【技术实现步骤摘要】
【国外来华专利技术】经由多预测模型架构进行异常检测的系统和方法相关申请本申请要求以下优先权:(i)2018年7月9日提交的标题为《经由多预测模型架构进行异常检测的系统和方法(SystemandMethodforAnomalyDetectionviaaMulti-Prediction-ModelArchitecture)》的美国专利申请第16/029,747号,(ii)2018年6月18日提交的标题为《经由多预测模型架构进行异常检测的系统和方法(SystemandMethodforAnomalyDetectionviaaMulti-Prediction-ModelArchitecture)》的美国专利申请第16/011,136号,以及(iii)2017年11月17日提交的标题为《用于异常检测的系统和方法(SystemandMethodforDetectionofAnomaly)》的美国临时申请第62/587,738号,将该三者中的每一个整体以引用方式并入本文中。
本专利技术涉及概念或异常的识别或检测,包括例如经由一个或多个神经网络或其它预测模型的异常检测。
技术介绍
近年来,由于计算机硬件的性能、训练集的大小、对人工智能的理论理解的进步以及其它进步,人工智能和机器学习领域经历了复兴。这种复兴在其它
取得了许多进步,包括识别或其它预测系统。现有的机器学习系统可以对数据进行分类,诸如x射线图像、磁共振图像、体积扫描(例如,CT扫描)或用于诊断目的的其它数据。这类机器学习系统通常依赖于通过标签呈现已知异常。例如,视网膜病理 ...
【技术保护点】
1.一种经由多神经网络架构来利于异常检测的方法,所述方法由计算机系统实现,所述计算机系统包括一个或多个执行计算机程序指令的处理器,所述计算机程序指令在被执行时执行所述方法,所述方法包括:/n获得与概念相对应的数据项;/n将所述数据项提供给第一神经网络,以使所述第一神经网络根据所述数据项来生成所述数据项的隐藏表示;/n将所述数据项的隐藏表示提供给第二神经网络,以使所述第二神经网络根据所述数据项的隐藏表示来生成所述数据项的重构;/n将所述数据项的重构作为参考反馈提供给所述第一神经网络,以使所述第一神经网络针对所述数据项来评估所述数据项的重构,所述第一神经网络基于所述第一神经网络对所述数据项的重构的评估来更新所述第一神经网络的一个或多个与表示生成相关的配置;/n在提供所述数据项的重构之后,执行以下操作:/n将第一数据项提供给所述第一神经网络,以使所述第一神经网络根据所述第一数据项来生成所述第一数据项的隐藏表示;/n将所述第一数据项的隐藏表示提供给所述第二神经网络,以使所述第二神经网络根据所述第一数据项的隐藏表示来生成所述第一数据项的重构;以及/n基于所述第一数据项与所述第一数据项的重构之间的 ...
【技术特征摘要】
【国外来华专利技术】20171117 US 62/587,738;20180618 US 16/011,136;20181.一种经由多神经网络架构来利于异常检测的方法,所述方法由计算机系统实现,所述计算机系统包括一个或多个执行计算机程序指令的处理器,所述计算机程序指令在被执行时执行所述方法,所述方法包括:
获得与概念相对应的数据项;
将所述数据项提供给第一神经网络,以使所述第一神经网络根据所述数据项来生成所述数据项的隐藏表示;
将所述数据项的隐藏表示提供给第二神经网络,以使所述第二神经网络根据所述数据项的隐藏表示来生成所述数据项的重构;
将所述数据项的重构作为参考反馈提供给所述第一神经网络,以使所述第一神经网络针对所述数据项来评估所述数据项的重构,所述第一神经网络基于所述第一神经网络对所述数据项的重构的评估来更新所述第一神经网络的一个或多个与表示生成相关的配置;
在提供所述数据项的重构之后,执行以下操作:
将第一数据项提供给所述第一神经网络,以使所述第一神经网络根据所述第一数据项来生成所述第一数据项的隐藏表示;
将所述第一数据项的隐藏表示提供给所述第二神经网络,以使所述第二神经网络根据所述第一数据项的隐藏表示来生成所述第一数据项的重构;以及
基于所述第一数据项与所述第一数据项的重构之间的差异来检测所述第一数据项中的异常。
2.根据权利要求1所述的方法,还包括:
在提供所述数据项的重构之后,执行以下操作:
将第二数据项提供给所述第一神经网络,以使所述第一神经网络根据所述第二数据项生成所述第二数据项的隐藏表示;以及
将所述第二数据项的隐藏表示提供给所述第二神经网络,以使所述第二神经网络根据所述第二数据项的隐藏表示生成所述第二数据项的重构,
其中基于所述第二数据项与所述第二数据项的重构之间的差异,在所述第二数据项中未检测到异常。
