買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉谷歌有限責任公司申請的專利用于分布外檢測的似然比獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114127747B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202080047730.0，技術領域涉及：G06N3/0475；該發(fā)明授權用于分布外檢測的似然比是由任潔;喬舒亞·文森特·迪隆;彼得·俊騰·劉;埃米莉·阿曼達·費爾蒂格;巴拉吉·拉克什米納拉亞南;羅蘭德·賈斯珀·斯諾?？?瑞安·波普蘭;馬克·安德魯·德普里斯托設計研發(fā)完成，并于2020-05-26向國家知識產(chǎn)權局提交的專利申請。

本用于分布外檢測的似然比在說明書摘要公布了：本公開涉及用于執(zhí)行對分布外OOD輸入的改進檢測的系統(tǒng)和方法。特別地，用于OOD檢測的當前基于深度生成模型的方法顯著地受到與分布內(nèi)示例相關的語義內(nèi)容負面影響并且難以從與分布內(nèi)示例相關的語義內(nèi)容中區(qū)分種群水平背景統(tǒng)計。事實上，甚至已經(jīng)在實驗中觀察到這種方法以向OOD輸入指配更高的似然度，而這與所期望的行為相反。為了解決此問題，本公開提出了一種用于深度生成模型的似然比方法，該方法有效地校正這些混雜背景統(tǒng)計。

本發(fā)明授權用于分布外檢測的似然比在權利要求書中公布了：1.一種執(zhí)行分布外檢測的計算系統(tǒng)，所述計算系統(tǒng)包括： 一個或多個處理器；以及 一種或多種非暫時性計算機可讀介質(zhì)，所述一種或多種非暫時性計算機可讀介質(zhì)共同地存儲： 在包括作為分布的樣本的多個分布內(nèi)訓練示例的分布內(nèi)訓練數(shù)據(jù)集上訓練的機器學習生成語義模型，所述機器學習生成語義模型被配置成接收并處理數(shù)據(jù)輸入以生成所述數(shù)據(jù)輸入的第一似然值，所述第一似然值作為所述數(shù)據(jù)輸入是來自所述分布的樣本的似然度的第一指示； 在包括多個背景訓練示例的背景訓練數(shù)據(jù)集上訓練的機器學習生成背景模型，所述多個背景訓練示例中的一個或多個背景訓練示例是通過所述多個分布內(nèi)訓練示例中的一個或多個分布內(nèi)訓練示例的擾動而生成的，所述機器學習生成背景模型被配置成接收并處理所述數(shù)據(jù)輸入以生成所述數(shù)據(jù)輸入的第二似然值，所述第二似然值作為所述數(shù)據(jù)輸入是來自背景分布的樣本的似然度的第二指示，其中，擾動所述一個或多個分布內(nèi)訓練示例以生成所述一個或多個背景訓練示例包括向所述一個或多個分布內(nèi)訓練示例添加噪聲；以及 指令，當由所述一個或多個處理器執(zhí)行時，所述指令使所述計算系統(tǒng)執(zhí)行操作，所述操作包括： 至少部分地基于由所述機器學習生成語義模型生成的所述第一似然值和由所述機器學習生成背景模型生成的所述第二似然值來確定所述數(shù)據(jù)輸入的似然比值；以及 至少部分地基于所述似然比值來預測所述數(shù)據(jù)輸入是否是分布外輸入。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.hzsmkbearing.com.cn/list?keyword=%E8%B0%B7%E6%AD%8C%E6%9C%89%E9%99%90%E8%B4%A3%E4%BB%BB%E5%85%AC%E5%8F%B8&temp=1">谷歌有限責任公司，其通訊地址為：美國加利福尼亞州；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。