선택적 역전파

머신 학습 모델에 대한 클래스들 사이의 트레이닝 데이터의 밸런스가 수정된다. 기울기 스테이지에서 조정들이 행해지고, 선택적 역전파를 이용하여 비용 함수를 수정하여 데이터 세트들에서의 클래스 예 빈도에 기초하여 기울기를 조정 또는 선택적으로 적용한다. 기울기를 수정하는 팩터는 현재 클래스의 예들의 수에 대한 최소 멤버들을 갖는 클래스의 예들의 수의 비율에 기초하여 결정된다. 현재 클래스와 연관된 기울기는 위에서 결정된 팩터에 기초하여 수정된다. The balance of training data between classes for a...

Full description

Saved in:
Bibliographic Details
Main Authors TOWAL REGAN BLYTHE, JULIAN DAVID JONATHAN
Format Patent
LanguageKorean
Published 11.06.2018
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:머신 학습 모델에 대한 클래스들 사이의 트레이닝 데이터의 밸런스가 수정된다. 기울기 스테이지에서 조정들이 행해지고, 선택적 역전파를 이용하여 비용 함수를 수정하여 데이터 세트들에서의 클래스 예 빈도에 기초하여 기울기를 조정 또는 선택적으로 적용한다. 기울기를 수정하는 팩터는 현재 클래스의 예들의 수에 대한 최소 멤버들을 갖는 클래스의 예들의 수의 비율에 기초하여 결정된다. 현재 클래스와 연관된 기울기는 위에서 결정된 팩터에 기초하여 수정된다. The balance of training data between classes for a machine learning model is modified. Adjustments are made at the gradient stage where selective backpropagation is utilized to modify a cost function to adjust or selectively apply the gradient based on the class example frequency in the data sets. The factor for modifying the gradient may be determined based on a ratio of the number of examples of the class with a fewest members to the number of examples of a present class. The gradient associated with the present class is modified based on the above determined factor.
Bibliography:Application Number: KR20187012033