CN1647079A - 使用神经网络进行数据挖掘 - Google Patents

使用神经网络进行数据挖掘 Download PDF

Info

Publication number
CN1647079A
CN1647079A CNA03808838XA CN03808838A CN1647079A CN 1647079 A CN1647079 A CN 1647079A CN A03808838X A CNA03808838X A CN A03808838XA CN 03808838 A CN03808838 A CN 03808838A CN 1647079 A CN1647079 A CN 1647079A
Authority
CN
China
Prior art keywords
neugent
training
data
pattern
query requests
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA03808838XA
Other languages
English (en)
Inventor
杨谦
查里斯·爱德华·加罗法洛
约格什·古普塔
罗那德·卡斯
基尔克·威尔逊
伊格尔·塞杜克汗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CA Inc
Original Assignee
Computer Associates Think Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Computer Associates Think Inc filed Critical Computer Associates Think Inc
Publication of CN1647079A publication Critical patent/CN1647079A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Abstract

本发明提供一种数据挖掘系统和方法。所述系统包括至少一个客户机和服务中介器，其被配置为包括一个接口，用于接收来自所述客户机的查询请求。所述服务中介器将查询请求转发给神经代理，以便调用神经代理的查询，并向客户机转发由神经代理返回的结果对象。

Description

使用神经网络进行数据挖掘
相关申请的交叉参考
本申请要求以下共同待审的美国临时申请的利益：
(a)2002年4月19日申请的序列号60/374064，名称为“PROCESSING MIXED NUMERIC AND/OR NON-NUMERICDATA”；
(b)2002年4月19日申请的序列号60/374020，名称为“AUTOMATIC NEURAL-NET MODEL GENERATION ANDMAINTENANCE”；
(c)2002年4月19日申请的序列号60/374024，名称为“VIEWINGMULTI-DIMENSIONAL DATA THROUGH HIERARCHICALVISUALIZATION”；
(d)2002年4月19日申请的序列号60/374041，名称为“METHODAND APPARATUS FOR DISCOVERING EVOLUTIONARYCHANGES WITHIN A SYSTEM”；
(e)2002年4月19日申请的序列号60/373977，名称为“AUTOMATIC MODEL MAINTENANCE THROUGH LOCALNETS”；以及
(f)2002年4月19日申请的序列号60/373780，名称为“USINGNEURAL NETWORKS FOR DATA MINING”。
技术领域
本申请涉及数据挖掘。更具体地说，本申请涉及使用神经网络以及其它的人工智能技术进行数据挖掘。
背景技术
由于在当今的信息年代计算机和其它信息与通信设备的使用的急剧增加，数值的(numeric)和非数值的(例如文本的)数据被频繁地从许多信息源例如因特网收集。此外，在许多数据库中存在大量的数据。许多数据被采集只用于归档的目的，因此，在许多情况下，这些数据被无组织地存储。在数据的陷阱(morass)中进行过滤而提取用于特定用途的有用的信息是一个严峻的挑战。
例如，企业方面的需求不断增加，以便保持其在商务市场上的竞争力，从而从他们和/或其它人已经收集的数据中有效地分析和提取有用的信息，并利用所述提取的信息改善企业的操作。不过，这通常是一个使人胆怯的任务。
数据挖掘是分析大量的数据，以便从这些数据中提取有用的信息，例如通过新的数据进行预测(也称为预测分析)。可以获得若干个数据挖掘产品。不过，当前允许在Web上对大量信息进行数据挖掘的商业产品要求客户应用程序维持一个预测模型，尽管服务中介器(service broker)可以收集或存储原始数据并根据需要将其转发给客户。因为客户必须维持所述预测模型，当执行应用程序时，客户机的资源可能被击溃。
发明内容
本申请提供一种数据挖掘系统。在一个实施例中，所述数据挖掘系统包括客户机和服务中介器，其被配置为包括一个接口，用于接收来自所述客户机的查询请求。所述服务中介器将查询请求(consultation request)转发给神经代理(Neugent)，以便调用神经代理的查询。在神经代理被查询之后，服务中介器向客户机转发由神经代理返回的对象。
服务中介器还包括训练接口，并通过所述训练接口接收来自客户的训练请求，所述训练请求包括训练数据。服务中介器把包括训练数据的训练请求转发给神经代理，以便利用所述训练数据调用神经代理的训练。训练请求可以包括用于规定一个比值的参数，以便在训练神经代理和测试或验证神经代理之间分配所述训练数据。在神经代理的训练之后，服务中介器可以向客户机转发由神经代理返回的训练结果对象。
本申请还提供一种用于对远程客户机提供服务以便查询神经代理的方法。在一个实施例中，所述方法包括接收来自远程客户机的查询请求，把所述查询请求转发给神经代理，以便调用神经代理的查询，并把由神经代理返回的结果对象转发给远程客户机。
本申请还提供一种用于向远程客户机提供服务而训练神经代理的方法。按照一个实施例，所述方法包括接收来自远程客户机的训练请求，向神经代理转发所述训练请求，以便调用神经代理的训练，并向远程客户机转发由神经代理返回的训练结果对象。
附图说明
本发明的特征从下面结合附图进行的详细说明将会更加清楚地理解，其中：
图1A是按照本发明的一个实施例的数据挖掘系统的方块图；
图1B是按照本发明的另一个实施例的数据挖掘系统的原理图；
图2A是按照一个实施例的用于向一个远程客户机提供查询一个神经代理的业务的流程图；
图2B是按照一个实施例的用于向一个远程客户机提供训练一个神经代理的业务的流程图；
图3是一个函数链网络的原理图；
图4A和4B是按照一个实施例的用于值预测神经代理的web业务接口方法的等级图；
图5A、5C、5E、5G、5I表示按照另一个实施例的用于分类的神经代理类的目标模式(object schemas)；以及
图5B、5D、5F、5H、5J和5K表示用于神经代理类的web业务接口的分类图；
图6A、6C、6E、6G、6I表示按照第三个实施例的用于分类的神经代理类的目标模式；
图6B、6D、6F、6H、6J和6K表示按照第三实施例的用于神经代理类的web业务接口的分类图；
图7A-7F表示按照第四实施例的用于分类的神经代理类的web业务接口的分类算法；
图7G表示按照第四实施例的用于值预测神经代理的目标模式；
图8A、8D、8F、8H和8J表示按照第五实施例的用于分类的神经代理类的目标模式；
