WO2024241085 - PREASSEMBLED WEAKLY SUPERVISED MACHINE LEARNING
National phase entry:
Publication Number
WO/2024/241085
Publication Date
28.11.2024
International Application No.
PCT/IB2023/058211
International Filing Date
16.08.2023
Title **
[English]
PREASSEMBLED WEAKLY SUPERVISED MACHINE LEARNING
[French]
APPRENTISSAGE AUTOMATIQUE FAIBLEMENT SUPERVISÉ PRÉ-ASSEMBLÉ
Applicants **
NEC LABORATORIES EUROPE GMBH
Kurfuersten-Anlage 36
69115 Heidelberg, DE
Inventors
SOLMAZ, Gurkan
c/o NEC Laboratories Europe GmbH
Kurfuersten-Anlage 36
69115 Heidelberg, DE
CIRILLO, Flavio
c/o NEC Laboratories Europe GmbH
Kurfuersten-Anlage 36
69115 Heidelberg, DE
Priority Data
63/503,746
23.05.2023
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
EPO
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1225 | |
| EPO | Filing, Examination | 4974 | |
| Japan | Filing | 597 | |
| South Korea | Filing | 575 | |
| USA | Filing, Examination | 2710 |
Total: 10081 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
A computer-implemented method for generation of a machine learning model using weak supervision includes generating a labeling matrix of labeling function outputs by applying labeling functions to data features, and preassembling the labeling function outputs together with the data features for each data point to generate a training dataset. The machine learning model is trained using the training dataset. The invention can be applied to a number of use cases including, but not limited to use cases in digital medicine and automated or personalized healthcare, AI-assisted drug development (AIDD) or vaccine development, material or composition development, smart factories, smart industry, smart districts, market segmentation, recommender systems, predictive maintenance and energy control.[French]
L'invention concerne un procédé mis en œuvre par ordinateur pour la génération d'un modèle d'apprentissage automatique à l'aide d'une supervision faible qui comprend la génération d'une matrice d'étiquetage de sorties de fonction d'étiquetage par application de fonctions d'étiquetage à des caractéristiques de données, et le pré-assemblage des sorties de fonction d'étiquetage conjointement avec les caractéristiques de données pour chaque point de données pour générer un ensemble de données d'apprentissage. Le modèle d'apprentissage automatique est entraîné à l'aide de l'ensemble de données d'apprentissage. L'invention peut être appliquée à un certain nombre de cas d'utilisation comprenant, mais sans y être limités, des cas d'utilisation en médecine numérique et en soins de santé automatisés ou personnalisés, le développement de médicament assisté par IA (AIDD) ou le développement de vaccin, le développement de matériau ou de composition, les usines intelligentes, l'industrie intelligente, les districts intelligents, la segmentation de marché, les systèmes de recommandation, la maintenance prédictive et la commande d'énergie.