論文の概要: Measuring the originality of intellectual property assets based on machine learning outputs

• arxiv url: http://arxiv.org/abs/2010.06997v2
• Date: Mon, 7 Jun 2021 11:24:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 14:21:06.015339
• Title: Measuring the originality of intellectual property assets based on machine learning outputs
• Title（参考訳）: 機械学習出力に基づく知的財産資産の独創性の測定
• Authors: S\'ebastien Ragot
• Abstract要約: 原性基準は資産の比較、特に知的財産権(IP)の妥当性を評価するために頻繁に用いられる。 この研究において、資産の独創性は、この資産とコンパランドの間の距離の関数として定式化される。 特に、資産の原性は、2つの平均距離の比、すなわち、この資産からそのコンパランドまでの距離の調和平均を、唯一のコンパランド間の距離の調和平均で割ったものとして表すことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Originality criteria are frequently used to compare assets and, in particular, to assess the validity of intellectual property (IP) rights such as copyright and design rights. In this work, the originality of an asset is formulated as a function of the distances between this asset and its comparands, using concepts of maximum entropy and surprisal analysis. Namely, the originality function is defined according to the surprisal associated with a given asset. Creative assets can be justifiably compared to particles that repel each other via an electrostatic-like pair potential. This allows a very simple, suitably bounded formula to be obtained, in which the originality of an asset writes as the ratio of a reference energy to an interaction energy imparted to that asset. In particular, the originality of an asset can be expressed as a ratio of two average distances, i.e., the harmonic mean of the distances from this asset to its comparands divided by the harmonic mean of the distances between the sole comparands. Accordingly, the originality of objects such as IP assets can be simply estimated based on distances computed thanks to unsupervised machine learning techniques or other distance computation algorithms. Application is made to various types of assets, including emojis, typeface designs, paintings, and novel titles.
• Abstract（参考訳）: 原性基準は資産の比較、特に著作権や意匠権などの知的財産権(IP)の妥当性を評価するために頻繁に用いられる。 この研究において、資産の原性は、最大エントロピーと指数解析の概念を用いて、この資産とその相同点の間の距離の関数として定式化される。 即ち、その原性関数は、ある資産に付随する前提に従って定義される。 創造的資産は静電的な対ポテンシャルによって互いに撃退する粒子と比較することができる。 これにより、非常に単純で適切な有界な式が得られ、そこでは資産の原性はその資産に付与される相互作用エネルギーに対する参照エネルギーの比として記述される。 特に、資産の原性は、2つの平均距離の比、すなわち、この資産からそのコンパランドまでの距離の調和平均を、唯一のコンパランド間の距離の調和平均で割ったものとして表すことができる。 したがって、ipアセットなどのオブジェクトの独創性は、教師なし機械学習やその他の距離計算アルゴリズムにより計算された距離に基づいて単純に推定することができる。 絵文字、フォントデザイン、絵画、斬新なタイトルなど、さまざまな種類の資産に適用される。

関連論文リスト

• When is the Computation of a Feature Attribution Method Tractable? [0.0]
  SHAP以外の電力指標の計算複雑性について検討する。 電力指標を一定数の期待値評価に単純化できることを示す。 また、特徴部分集合の重要性を定量化する相互作用指標についても検討する。
  論文  参考訳（メタデータ） (2025-01-04T18:37:02Z)
• AI-based Density Recognition [7.106165417217771]
  本稿では、関連画像を用いて物体に物理的特性を割り当てるAIベースの概念を提案する。 ニューラルネットワークを用いて2次元画像から特定のパターンを抽出し、ボリューム、材料、密度などのさらなる情報を抽出する。
  論文  参考訳（メタデータ） (2024-07-24T07:45:37Z)
• Enabling Uncertainty Estimation in Iterative Neural Networks [49.56171792062104]
  本研究では,アンサンブルのような手法よりもはるかに低い計算コストで最先端の見積もりを提供する不確実性推定手法を開発する。 航空画像における道路検出と2次元および3次元形状の空力特性の推定という2つの応用領域に組み込むことで,その実用的価値を実証する。
  論文  参考訳（メタデータ） (2024-03-25T13:06:31Z)
• Attribute-Aware Deep Hashing with Self-Consistency for Large-Scale Fine-Grained Image Retrieval [65.43522019468976]
  本稿では属性認識ハッシュコードを生成するための自己整合性を持つ属性認識ハッシュネットワークを提案する。 本研究では,高レベル属性固有ベクトルを教師なしで蒸留する再構成タスクのエンコーダ・デコーダ構造ネットワークを開発する。 我々のモデルは,これらの属性ベクトルに特徴デコリレーション制約を設けて,それらの代表的能力を強化する。
  論文  参考訳（メタデータ） (2023-11-21T08:20:38Z)
• Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
  本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。 また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
  論文  参考訳（メタデータ） (2023-08-28T12:55:13Z)
• Approximating the Shapley Value without Marginal Contributions [11.539320505465149]
  協調ゲームにおいてプレイヤーに有意義な貢献価値を割り当てる最も一般的な手法であるShapley値は最近、説明可能な人工知能において集中的に使用されている。 本稿では,余剰寄与の概念から分離されたShapley値の表現に基づく2つのパラメータフリーおよびドメイン非依存近似アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-01T20:14:22Z)
• Exploring the role of parameters in variational quantum algorithms [59.20947681019466]
  動的リー代数の階数を用いた変分量子回路のキャラクタリゼーションのための量子制御に着想を得た手法を提案する。 有望な接続は、リーランク、計算されたエネルギーの精度、および所定の回路アーキテクチャを介して目標状態を達成するために必要な深さとの間のものである。
  論文  参考訳（メタデータ） (2022-09-28T20:24:53Z)
• Kinship Verification Based on Cross-Generation Feature Interaction Learning [53.62256887837659]
  顔画像からの血縁検証は、コンピュータビジョンの応用において、新しいが挑戦的な技術として認識されている。 本稿では,頑健な親族関係検証のためのクロスジェネレーション・インタラクション・ラーニング(CFIL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-07T01:50:50Z)
• On the training of sparse and dense deep neural networks: less parameters, same performance [0.0]
  本稿では,2021年に発表されたスペクトル学習手法の変種を提案する。 固有値は検証可能なノブとして機能し、(i)入力ノードの寄与を増強したり、あるいは沈黙したりするために自由に調整することができる。 それぞれのスペクトルパラメータはノード間重みの集合全体を反映しており、この特性を効果的に活用し、見事な分類能力を持つスパースネットワークを創出する。
  論文  参考訳（メタデータ） (2021-06-17T14:54:23Z)
• Optimal radial basis for density-based atomic representations [58.720142291102135]
  データセットの構造的多様性を最も効率的に表現するために選択される適応的で最適な数値ベースを構築する方法について議論します。 トレーニングデータセットごとに、この最適なベースはユニークで、プリミティブベースに関して追加のコストなしで計算することができる。 この構成が精度と計算効率のよい表現をもたらすことを実証する。
  論文  参考訳（メタデータ） (2021-05-18T17:57:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。