图8B、8C、8G、8I和8K表示按照第五实施例的用于神经代理类的web业务接口的分类算法；
图9A表示按照第六实施例的用于值预测的神经代理的目标模式；
图9B、9C表示按照第六实施例的用于值预测神经代理的web业务接口的分类算法；
图10A、10C到10F表示按照第七实施例的用于分类的神经代理类的web业务接口的分类算法；以及
图10B表示按照第七实施例的用于值预测神经代理的目标模式。
具体实施方式
本申请提供用于数据挖掘的工具(呈系统和方法的形式)。例如，所述工具可以包括一个或几个计算机程序或软件模块，它们被存储在常规的程序存储装置或计算机可读的介质中，和/或通过计算机网络或其它传输介质被传输。
下面参照图1A按照客户机-服务器形式说明一种数据挖掘系统。不过应当理解，本申请的工具不限于客户机-服务器编程模型，并且可被修改用于对等系统，信息传递系统，以及其它的编程模型。
数据挖掘系统10包括客户机11，一个或几个神经代理13，以及服务中介器15。服务中介器15可被配置为一个服务器，并包括用于接收来自客户机的查询请求的接口。服务中介器还可接收来自客户机的训练请求，并且一般是(虽然不一定)远程服务器。神经代理13将在下面进一步说明。
参照图1A和2A说明按照一个实施例的用于向远程客户机提供服务以便查询神经代理的方法。在服务中介器15从远程客户机接收查询请求之后(步骤S21)，服务中介器把查询请求转发给神经代理13，从而调用神经代理的查询(步骤S22)。在神经代理13被查询之后，服务中介器15向客户机转发由神经代理返回的结果对象(步骤S23)。
按照一个实施例的查询请求包括用于查询神经代理13的数据。神经代理13进行包括在所述查询请求中的数据的预测分析。
按照另一个实施例，查询请求包括查询神经代理13的数据源的识别。神经代理13进行从在查询请求中被识别的数据源获得的输入数据的预测分析。
按照另一个实施例，服务中介器是一个远程服务器。从客户机11到所述远程服务器的查询请求可以包括可扩展的标记语言文档。神经代理可以是服务器侧。
下面参照图1A和2B说明按照一个实施例的用于向远程客户机提供服务以便训练一个神经代理的方法。在服务中介器15收到来自远程客户机的训练请求之后(步骤S26)，服务中介器把训练请求转发给神经代理15，以便调用神经代理的训练(步骤S27)。在神经代理被训练之后，服务中介器向客户机转发由神经代理返回的训练结果对象(步骤S28)。
神经代理可以把训练数据模式(pattern)分成群集(cluster)，每个群集相应于一组类似的数据模式，并对于一个输入模式是一个选择的组的成员的概率进行预测。
神经代理可以把训练非数值(例如文本)模式分成群集，每个群集相应于一组类似的非数值模式，并对于一个输入的非数值模式是一个选择的组的成员的概率进行预测。
神经代理可以借助于把训练数据模式分成多个群集来形成群集模型，每个群集相应于一组类似的数据模式，并确定每个群集从所述的群集转换到每个其它群集的概率。神经代理通过对群集模型施加一个输入模式来预测发生事件的概率。
神经代理可以形成一个和一组训练数据模式相关的输入-输出模型，并通过对一个输入模式应用所述模型预测一个输出值。神经代理可以包括一个函数链网络(functional-link net)。
神经代理可以形成和一组训练数据模式中的相应关系相关的规则，并且通过对一个输入模式应用所述规则预测一个结果(outcome)。
神经代理技术包括用于识别数据中的模式并使用这些模式对新的数据进行预测的不同方法。新的数据被分析，以便确定其落入的模式，借以根据在过去表征所述模式的行为，提供将来的行为的预测。
一组基础的方法通常被称为神经网络技术。神经网络是一种互连的输入/输出节点的加权的网络。除去神经网络模型之外，神经代理技术还覆盖一个更宽的模式识别方法的范围。
例如，神经代理可以包括ClusteringNeugent，DecisionNeugent，EventPredictNeugent，TextClusteringNeugent，以及ValuePredictNeugent模型方法。
ClusteringNeugent使用一种群集模型方法，其对相似的模式分组，并预测一个特定的组的成员资格的概率。
DecisionNeugent使用决策树模型方法，其揭示在数据中的规则和关系，用公式表示这些规则，以便描述这些关系，并根据揭示的规则预测结果。
EventPredictNeugent使用群集模型方法，利用转换计算预测事件发生的概率。
TextClusteringNeugent使用群集模型方法，其对相似的包括文本(或非数值)材料的训练数据模式进行分组，并预测模型所查询的规定的文本(或非数值)的数据是(或者属于)一个特定组的概率。
ValuePredictNeugent使用函数链神经网络模型方法预测一个变量的值(或者一组变量的值)。
函数链网络是一种类型的神经网络，其可被用于对在输入和输出之间的函数关系进行建模。可以使用函数链神经网络利用输入矢量X和输出Y近似任何标量函数，因此是一种通用的近似器。图3示出了一种函数链网络的结构，非线性完全包含在函数链层中。在函数链层中的节点具有相关的非线性基本函数。因为非线性被完全包括在函数链层中，并且网络的其余部分是线性的，可以对函数链网络结构使用线性训练技术，例如基于回归的训练。线性训练涉及一种技术，其通过线性代数技术解决网络中的参数。函数链网络方法的例子在共同拥有的美国专利4979126，5734796，6134537和6212509中描述了，这些专利的全部内容被包括在此作为参考。
和EventPredictNeugent相关的一些方法在共同拥有的美国专利6327550中描述了，该专利的全部内容被包括在此作为参考。
另外的群集、神经网络、决策树和其它的预测建模方法在下面的共同拥有的美国专利申请中描述了，这些专利的全部内容被包括在此作为参考：
2002年4月19日申请的序列号60/374064，名称为“PROCESSING MIXED NUMERIC AND/OR NON-NUMERICDATA”；
2002年4月19日申请的序列号60/374020，名称为“AUTOMATIC NEURAL-NET MODEL GENERATION ANDMAINTENANCE”；
2002年4月19日申请的序列号60/374024，名称为“VIEWINGMULTI-DIMENSIONAL DATA THROUGH HIERARCHICALVISUALIZATION”；
2002年4月19日申请的序列号60/374041，名称为“METHODAND APPARATUS FOR DISCOVERING EVOLUTIONARYCHANGES WITHIN A SYSTEM”；
2002年4月19日申请的序列号60/373977，名称为“AUTOMATIC MODEL MAINTENANCE THROUGH LOCALNETS”；以及
2002年4月19日申请的序列号60/373780，名称为“USINGNEURAL NETWORKS FOR DATA MINING”。
每个神经代理提供下面的方法，它们被统称为“应用编程器接口”，或“API”，并结合Web服务被简称为“服务”。
训练是对神经代理提供数据(也更具体地被称为训练数据模式)，使得神经代理执行训练数据模式的统计的或其它数据分析(其提供进行将来预测的基础)过程。训练一个神经代理的输出是一个模型或其它数据分类机构，其成为神经代理用于识别模式的装置。
查询(consult)是用于对神经代理提供新的数据(也被称为用于查询神经代理的数据)的一种过程，使得神经代理使用在其训练期间产生的模型，以便从新的数据提供预测。
