KOOPERATIVE NEURONALE NETZE MIT RÄUMLICHEN EINSCHLUSSVORGABEN

• Main Authors: Katsis, Ioannis, Wang, Xin Ru, Burdick, Douglas R, Zheng, Xinyi
• Format: Patent
• Language: German
• Published: 24.11.2022
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; PHYSICS

Hierin werden Verfahren, Systeme und Computerprogrammprodukte für kooperative neuronale Netze mit räumlichen Einschlussvorgaben bereitgestellt. Ein durch einen Computer realisiertes Verfahren umfasst Aufteilen einer Verarbeitungsaufgabe in mehrere Teilaufgaben; Trainieren mehrerer unabhängiger neuronaler Netze derart, dass zumindest einige der mehreren Teilaufgaben unterschiedlichen der mehreren unabhängigen neuronalen Netze entsprechen; Definieren mindestens eines Vorgabeverlusts für eine gegebene der mehreren Teilaufgaben, zumindest teilweise basierend auf vorgabebasiertem Domänenwissen, welches auf die Verarbeitungsaufgabe bezogen ist, wobei der mindestens eine Vorgabeverlust von einer Ausgabe aus mindestens einer der mehreren anderen Teilaufgaben abhängt; und Neu-Trainieren zumindest eines Teils der mehreren unabhängigen neuronalen Netze, wobei das Neu-Trainieren von einer Verwendung des mindestens einen Vorgabeverlusts abhängt. Methods, systems, and computer program products for cooperative neural networks with spatial containment constraints are provided herein. A computer-implemented method includes dividing a processing task into multiple sub-tasks; training multiple independent neural networks, such that at least some of the multiple sub-tasks correspond to different ones of the multiple independent neural networks; defining, via implementing constraint-based domain knowledge related to the processing task in connection with the multiple independent neural networks, a constraint loss for a given one of the multiple sub-tasks, the constraint loss being dependent on output from at least one of the other multiple sub-tasks; and effecting re-training of at least a portion of the multiple independent neural networks by incorporating the constraint loss into at least one of the multiple independent neural networks.