Изобретение относится к офтальмологии и может быть использовано для расчета оптической силы интраокулярной линзы (ИОЛ) с использованием возможностей искусственного интеллекта, а именно математической модели, полученной в результате глубокого обучения искусственной нейронной сети (ИНС-модели).
Изобретение относится к устройству, предоставляющему услугу распознавания голоса. Устройство искусственного интеллекта включает в себя: микрофон и процессор, который распознает рабочую инструкцию, полученную через микрофон, принимает голосовую команду после распознавания инструкции, получает информацию о первом результате анализа и делает вывод о времени ожидания, соответствующем времени ожидания для приема дополнительной голосовой инструкции.
Система проверки искусственного интеллекта согласно варианту осуществления настоящего изобретения может включать в себя: сенсорную часть, которая получает данные процесса от технологического оборудования; часть генерации тестовых данных, которая преобразует данные процесса и генерирует тестовые данные; часть моделирования, которая считывает тестовые данные и передает их на датчик, при этом тестовые данные передаются в форме, идентичной фактическим данным процесса; блок определения аномалий, который принимает тестовые данные, переданные из имитационного блока, и использует модель искусственного интеллекта для определения наличия аномалий; часть проверки искусственного интеллекта, которая сравнивает тестовые данные и результаты части определения аномалии, чтобы определить адекватность модели искусственного интеллекта.
Компьютерно-реализуемый способ создания модели анализа диалогов на базе искусственного интеллекта для обработки обращений пользователей, выполняемый с помощью по меньшей мере одного процессора и содержащий этапы, на которых получают набор первичных данных, причем набор включает в себя по меньшей мере текстовые данные диалогов между пользователями и операторами, содержащие обращения пользователей и ответы операторов; осуществляют обработку полученного набора данных, в ходе которой формируют обучающую выборку для искусственной нейронной сети, содержащую положительные и отрицательные примеры обращений пользователей на основании анализа контекста диалогов, причем положительные примеры содержат семантически связанный набор реплик оператора в ответ на обращение пользователя; выполняют выделение и кодирование векторных представлений каждой реплики из упомянутых на предыдущем шаге положительных и отрицательных примеров обучающей выборки; применяют сформированную обучающую выборку для обучения модели определения релевантных реплик из контекста пользовательских обращений в диалогах.
Предоставляются система и методы для адаптивного группирования событий с множественной гранулярностью. Способ включает в себя: определение группировки данных ИТ-операций на первом уровне детализации для аналогичных событий или на втором уровне детализации для связанных событий на основе пользовательского ввода события группирования данных; синтаксический анализ с помощью синтаксического анализатора событий данных ИТ-операций на одну или более групп сходных событий на основе текстовой информации и правил синтаксического анализа в ответ на определение группировки данных ИТ-операций на первом уровне детализации; получение отзывов пользователей, указывающих, что одна или несколько групп подобных событий требуют модификации; определение одного или более ключевых слов данных об ИТ-операциях с использованием модели искусственного интеллекта в ответ на обратную связь с пользователем; обновление правил синтаксического анализатора для синтаксического анализатора событий на основе одного или более ключевых слов.
Реализованный на компьютере метод управляет моделью искусственного интеллекта. Ряд процессорных блоков обнаруживают изменение формата, используемого для обмена информацией между моделью искусственного интеллекта и приложением, использующим модель искусственного интеллекта. Количество процессорных блоков изменяет формат информации на ожидаемый формат, используемый моделью искусственного интеллекта и приложением.
Изобретение относится к самоанализу поведения обучения модели искусственного интеллекта путем сравнения выходных данных модели ИИ с проверочными данными, имеющими образцы кода различной сложности. Описываются системы и реализуемые компьютером способы, устройства и/или компьютерные программные продукты, которые могут делать один или несколько выводов относительно поведения обучения модели ИИ.
Система компьютерной безопасности, основанная на искусственном интеллекте, оснащена памятью и процессором, сопряженным с памятью, причем данная система включает в себя активную защиту критической инфраструктуры посредством обеспечения многоуровневой защиты информации в облачной архитектуре (CIPR/CTIS), секретный машинный интеллект (MACINT) и отпор посредством скрытых операций в киберпространстве, логическую защиту и мгновенное реагирование в реальном времени без создания баз данных (LIZARD), память и восприятие, основанные на критическом мышлении (СТМР), лексически объективный майнинг (LOM), линейную атомно-квантовую передачу информации (LAQIT) и систему универсальных BCHAIN-связей всего со всем (UBEC), а также гармонизацию базовых подключений с присоединением встроенных узлов.
Цифровая компьютерно-реализуемая платформа для создания медицинских приложений с использованием искусственного интеллекта содержит подсистему хранения данных, выполненную с возможностью получения данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ) для их обработки и передачи результатов обработки исследований; инструменты просмотра и разметки исследований; среду разработки приложений, выполненную с возможностью хранения и управления исходными кодами приложений, доступа к размеченным исследованиям в подсистеме хранения данных; среду запуска приложений, выполненную с возможностью запуска промежуточных версий приложений для тестирования и отладки, использования вычислительных ресурсов кластеров для обучения моделей; подсистему выполнения приложений, выполненную с возможностью приема разработанных приложений и обеспечения их выполнения; витрину приложений; подсистему аутентификации пользователей; подсистему обмена сообщениями.