下面参照图1B和图5A-10F说明按照一个示例的实施例，神经代理的训练和查询方法的支持web服务的实现。可以通过web服务技术使训练和查询方法对客户程序可用。一般地说，只有数据可以在客户机和神经代理之间传递。因而，在本说明中所述的方法不因维持一个预测模型而加重客户机的负担。客户机/服务器接口的复杂性可以通过简化协议并通过隐藏平台技术误配的问题(例如使其对用户是透明的)被简化。
例如web服务技术可以基于调用远程服务器中的程序(此处也称为“web服务中介器”或“WSB”)，例如通过按照HTTP协议发送可扩展的标记语言(XML)文档(其是一个文本文件)，如图1B所示。为了使web服务中介器45调用神经代理43的训练和查询方法，用于调用神经代理的相应的方法的XML文档的结构被精确地规定。神经代理的训练和查询API最好被严格地定义，使得它们可以被WSB调用。此外，在各个相应的神经代理内，实现一个接口。
上述的每个神经代理定义了用于训练和查询服务的其自身的规范(例如见图4A-10F)。每个神经代理接口的公共元素包括输入数据，训练结果和查询结果。
对于训练和查询服务，使一个数据的集合传递到神经代理。被传递到训练服务和查询服务的数据可分别被称为训练数据(此处也称为“trainData”)或查询数据(此处也称为“consultData”)。在一些情况下，(例如ValuePredictNeugent)，当训练神经代理时可以传递附加的参数，例如为了确定在训练所述模型和验证或测试所述模型之间分割的训练数据的百分比。神经代理一般使用数值数据作为输入。不过，TextClusteringNeugent也容纳文本(或其它非数值)数据，DecisionNeugent容纳字母数字数据。
除去EventPredictNeugent之外，每个神经代理返回一个对象作为训练会话的结果。所述对象提供关于训练会话的结果的信息。对于ValuePredictNeugent，可以作为训练结果的结构的一部分返回表示神经代理的对象。
对于每个神经代理类型，神经代理返回一个对象作为查询结果。不过，神经代理可以在查询返回对象的结构方面不同。例如见图5A-5K，其中只有TextClusteringNeugent和ClusteringNeugent返回类似结构化的对象。ValuePredictNeugent可以返回ValuePredictNeugent对象本身作为返回的查询对象的一部分。
神经代理训练和查询服务的规范可被映射到神经代理类(下面说明)的体系结构。
下面作为例子只对于ValuePredictNeugent讨论WSB API接口。
WSB API可以包括若干个类，其中ValuePredictNeugent类包括训练和查询方法。
例如，ValuePredictNeugent类可以包括下面的训练和查询方法：ValueNeugentTrainResult训练(Pattern trainData，DoublevalidationPercentage，Boolean returnResultFlag的集合)；以及ValueNeugentConsultResult查询(Pattern consultData的集合)。
用户在Pattern类下设置一个数据的集合。Pattern类是用于传递到训练或查询方法的数据行的容器。在把数据集合传递到训练或查询方法之后，便返回ValueNeugentTrainResult对象或ValueNeugentConsultResult对象。
ValueNeugentTrainResult类含有来自ValuePredictNeugent训练方法的结果，并且可以包括下述字段(图4A)：
trainStatus，当其返回时，其表示一个处理状态，并被检查，以便确定训练方法返回是否成功；
modelTrainError，其表示模型的总体训练误差(对于所有的模型输出)；
modelValidationError，其表示模型的总体有效性误差(对于所有的模型输出)；
numberOfData，其表示用于训练的模式的数量；
trainError，其表示在神经代理实例的Of1dNList属性中的每个输出的相应的训练误差；
validationError，其是在OF1dNList中的每个单独的目标的验证误差，当只具有一个输出时，其和modelValidationError相同；
trainQualityscore，其表示在神经代理实例的OF1dNList属性中的每个输出的相应的训练质量分数；
validationQualityScore，其表示在神经代理实例的OF1dNList属性中的每个输出的有效化质量分数；
trainResult，其是由模式标签和每个模式的每个目标的模型预测值构成的集合；
validationResult，其是由模式标签和每个模式的每个目标的模型预测值构成的内部集合；
rawTrainResult，其是由模式标签和每个模式的每个目标的原始值(在剪辑之前)构成的集合，并用于离散的神经代理的二进制输出；
rawValidationResult，其是由模式标签和每个模式的每个目标的原始值(在剪辑之前)构成的集合，并用于离散的神经代理的二进制输出；
originalTrainOutput，其是由模式标签和用于训练的每个模式的每个目标的初始值构成的集合；
originalValidationOutput，其是由模式标签和用于验证的每个模式的每个目标的初始值构成的集合；以及
neugentModel，其是到达使用ValueNeugentTrainResult对象的模型的快捷方式。
ValueNeugentConsultResult类含有来自ValuePredictNeugent查询方法的结果，可以包括下述的字段(图4B)：
consultError，其对于神经代理对象的OF1dNList上的每个输出表示一个相应的误差，并且如果目标值不包括在查询数据源上，则其为空；
consultQualityScore，其对于神经代理对象的OF1dNList上的每个输出表示一个相应的质量分数，并且如果目标值不包括在查询数据源上，则其为空；
consultResult，其是由模式标签和每个模式的每个输出的预测值构成的集合；
originalConsultOutput，其是由模式标签和每个模式的每个输出的初始输出值构成的集合；
rawConsultResult，其是由模式标签和每个模式的二进制输出值构成的集合，并被用作离散的神经代理中的二进制输出；以及
neugentObject，其是到达使用ValueNeugentTrainResult对象的模型的快捷方式。
在图5A-5K、6A-6K、7A-7G、8A-8K、9A-9C、10A-10F中示出了其它的示例的实施例。类似命名的字段具有和上述类似的功能。为清楚起见，在附加的实施例中的字段的说明被省略了。
上面的实施例是说明性的，不脱离本说明的构思或不脱离所附权利要求的范围，可以在这些实施例上引入许多改变。在本说明和所附权利要求的范围内，不同的说明性的实施例的元件和/或特征可以互相组合和/或互相替代。
例如虽然这里所述的一些实施例使用ClusteringNeugent，DecisionNeugent，EventPredictNeugent，TextClusteringNeugent，以及ValuePredictNeugent方法的组合，在所附权利要求中引用的内容也可以通过这些神经代理的一个选择的子组，在具有或不具有使用群集、神经网络、决策树和/或其它的预测建模方法的其它神经代理技术的情况下实施。
通过阅读下面的美国临时专利申请，本领域的普通技术人员显然可以作出其它的改变，这些专利申请都是在200年4月19日申请的，它们是：60/374604，60/374200，60/374204，60/374041，60/373977，60/373780。

