当前位置: 首页 > 专利查询>英特尔公司专利>正文

将人类标注者影响嵌入在计算环境中的机器学习界面中制造技术

技术编号:23705909 阅读:55 留言:0更新日期:2020-04-08 11:22
根据一个实施例,描述了一种用于促进将人类标注者影响嵌入在计算环境中的机器学习界面中的机制。如本文中所述,实施例的方法包括:经由计算设备的一个或多个传感器检测传感器数据;以及在耦合到计算设备的一个或多个数据库处访问人类标注者数据。该方法可以进一步包括:评估传感器数据与人类标注者数据之间的相关性,其中相关性基于与人类标注者数据相对应的人类行为来标识传感器数据的含义;基于该相关性将人类标注者数据与传感器数据相关联,以将传感器数据分类为经标注的数据。该方法可以进一步包括:基于经标注的数据训练机器学习模型,以经被标注的数据中提取人类影响,并将人类影响中的一个或多个人类影响嵌入在表示涉及一个或多个人的一个或多个物理场景的一个或多个环境中。

【技术实现步骤摘要】
将人类标注者影响嵌入在计算环境中的机器学习界面中
本文描述的实施例总体上涉及数据处理,并且更具体地涉及促进将人类标注者(humanlabeler)影响嵌入在计算环境中的机器学习界面中。
技术介绍
在传统技术中,人类参考通常用于命名图像中的对象、标识音频剪辑中的声音、检测视频剪辑中的活动等。然而,此类传统技术受到严重限制,因为它们忽略了大量的人类行为以及其他此类变量,诸如,人类行为的不确定性、偏好、偏见等。此类缺陷被转入到传统的推理模型中,使得今天的机器学习模型有些不完整和不确定。附图说明在所附附图的各图中,以示例方式而不以限制方式对实施例进行说明,其中相同的附图标记指代类似的要素。图1示出了根据一个实施例的采用人类标注者机制的计算设备。图2示出了根据一个实施例的人类标注者机制。图3A示出了根据一个实施例的用于将人类标注者影响嵌入在机器学习模型中的事务序列。图3B示出了传统的早期融合方案。图3C示出了传统的后期融合方案。图4A示出了根据一个实施例的用于基于早期融合将人类标注者本文档来自技高网...

【技术保护点】
1.一种用于促进将人类标注者影响嵌入在计算环境中的机器学习界面中的设备,所述设备包括:/n一个或多个处理器,用于:/n利用人类标注者数据对传感器数据进行分类,其中所述传感器数据通过一个或多个传感器获得;以及/n基于特征来创建并训练统一机器学习模型,所述特征与基于所述人类标注者数据的经分类的传感器数据相关联,其中所述特征包括从与所述传感器数据相关联的所述人类标注者数据获得的人类标注者影响。/n

【技术特征摘要】
20180928 US 16/145,6011.一种用于促进将人类标注者影响嵌入在计算环境中的机器学习界面中的设备,所述设备包括:
一个或多个处理器,用于:
利用人类标注者数据对传感器数据进行分类,其中所述传感器数据通过一个或多个传感器获得;以及
基于特征来创建并训练统一机器学习模型,所述特征与基于所述人类标注者数据的经分类的传感器数据相关联,其中所述特征包括从与所述传感器数据相关联的所述人类标注者数据获得的人类标注者影响。


2.如权利要求1所述的设备,其特征在于,所述一个或多个处理器进一步用于:
通过所述一个或多个传感器来检测所述传感器数据,所述一个或多个传感器包括相机、麦克风、触摸传感器、电容器、无线电组件、雷达组件、扫描仪、和加速度计中的一个或多个;以及
监测所述人类标注者数据以确定人类行为和人类变量中的一个或多个,其中所述人类标注者数据通过多个源获得,所述多个源包括所述一个或多个传感器、历史数据、分类数据、和个人简档中的一个或多个。


3.如权利要求2所述的设备,其特征在于,所述一个或多个处理器进一步用于:在对所述传感器数据进行分类之前,评估所述人类行为和所述人类变量以及所述人类行为和所述人类变量与所述传感器数据的关联性。


4.如权利要求3所述的设备,其特征在于,所述一个或多个处理器进一步用于:过滤掉所述人类变量中的与不准确性、意外后果、和偏见中的一个或多个相关联的一个或多个人类变量,其中被过滤掉的一个或多个人类变量包括年龄、性别、种族、民族、国籍、宗教、和性取向中的一个或多个,并且其中被过滤掉的一个或多个人类变量进一步包括意外行为和巧合项目中的一个或多个,其中,所述一个或多个处理器进一步用于:在将第一人类变量和第二人类变量应用于训练机器学习模型时,识别并考虑所述第一人类变量与所述第二人类变量之间的一个或多个方差。


5.如权利要求1所述的设备,其特征在于,所述统一机器学习模型在早期融合机器学习环境中被创建和训练。


6.如权利要求1所述的设备,其特征在于,所述一个或多个处理器进一步用于:
创建并训练多个机器学习模型,使得所述多个机器学习模型中的每一个机器学习模型基于所述特征中的与所述传感器数据相关联的第一特征或所述特征中的与所述人类标注者数据相关联的第二特征;以及
基于从与所述传感器数据和所述人类标注者数据相关联的所述多个机器学习模型获得的平均结果来计算得分,其中所述得分被维持在一个或多个数据库中以用于未来的机器学习模型的创建和训练。


7.如权利要求1所述的设备,其特征在于,所述一个或多个处理器包括图形处理器和应用处理器中的一个或多个,其中,所述图形处理器和所述应用处理器共同位于公共的半导体封装上。


8.一种用于促进将人类标注者影响嵌入在计算环境中的机器学习界面中的方法,所述方法包括:
经由计算设备的一个或多个传感器检测传感器数据;
在耦合至所述计算设备的一个或多个数据库处访问人类标注者数据;
评估所述传感器数据与所述人类标注者数据之间的相关性,其中所述相关性基于与所述人类标注者数据对应的人类行为标识所述传感器数据的含义;
基于所述相关性将所述人类标注者数据与所述传感器数据相关联,以将所述传感器数据分类为经标注的数据;以及
基于所述经标注的数据来训练机器学习模型,以从所述经标注的数据提取人类影响,并将所述人类影响中的一个或多个人类影响...

【专利技术属性】
技术研发人员:G·J·安德森
申请(专利权)人:英特尔公司
类型:发明
国别省市:美国;US

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1