) for each of which the training data (402) have at least one training data element indicating a target processing result that is in the particular region (403, 404, 405); and, for each training iteration, training data elements (406) are selected from the training data (402) depending on the acceptance rate, and the machine learning model (108) is trained using the training data elements selected for the training iteration. Divers modes de réalisation concernent un procédé d'apprentissage d'un modèle d'apprentissage machine (108), comprenant, pour des données d'apprentissage contenant une multiplicité d'éléments de données d'apprentissage indiquant chacun une paire comprenant une entrée d'apprentissage et un résultat de traitement cible pour l'entrée d'apprentissage à partir d'un espace de résultat, la division de l'espace de résultat en zones (403, 404, 405), la détermination d'un taux d'acceptation en fonction du nombre de zones (403, 404, 405) pour chacune desquelles les données d'apprentissage (402) ont au moins un élément de données d'apprentissage indiquant un résultat de traitement cible qui est dans la zone particulière (403, 404, 405); et, pour chaque itération d'entraînement, des éléments de données d'apprentissage (406) sont sélectionnés parmi les données d'apprentissage (402) en fonction du taux d'acceptation, et le modèle d'apprentissage machine (108) est entraîné à l'aide des éléments de données d'apprentissage sélectionnés pour l'itération d'entraînement.</abstract><oa>free_for_read</oa></addata></record>
fulltext fulltext_linktorsrc
identifier
ispartof
issn
language eng ; fre ; ger
recordid cdi_epo_espacenet_WO2024213375A1
source esp@cenet
subjects CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
PHYSICS
title METHOD FOR TRAINING A MACHINE LEARNING MODEL
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-01T01%3A07%3A44IST&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=COORS,%20Benjamin&rft.date=2024-10-17&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2024213375A1%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