Claims (25)

1.一种数据挖掘系统，包括：
客户机；以及
服务中介器，其被配置为包括一个接口，用于接收来自所述客户机的查询请求，
其中所述服务中介器将查询请求转发给神经代理，以便调用神经代理的查询，并向客户机转发由神经代理返回的结果对象。
2.如权利要求1所述的系统，其中所述查询请求包括用于查询所述神经代理的数据。
3.如权利要求2所述的系统，其中所述神经代理对包括在查询请求中的数据执行预测分析。
4.如权利要求1所述的系统，其中查询请求包括用于查询所述神经代理的数据源的识别。
5.如权利要求4所述的系统，其中神经代理对从在查询请求中识别的源获得的输入数据执行预测分析。
6.如权利要求1所述的系统，其中所述服务中介器通过所述接口接收来自客户机的训练请求，所述训练请求包括训练数据，并把包括训练数据的训练请求转发给神经代理，以便利用所述训练数据调用神经代理的训练。
7.如权利要求6所述的系统，其中训练请求包括用于规定在训练神经代理和测试神经代理之间分配所述训练数据的一个比值的参数。
8.如权利要求6所述的系统，其中在训练神经代理之后，服务中介器向客户机转发由神经代理返回的训练结果对象。
9.如权利要求1所述的系统，其中神经代理把训练数据模式分成群集，每个群集相应于一组类似的数据模式，并预测一个输入模式是一个选择的组的成员的概率。
10.如权利要求1所述的系统，其中神经代理把训练非数值模式分成群集，每个群集相应于一组类似的非数值模式，并预测一个输入非数值模式是一个选择的组的成员的概率。
11.如权利要求1所述的系统，其中神经代理通过把训练数据模式分成多个群集，每个群集相应于一组类似的数据模式，并对每个群集确定从该群集转换到每个其它群集的概率来形成群集模型，并通过对群集模型应用一个输入模式来预测发生事件的概率。
12.如权利要求1所述的系统，其中所述神经代理形成一个和一组训练数据模式相关的输入-输出模型，并通过对一个输入模式应用所述模型来预测一个输出值。
13.如权利要求1所述的系统，其中所述神经代理形成和一组训练数据模式中的相应的关系相关的规则，并且通过对一个输入模式应用所述规则来预测一个结果。
14.如权利要求1所述的系统，其中所述神经代理包括一个函数链网络。
15.如权利要求1所述的系统，其中所述服务中介器是远程服务器。
16.如权利要求15所述的系统，其中所述查询请求包括扩展的标记语言文档。
17.如权利要求15所述的系统，其中所述神经代理是服务器侧的。
18.一种用于对远程客户机提供服务以便查询神经代理的方法，包括：
接收来自远程客户机的查询请求；
把所述查询请求转发给神经代理，以便调用神经代理的查询；以及
把由神经代理返回的结果对象转发给远程客户机。
19.一种计算机系统，包括：
处理器；以及
所述计算机系统可读的程序存储装置，其有形地包括可由所述处理器执行，以便执行权利要求18所述的方法的指令的程序。
20.一种机器可读的程序存储装置，其有形地包括可由所述机器执行，以便执行权利要求18所述的方法的指令的程序。
21.一种被包括在传输介质中的计算机数据信号，所述传输介质包含有可由计算机执行，以便执行权利要求18所述的方法的指令。
22.一种用于向远程客户机提供服务以便训练神经代理的方法，包括：
接收来自远程客户机的训练请求；
向神经代理转发所述训练请求，以便调用神经代理的训练；以及
向远程客户机转发由神经代理返回的训练结果对象。
23.一种计算机系统，包括：
处理器；以及
所述计算机系统可读的程序存储装置，其有形地包括可由所述处理器执行，以便执行权利要求22所述的方法的指令的程序。
24.一种机器可读的程序存储装置，其有形地包括可所述机器执行，以便执行权利要求22所述的方法的指令的程序。
25.一种被包括在传输介质中的计算机数据信号，所述传输介质包含有可由计算机执行，以便执行权利要求22所述的方法的指令。
CNA03808838XA 2002-04-19 2003-04-18 使用神经网络进行数据挖掘 Pending CN1647079A (zh)

Applications Claiming Priority (12)

Application Number Priority Date Filing Date Title
US37402002P 2002-04-19 2002-04-19
US37406402P 2002-04-19 2002-04-19
US37402402P 2002-04-19 2002-04-19
US37378002P 2002-04-19 2002-04-19
US37404102P 2002-04-19 2002-04-19
US37397702P 2002-04-19 2002-04-19
US60/374,064 2002-04-19
US60/373,780 2002-04-19
US60/374,024 2002-04-19
US60/373,977 2002-04-19
US60/374,041 2002-04-19
US60/374,020 2002-04-19