3.根据权利要求1所述的方法,其中没有将所述第一神经网络的输出作为参考反馈提供给所述第二神经网络。
4.根据权利要求1所述的方法,还包括:
在提供所述数据项的重构之后,执行以下操作:
获得与所述概念相对应的附加数据项;
将所述附加数据项提供给所述第一神经网络,以使所述第一神经网络根据所述附加数据项来生成所述附加数据项的隐藏表示;
将所述附加数据项的隐藏表示提供给所述第二神经网络,以使所述第二神经网络根据所述附加数据项的隐藏表示来生成所述附加数据项的重构;
将所述附加数据项、所述附加数据项的重构、以及给定参考反馈提供给第三神经网络,以使所述第三神经网络基于所述附加数据项、所述附加数据项的重构以及所述给定参考反馈进行训练以生成以下指示:所述附加数据项中的每个附加数据项和与所述附加数据项相对应的重构是相似的;以及
将所述第一数据项和所述第一数据项的重构提供给所述第三神经网络,以使所述第三神经网络评估所述第一数据项与所述第一数据项的重构之间的差异,所述第三神经网络基于所述第一数据项与所述第一数据项的重构之间的差异生成以下指示:所述第一数据项和所述第一数据项的重构不相似,
其中
检测所述异常包括基于由所述第三神经网络生成的所述指示来检测所述第一数据项中的异常。
5.根据权利要求1所述的方法,其中所述第一神经网络被配置成在更新所述第一神经网络之后,根据所述数据项来生成所述数据项的附加隐藏表示,所述方法还包括:
将所述数据项的附加隐藏表示提供给所述第二神经网络,以使所述第二神经网络根据所述数据项的附加隐藏表示来生成所述数据项的附加重构;以及
将所述数据项的附加重构作为参考反馈提供给所述第一神经网络,以使所述第一神经网络针对所述数据项来评估所述数据项的附加重构,所述第一神经网络基于所述第一神经网络对所述数据项的附加重构的评估进一步更新所述第一神经网络的一个或多个与表示生成相关的配置。
6.根据权利要求5所述的方法,还包括:
将所述数据项、所述数据项的附加重构、以及给定参考反馈提供给第三神经网络,以使所述第三神经网络基于所述数据项、所述数据项的附加重构以及所述给定参考反馈进行训练以生成以下指示:所述数据项中的每个数据项以及与所述数据项相对应的附加重构是相似的;以及
将所述第一数据项和所述第一数据项的重构提供给所述第三神经网络,以使所述第三神经网络评估所述第一数据项与所述第一数据项的重构之间的差异,所述第三神经网络基于所述第一数据项与所述第一数据项的重构之间的差异生成以下指示:所述第一数据项和所述第一数据项的重构不相似,
其中检测所述异常包括基于由所述第三神经网络生成的所述指示来检测所述第一数据项中的异常。
7.根据权利要求6所述的方法,
其中所述第三神经网络生成一个或多个以下指示:所述第一数据项的哪些部分与所述第一数据项的重构不相似,并且
其中检测所述异常包括基于由所述第三神经网络生成的所述一个或多个指示来检测所述第一数据项中的异常。
8.根据权利要求7所述的方法,
其中所述第三神经网络生成一个或多个以下附加指示:所述第一数据项的哪些部分与所述第一数据项的重构是相似的,并且
其中检测所述异常包括基于由所述第三神经网络生成的所述一个或多个指示以及所述一个或多个附加指示来检测所述第一数据项中的异常。
9.根据权利要求5所述的方法,还包括:
确定对,使得所述对中的每对包括所述数据项中的一个数据项、和所述数据项中的另一个数据项的附加重构;
将所述对提供给第三神经网络,以使所述第三神经网络针对所述对中的每对生成以下指示:所述对的所述对应数据项和附加重构是否相似;
将给定参考反馈提供给所述第三神经网络,以使所述第三神经网络针对所述给定参考反馈来评估所述生成的指示,所述给定参考反馈指示所述对中的每对的所述对应数据项和附加重构不相似,所述第三神经网络基于所述第三神经网络对所述生成的指示的评估更新所述第三神经网络的一个或多个配置;以及
将所述第一数据项和所述第一数据项的重构提供给所述第三神经网络,以使所述第三神经网络评估所述第一数据项与所述第一数据项的重构之间的差异,所述第三神经网络基于所述第一数据项与所述第一数据项的重构之间的差异生成以下指示:所述第一数据项和所述第一数据项的重构不相似,
其中检测所述异常包括基于由所述第三神经网络生成的所述指示来检测所述第一数据项中的异常。
10.根据权利要求1所述的方法,还包括:
确定数据项子集,使得所述数据项子集中的每一个包括所述数据项中的至少两个数据项;...
【专利技术属性】
技术研发人员:鲍勃·舒城·胡,
申请(专利权)人:艾维泰有限责任公司,
类型:发明
国别省市:美国;US
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。