使用序列稀疏注意的可解释性表格数据学习
实质审查的生效
摘要
解释表格数据的方法(300)包括在深层表格数据学习网络(TabNet)(200)处接收特征集合(206)。对于多个顺序处理步骤(S,Si‑N)中的每一个，该方法还包括：使用TabNet的掩码(214)来选择该特征集合的相关特征(206,206R)的子集(216)；使用TabNet的特征变换器(224)处理相关特征的子集，以生成决策步骤输出(208)和用于多个顺序处理步骤中的下一个处理步骤(S,Si+1)的信息(226)；将该信息提供给下一处理步骤。该方法还包括通过聚合为多个顺序处理步骤生成的决策步骤输出来确定最终判定输出(208,208F)。
基本信息
专利标题 ：
使用序列稀疏注意的可解释性表格数据学习
专利标题（英）：
暂无
公开（公告）号 ：
CN114556367A
申请号 ：
CN202080069925.5
公开（公告）日 ：
2022-05-27
申请日 ：
2020-08-02
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
塞尔坎·奥马尔·阿里克托马斯·乔·菲斯特
申请人 ：
谷歌有限责任公司
申请人地址 ：
美国加利福尼亚州
代理机构 ：
上海华诚知识产权代理有限公司
代理人 ：
肖华
优先权 ：
CN202080069925.5
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-14 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20200802
申请日 : 20200802
2022-05-27 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