Publications (1)

Publication Number Publication Date
CN1647079A true CN1647079A (zh) 2005-07-27

Family

ID=29255729

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA03808838XA Pending CN1647079A (zh) 2002-04-19 2003-04-18 使用神经网络进行数据挖掘

Country Status (10)

Country Link
US (3) US7716148B2 (zh)
EP (2) EP1504412B1 (zh)
JP (2) JP2005523533A (zh)
KR (1) KR20050007306A (zh)
CN (1) CN1647079A (zh)
AU (2) AU2003241302A1 (zh)
BR (2) BR0309322A (zh)
CA (2) CA2481432A1 (zh)
IL (2) IL164628A0 (zh)
WO (2) WO2003090160A2 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005911A (zh) * 2015-06-26 2015-10-28 深圳市腾讯计算机系统有限公司 深度神经网络的运算系统及运算方法
CN105243069A (zh) * 2014-07-09 2016-01-13 南方科技大学 大数据认知决策的智能系统
CN107851213A (zh) * 2015-07-22 2018-03-27 高通股份有限公司 神经网络中的转移学习

Families Citing this family (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7777743B2 (en) * 2002-04-19 2010-08-17 Computer Associates Think, Inc. Viewing multi-dimensional data through hierarchical visualization
WO2003090160A2 (en) * 2002-04-19 2003-10-30 Computer Associates Think, Inc. Processing mixed numeric and/or non-numeric data
US7313279B2 (en) 2003-07-08 2007-12-25 Computer Associates Think, Inc. Hierarchical determination of feature relevancy
US7298906B2 (en) * 2003-07-08 2007-11-20 Computer Associates Think, Inc. Hierarchical determination of feature relevancy for mixed data types
US8041797B2 (en) * 2004-03-31 2011-10-18 International Business Machines Corporation Apparatus and method for allocating resources based on service level agreement predictions and associated costs
FR2882171A1 (fr) * 2005-02-14 2006-08-18 France Telecom Procede et dispositif de generation d'un arbre de classification permettant d'unifier les approches supervisees et non supervisees, produit programme d'ordinateur et moyen de stockage correspondants
US8364610B2 (en) * 2005-04-08 2013-01-29 Caterpillar Inc. Process modeling and optimization method and system
US7533095B2 (en) 2005-04-19 2009-05-12 International Business Machines Corporation Data mining within a message handling system
GB0514553D0 (en) * 2005-07-15 2005-08-24 Nonlinear Dynamics Ltd A method of analysing a representation of a separation pattern
GB0514555D0 (en) * 2005-07-15 2005-08-24 Nonlinear Dynamics Ltd A method of analysing separation patterns
CN100444075C (zh) * 2005-11-08 2008-12-17 北京网秦天下科技有限公司 用于移动/智能终端的病毒特征提取和检测系统及方法
US7646913B2 (en) * 2005-12-19 2010-01-12 Microsoft Corporation Allograph based writer adaptation for handwritten character recognition
TWI315054B (en) * 2006-05-10 2009-09-21 Nat Cheng Kung Universit Method for evaluating reliance level of a virtual metrology system in product manufacturing
US8738335B1 (en) 2006-05-31 2014-05-27 Worldwide Pro Ltd. Solving a circuit network in hierarchical, multicore, and distributed computing environment
US7827016B1 (en) 2006-05-31 2010-11-02 William Wai Yan Ho Simulating circuits by distributed computing
JP4338145B2 (ja) * 2007-03-08 2009-10-07 インターナショナル・ビジネス・マシーンズ・コーポレーション 事象の発生を決定付けるキーワードを検索する技術
US8266145B2 (en) * 2007-03-16 2012-09-11 1759304 Ontario Inc. Contextual data mapping, searching and retrieval
BRPI0809174A2 (pt) * 2007-04-02 2014-09-16 Kamran Khan "sistema e método para predizer a transmissão de uma agente infeccioso através de viagens aéreas"
US8086624B1 (en) * 2007-04-17 2011-12-27 Google Inc. Determining proximity to topics of advertisements
US8229942B1 (en) 2007-04-17 2012-07-24 Google Inc. Identifying negative keywords associated with advertisements
TWI338916B (en) * 2007-06-08 2011-03-11 Univ Nat Cheng Kung Dual-phase virtual metrology method
JP5193518B2 (ja) * 2007-07-13 2013-05-08 株式会社東芝 パターン探索装置及びその方法
US7853432B2 (en) * 2007-10-02 2010-12-14 The Regents Of The University Of Michigan Method and apparatus for clustering and visualization of multicolor cytometry data
US8255412B2 (en) * 2008-12-17 2012-08-28 Microsoft Corporation Boosting algorithm for ranking model adaptation
US8639639B2 (en) * 2009-08-31 2014-01-28 Bhagwan Mahavir Medical Research Centre Predicting possible outcomes in multi-factored diseases
DE102010002966B4 (de) 2010-03-17 2020-07-30 Osram Opto Semiconductors Gmbh Laserdiodenanordnung und Verfahren zum Herstellen einer Laserdiodenanordnung
WO2011155308A1 (ja) 2010-06-09 2011-12-15 日本電気株式会社 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
US8671071B1 (en) * 2010-07-24 2014-03-11 Apokalyyis, Inc. Data processing system and method using relational signatures
US20120059599A1 (en) * 2010-09-03 2012-03-08 University Of Louisville Hybrid fragment-ligand modeling for classifying chemical compounds
US8515850B2 (en) * 2010-09-23 2013-08-20 Thomson Reuters Global Resources (Trgr) System and method for forecasting realized volatility via wavelets and non-linear dynamics
WO2012050581A1 (en) * 2010-10-14 2012-04-19 Hewlett-Packard Development Company, L.P. Dataset compression
US8527317B2 (en) * 2011-03-03 2013-09-03 International Business Machines Corporation Service level agreement work prioritization system
US9262519B1 (en) * 2011-06-30 2016-02-16 Sumo Logic Log data analysis
US8843851B1 (en) * 2011-07-28 2014-09-23 Intuit Inc. Proactive chat support
US9514022B1 (en) * 2011-10-18 2016-12-06 Netapp, Inc. Modeling storage system performance
US20130204811A1 (en) * 2012-02-08 2013-08-08 Nec Corporation Optimized query generating device and method, and discriminant model learning method
US9336302B1 (en) 2012-07-20 2016-05-10 Zuci Realty Llc Insight and algorithmic clustering for automated synthesis
US9317812B2 (en) * 2012-11-30 2016-04-19 Facebook, Inc. Customized predictors for user actions in an online system
CN105325024B (zh) * 2013-06-13 2019-11-05 诺基亚通信公司 用于在自组织网络中使用的方法和装置
US10445311B1 (en) 2013-09-11 2019-10-15 Sumo Logic Anomaly detection
US10043194B2 (en) 2014-04-04 2018-08-07 International Business Machines Corporation Network demand forecasting
KR102239714B1 (ko) 2014-07-24 2021-04-13 삼성전자주식회사 신경망 학습 방법 및 장치, 데이터 처리 장치
US9811540B2 (en) * 2015-04-08 2017-11-07 Nec Corporation Compact, clustering-based indexes for large-scale real-time lookups on streaming videos
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
RU2632133C2 (ru) * 2015-09-29 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ (варианты) и система (варианты) создания модели прогнозирования и определения точности модели прогнозирования
CN105490858B (zh) * 2015-12-15 2018-08-03 北京理工大学 一种网络结构的动态链路预测方法
US10223150B2 (en) 2016-02-12 2019-03-05 Nutanix, Inc. Entity database framework
CN107871166B (zh) 2016-09-27 2020-08-21 第四范式（北京）技术有限公司 针对机器学习的特征处理方法及特征处理系统
CN109804386A (zh) 2016-10-03 2019-05-24 三菱电机株式会社 网络构筑装置和网络构筑方法
WO2018092957A1 (ko) * 2016-11-21 2018-05-24 주식회사 알고리고 신경망 모델에서 입력값에 대한 재학습 여부 결정 방법, 장치 및 프로그램
US11205103B2 (en) 2016-12-09 2021-12-21 The Research Foundation for the State University Semisupervised autoencoder for sentiment analysis
US20180218287A1 (en) * 2017-02-01 2018-08-02 Facebook, Inc. Determining performance of a machine-learning model based on aggregation of finer-grain normalized performance metrics
US10832135B2 (en) * 2017-02-10 2020-11-10 Samsung Electronics Co., Ltd. Automatic thresholds for neural network pruning and retraining
US11481644B2 (en) * 2017-02-17 2022-10-25 Nike, Inc. Event prediction
US10540683B2 (en) * 2017-04-24 2020-01-21 Microsoft Technology Licensing, Llc Machine-learned recommender system for performance optimization of network-transferred electronic content items
US10893068B1 (en) * 2017-06-30 2021-01-12 Fireeye, Inc. Ransomware file modification prevention technique
US11348029B1 (en) * 2017-11-22 2022-05-31 Amazon Technologies, Inc. Transformation of machine learning models for computing hubs
RU2693324C2 (ru) 2017-11-24 2019-07-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер преобразования значения категориального фактора в его числовое представление
US11087394B2 (en) * 2018-09-19 2021-08-10 Rapid Financial Services, LLC System and method for anticipating and preventing account overdrafts
US11237713B2 (en) * 2019-01-21 2022-02-01 International Business Machines Corporation Graphical user interface based feature extraction application for machine learning and cognitive models
KR102331158B1 (ko) * 2019-12-18 2021-11-25 주식회사 씨앤에이아이 섬유 원단의 판매량을 추정하기 위한 전자 장치, 방법, 및 컴퓨터 판독가능 매체
CN111082997B (zh) * 2019-12-30 2021-05-14 西安电子科技大学 移动边缘计算平台中基于业务识别的网络功能编排方法
US20220138632A1 (en) * 2020-10-29 2022-05-05 Accenture Global Solutions Limited Rule-based calibration of an artificial intelligence model
CN114764550A (zh) 2021-01-12 2022-07-19 联华电子股份有限公司 失效检测与分类模型的运作方法与运作装置
US20220237415A1 (en) * 2021-01-28 2022-07-28 International Business Machines Corporation Priority-based, accuracy-controlled individual fairness of unstructured text
US11694018B2 (en) * 2021-01-29 2023-07-04 Salesforce, Inc. Machine-learning based generation of text style variations for digital content items