Изобретение может быть использовано для повышения вероятности обнаружения и классификации объектов на изображениях различных видов, включая изображения видимого диапазона, СВЧ-диапазона и ИК-диапазона. Использование нейронных сетей, обученных на большом числе изображений объектов, включающих множество вариантов условий съемки этих объектов, вариативность самих объектов и воздействующих на процесс съемки помех позволяет существенно повысить возможности по обнаружению и классификации искомых объектов на исследуемых изображениях.
Способы, системы и устройства, в том числе компьютерные программы, закодированные на компьютерных носителях информации, для генерации ансамбля нейронных сетей. В частности, нейронные сети в ансамбле обучаются с использованием гиперпараметров, отличающихся друг от друга.
Описаны методы, системы и устройства, в том числе специализированный аппаратный чип, для обучения нейронных сетей. Аппаратная микросхема специального назначения может включать в себя скалярный процессор, сконфигурированный для управления вычислительной операцией аппаратной микросхемы специального назначения. Микросхема также может включать в себя векторный процессор, сконфигурированный так, чтобы иметь двумерный массив блоков векторной обработки, которые все выполняют одну и ту же инструкцию и взаимодействуют друг с другом посредством команд загрузки и сохранения векторного процессора.
Метод Openmall, работающий для ПК, планшетов и/или смартфонов или любого другого устройства, который оказывает помощь пользователям через виртуальные 3D-помощники, оснащенные искусственным интеллектом и, следовательно, аватарами, для покупки и/или продажи товаров и услуг в торговом центре, на виртуальных выставках, не ограниченных другими типами виртуальных пространств. Виртуальное взаимодействие с другими пользователями также может неограниченно происходить с самими аватарами посредством искусственного интеллекта с нейронной сетью. Аватары также могут получать доступ и/или обмениваться информацией бизнес-аналитики, а затем предоставлять эту информацию реальным пользователям. Метод Openmall с помощью виртуальных аватаров, оснащенных искусственным интеллектом, имитирует способы, которыми человеческий разум делает логические выводы посредством рассуждений, делая сами аватары способными взаимодействовать друг с другом. Этот метод имеет внутренние услуги, такие как электронная коммерция, социальные сети, логистика и/или платежи, которые также могут осуществляться с помощью виртуальной валюты, распределение прибыли, потоковое аудио, видео и т. д.
Изобретение относится к области техники искусственного интеллекта. Изобретение создает систему обработки и улучшения изображения лица с использованием нейронной сети обработки изображений и является более удобным для дальнейшего выполнения обработки изображения лица на анализируемом результате распознавания. Таким образом, данная система обработки на основе искусственного интеллекта реализует цель кроссплатформенной многотерминальной операции в реальном времени, повышает эффективность обработки изображения лица и обеспечивает более естественное и улучшенное изображение лица и макияжа.
Описывается, как применять модель искусственного интеллекта, основанную на взаимодействии нечеткой логики и обучения искусственной нейронной сети, для обнаружения проблем с финансовыми транзакциями в компьютерных сетях и кибератак. Огромные наборы данных использовались для разработки нечетких правил, которые затем включались в экспертные системы и использовались для проверки точности модели. Изученные правила позволяют создавать интеллектуальные алгоритмы высокого уровня.
Изобретение относится к способу и системе обучения нейронной сети искусственного интеллекта, а также к способу и системе для создания целевой карты с их использованием, к способу и системе, способным генерировать карту источника звука, устойчивую к фоновому шуму, путем отдельного получения фонового шума и повторного обучения части ранее изученной модели глубокого обучения.
Интегральная схема с перекрестными точками (IC) для искусственной нейронной сети (ANN) включает в себя синаптическую структуру, сформированную из множества строк слов (WLs), множества битовых строк (BLs) и множества сегнетоэлектрических туннельных переходов (FTJs), соединяющих часть BL и часть WL. Каждый синапс сконфигурирован для выполнения операции на основе входного напряжения, подаваемого на множество WLS, и вывода тока на соответствующий блок.
Способ позволяет использовать алгоритм оценки получаемых данных, основанный на технологиях искусственного интеллекта и нейронных сетей разного типа, в том числе глубоких нейронных сетей, включая использование машинного обучения.
Описаны система и способ для выполнения визуального контроля деталей. Система использует устройство формирования изображения в сочетании с нейронной сетью распознавания изображений для идентификации характеристик деталей посредством их изображений, обучая систему либо во время осмотра детали, либо без него, чтобы лучше определять характеристики.
RU 2772835 Система для агрегации метаданных событий поведения потребителя в магазине, верификации данных и их анализа с помощью искусственного интеллекта для интерпретации данных и запуска связанного действия
Изобретение относится к системе для агрегации метаданных событий поведения потребителя в магазине, верификации данных и их анализа с помощью искусственного интеллекта для интерпретации данных и запуска связанного действия, подходящей для применения в магазине в реальном мире.