Family Cites Families (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4193115A (en) * 1977-12-15 1980-03-11 The United States Of America As Represented By The Secretary Of Commerce Method and apparatus for implementation of the CMAC mapping algorithm
US4215396A (en) * 1978-08-24 1980-07-29 Texas Instruments Incorporated Intelligent programmable process control system
US4438497A (en) * 1981-07-20 1984-03-20 Ford Motor Company Adaptive strategy to control internal combustion engine
US4649515A (en) * 1984-04-30 1987-03-10 Westinghouse Electric Corp. Methods and apparatus for system fault diagnosis and control
JPH0789283B2 (ja) * 1984-11-02 1995-09-27 株式会社日立製作所 数式処理制御システム
US4670848A (en) * 1985-04-10 1987-06-02 Standard Systems Corporation Artificial intelligence system
US4663703A (en) * 1985-10-02 1987-05-05 Westinghouse Electric Corp. Predictive model reference adaptive controller
US4754410A (en) * 1986-02-06 1988-06-28 Westinghouse Electric Corp. Automated rule based process control method with feedback and apparatus therefor
US4858147A (en) * 1987-06-15 1989-08-15 Unisys Corporation Special purpose neurocomputer system for solving optimization problems
FR2625347B1 (fr) * 1987-12-23 1990-05-04 Labo Electronique Physique Structure de reseau de neurones et circuit et arrangement de reseaux de neurones
US4979126A (en) * 1988-03-30 1990-12-18 Ai Ware Incorporated Neural network with non-linear transformations
US4928484A (en) * 1988-12-20 1990-05-29 Allied-Signal Inc. Nonlinear multivariable control system
US4972363A (en) * 1989-02-01 1990-11-20 The Boeing Company Neural network using stochastic processing
JPH0660826B2 (ja) * 1989-02-07 1994-08-10 動力炉・核燃料開発事業団 プラントの異常診断方法
US5119468A (en) 1989-02-28 1992-06-02 E. I. Du Pont De Nemours And Company Apparatus and method for controlling a process using a trained parallel distributed processing network
JPH0738186B2 (ja) * 1989-03-13 1995-04-26 シャープ株式会社 自己拡張形ニユーラル・ネットワーク
US5033087A (en) * 1989-03-14 1991-07-16 International Business Machines Corp. Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system
JPH0375860A (ja) * 1989-08-18 1991-03-29 Hitachi Ltd パーソナライズド端末
JP2821189B2 (ja) * 1989-09-01 1998-11-05 株式会社日立製作所 学習型意思決定支援システム
US5140523A (en) * 1989-09-05 1992-08-18 Ktaadn, Inc. Neural network for predicting lightning
JPH0711256B2 (ja) * 1989-09-06 1995-02-08 本田技研工業株式会社 内燃エンジンの制御装置
IT1232989B (it) * 1989-09-14 1992-03-13 Rizzi & Co Spa Luigi Macchina per la rasatura delle pelli a passaggio unico
CA2031765C (en) 1989-12-08 1996-02-20 Masahide Nomura Method and system for performing control conforming with characteristics of controlled system
US5111531A (en) * 1990-01-08 1992-05-05 Automation Technology, Inc. Process control using neural network
US5142665A (en) * 1990-02-20 1992-08-25 International Business Machines Corporation Neural network shell for application programs
US5052043A (en) * 1990-05-07 1991-09-24 Eastman Kodak Company Neural network with back propagation controlled through an output confidence measure
US5113483A (en) * 1990-06-15 1992-05-12 Microelectronics And Computer Technology Corporation Neural network with semi-localized non-linear mapping of the input space
US5142612A (en) * 1990-08-03 1992-08-25 E. I. Du Pont De Nemours & Co. (Inc.) Computer neural network supervisory process control system and method
US5175678A (en) * 1990-08-15 1992-12-29 Elsag International B.V. Method and procedure for neural control of dynamic processes
US5335291A (en) * 1991-09-20 1994-08-02 Massachusetts Institute Of Technology Method and apparatus for pattern mapping system with self-reliability check
US5483650A (en) * 1991-11-12 1996-01-09 Xerox Corporation Method of constant interaction-time clustering applied to document browsing
US5442778A (en) * 1991-11-12 1995-08-15 Xerox Corporation Scatter-gather: a cluster-based method and apparatus for browsing large document collections
US5349541A (en) * 1992-01-23 1994-09-20 Electric Power Research Institute, Inc. Method and apparatus utilizing neural networks to predict a specified signal value within a multi-element system
KR970008532B1 (ko) * 1993-08-10 1997-05-24 재단법인 한국전자통신연구소 비선형 함수의 근사를 위한 비선형 추정망의 학습방법
US5420937A (en) * 1993-09-01 1995-05-30 The Phoenix Group, Inc. Fingerprint information extraction by twin tracker border line analysis
US5485390A (en) * 1993-11-30 1996-01-16 The United States Of America As Represented By The Secrectary Of The Air Force Inductive-deductive process design for machined parts
US5835901A (en) * 1994-01-25 1998-11-10 Martin Marietta Corporation Perceptive system including a neural network
US5848373A (en) * 1994-06-24 1998-12-08 Delorme Publishing Company Computer aided map location system
US5848402A (en) * 1994-07-07 1998-12-08 Ai Ware, Inc. Universal system for artificial intelligence based learning, categorization, and optimization
JPH0877010A (ja) * 1994-09-07 1996-03-22 Hitachi Ltd データ分析方法および装置
KR100305874B1 (ko) 1995-06-02 2001-11-30 모리시타 요이찌 다방식 텔레비전수상기
GB9517988D0 (en) * 1995-09-04 1995-11-08 Ibm Interactive visualisation aid
US5734796A (en) * 1995-09-29 1998-03-31 Ai Ware, Inc. Self-organization of pattern data with dimension reduction through learning of non-linear variance-constrained mapping
US6134537A (en) * 1995-09-29 2000-10-17 Ai Ware, Inc. Visualization and self organization of multidimensional data through equalized orthogonal mapping
US5787422A (en) * 1996-01-11 1998-07-28 Xerox Corporation Method and apparatus for information accesss employing overlapping clusters
US5822741A (en) * 1996-02-05 1998-10-13 Lockheed Martin Corporation Neural network/conceptual clustering fraud detection architecture
US6278986B1 (en) * 1996-06-27 2001-08-21 Yahama Hatsudoki Kabushiki Kaisha Integrated controlling system
US5790121A (en) * 1996-09-06 1998-08-04 Sklar; Peter Clustering user interface
US6025843A (en) * 1996-09-06 2000-02-15 Peter Sklar Clustering user interface
US6032139A (en) * 1996-09-27 2000-02-29 Yamaha Hatsudoki Kabushiki Kaisha Electronic controller using genetic evolution techniques suitable for controlling a motor
JP3825845B2 (ja) * 1996-09-27 2006-09-27 ヤマハ発動機株式会社 進化的制御方式
US5933818A (en) * 1997-06-02 1999-08-03 Electronic Data Systems Corporation Autonomous knowledge discovery system and method
US6003029A (en) * 1997-08-22 1999-12-14 International Business Machines Corporation Automatic subspace clustering of high dimensional data for data mining applications
US6128609A (en) * 1997-10-14 2000-10-03 Ralph E. Rose Training a neural network using differential input
US6134541A (en) * 1997-10-31 2000-10-17 International Business Machines Corporation Searching multidimensional indexes using associated clustering and dimension reduction information
US6122628A (en) * 1997-10-31 2000-09-19 International Business Machines Corporation Multidimensional data clustering and dimension reduction for indexing and searching
US5983224A (en) * 1997-10-31 1999-11-09 Hitachi America, Ltd. Method and apparatus for reducing the computational requirements of K-means data clustering
GB9803466D0 (en) * 1998-02-19 1998-04-15 Chemical Computing Group Inc Discrete QSAR:a machine to determine structure activity and relationships for high throughput screening
US6327550B1 (en) * 1998-05-26 2001-12-04 Computer Associates Think, Inc. Method and apparatus for system state monitoring using pattern recognition and neural networks
US6269351B1 (en) * 1999-03-31 2001-07-31 Dryken Technologies, Inc. Method and system for training an artificial neural network
US6236942B1 (en) * 1998-09-15 2001-05-22 Scientific Prediction Incorporated System and method for delineating spatially dependent objects, such as hydrocarbon accumulations from seismic data
US6289354B1 (en) * 1998-10-07 2001-09-11 International Business Machines Corporation System and method for similarity searching in high-dimensional data space
US6496832B2 (en) * 1998-10-20 2002-12-17 University Of Minnesota Visualization spreadsheet
DE69941493D1 (de) * 1998-11-16 2009-11-12 California Inst Of Techn Gleichzeitige bestimmung von gleichgewichts- und kinetischen eigenschaften
WO2000046701A1 (en) * 1999-02-08 2000-08-10 Huntsman Ici Chemicals Llc Method for retrieving semantically distant analogies
US6629097B1 (en) * 1999-04-28 2003-09-30 Douglas K. Keith Displaying implicit associations among items in loosely-structured data sets
US6216267B1 (en) * 1999-07-26 2001-04-10 Rockwell Collins, Inc. Media capture and compression communication system using holographic optical classification, voice recognition and neural network decision processing
US6496812B1 (en) * 2000-05-13 2002-12-17 Object Power, Inc. Method and system for measuring and valuing contributions by group members to the achievement of a group goal
US6950786B1 (en) * 2000-10-10 2005-09-27 Schlumberger Technology Corporation Method and apparatus for generating a cross plot in attribute space from a plurality of attribute data sets and generating a class data set from the cross plot
US6697791B2 (en) * 2001-05-04 2004-02-24 International Business Machines Corporation System and method for systematic construction of correlation rules for event management
WO2003090160A2 (en) * 2002-04-19 2003-10-30 Computer Associates Think, Inc. Processing mixed numeric and/or non-numeric data
US7483868B2 (en) * 2002-04-19 2009-01-27 Computer Associates Think, Inc. Automatic neural-net model generation and maintenance
US7444310B2 (en) * 2002-04-19 2008-10-28 Computer Associates Think, Inc. Automatic model maintenance through local nets
US7777743B2 (en) * 2002-04-19 2010-08-17 Computer Associates Think, Inc. Viewing multi-dimensional data through hierarchical visualization
CA2500526A1 (en) * 2002-10-01 2004-04-15 Luke V. Schneider Artificial intelligence for analyzing hypothetical models
US7103874B2 (en) * 2003-10-23 2006-09-05 Microsoft Corporation Model-based management of computer systems and distributed applications

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243069A (zh) * 2014-07-09 2016-01-13 南方科技大学 大数据认知决策的智能系统
CN105005911A (zh) * 2015-06-26 2015-10-28 深圳市腾讯计算机系统有限公司 深度神经网络的运算系统及运算方法
CN107851213A (zh) * 2015-07-22 2018-03-27 高通股份有限公司 神经网络中的转移学习
CN107851213B (zh) * 2015-07-22 2021-08-10 高通股份有限公司 神经网络中的转移学习

Also Published As

Publication number Publication date
EP1520237A2 (en) 2005-04-06
US20040220900A1 (en) 2004-11-04
AU2003241302A1 (en) 2003-11-03
CA2481432A1 (en) 2003-10-30
JP2006511850A (ja) 2006-04-06
US7321879B2 (en) 2008-01-22
EP1504412B1 (en) 2018-04-11
AU2003221986A1 (en) 2003-11-03
BR0309322A (pt) 2007-03-06
US20040019574A1 (en) 2004-01-29
KR20050007306A (ko) 2005-01-17
WO2003090160A2 (en) 2003-10-30
EP1504412A2 (en) 2005-02-09
JP2005523533A (ja) 2005-08-04
US7716148B2 (en) 2010-05-11
US7533006B2 (en) 2009-05-12
IL164623A0 (en) 2005-12-18
WO2003090122A2 (en) 2003-10-30
CA2480951A1 (en) 2003-10-30
US20040215430A1 (en) 2004-10-28
WO2003090160A8 (en) 2004-11-18
IL164628A0 (en) 2005-12-18
BR0309388A (pt) 2007-02-21
WO2003090122A8 (en) 2005-02-03

Similar Documents

Publication Publication Date Title
CN1647079A (zh) 使用神经网络进行数据挖掘
Miller et al. Phylogenetic community structure metrics and null models: a review with new methods and software
US20230028511A1 (en) Constructing and operating an artificial recurrent neural network
Roura‐Pascual et al. Spatially‐explicit sensitivity analysis for conservation management: exploring the influence of decisions in invasive alien plant management
AU2005229637A1 (en) Application programming interface for text mining and search
EP1564661A2 (en) Decision-theoretic web-crawling and predicting web-page change
CN1716293A (zh) 增量反垃圾邮件查找与更新服务
CN101055581A (zh) 文档管理系统和方法
US8671087B2 (en) System, method and computer program product for scanning and indexing data for different purposes
CN1320874A (zh) 网络环境下的程序挖掘方法及其程序挖掘系统
CN1866283A (zh) 实现规则系统触发的系统及方法
CN1955997A (zh) 能力进度建模组件和相应方法
El Khalyly et al. A comparative study of microservices-based IoT platforms
Killion et al. Human adaptation strategies are key to cobenefits in human–wildlife systems
CN1650566A (zh) 在发布－订单网络中通过有效载荷检查和订单处理的包路由
CN1036492C (zh) 计算机辅助决策方法
Marghny et al. Web mining based on genetic algorithm
Nasiboglu et al. Learning the stress function pattern of ordered weighted average aggregation using DBSCAN clustering
WO2005103983A9 (en) Generative investment process
CN1435775A (zh) 一种互联网上镜像和准镜像网站的识别方法
CN1262925C (zh) 学习型检测维修系统及其方法
CN117194910A (zh) 一种知识产权托管系统及知识产权托管方法
CN117851938A (zh) 一种针对大数据平台的风险量化识别方法及系统
Mangat et al. AN ALGORITHM FOR MINING USABLE RULES USING A HOLISTIC SWARM BASED APPROACH
CN115757925A (zh) 一种信息检索方法、装置及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication