公开(公告)号：DE112020001884T5

公开(公告)日：2021-12-30

申请号：DE112020001884

申请日：2020-03-17

Applicant: IBM

Inventor： GUNAWAN OKI ,  ZHOU WANG

IPC: G01R33/07 ,  G01N27/72 ,  G01R31/26

Abstract: Es werden Systeme und Verfahren bereitgestellt, die hochempfindliche, nach Ladungsträgern auflösende Foto-Hall-Effekt-Messungen ermöglichen. Die Eigenschaften von Majoritäts- und Minoritäts-Ladungsträgern können gleichzeitig ermittelt werden. Gemäß einem Aspekt werden mittels eines Systems und Verfahrens der Typ, die Dichte und die Beweglichkeit von Majoritäts-Ladungsträgern und bei modulierter Bestrahlung die Beweglichkeit und die Foto-Ladungsträgerdichte von Minoritäts-Ladungsträgern ermittelt. Gemäß einem anderen Aspekt können mittels eines Systems und Verfahrens die Beweglichkeit von Löchern und Elektronen, die Foto-Ladungsträgerdichte, die Dichte der absorbierten Photonen, die Rekombinations-Lebensdauer und die Diffusionslänge für den Transport von Löchern, Elektronen und den ambipolaren Transport ermittelt werden.

公开(公告)号：DE112020000526T5

公开(公告)日：2021-10-21

申请号：DE112020000526

申请日：2020-03-13

Applicant: IBM

Inventor： ZHOU WANG ,  CHANG SHIYU ,  SOSA NORMA EDITH ,  SISBOT EMRAH AKIN

IPC: G06K9/62 ,  G06N3/08

Abstract: Verfahren und Systeme führen ein inkrementelles Lernen für eine Objekterkennung in Bildern und/oder Videos ohne ein katastrophales Vergessen von zuvor gelernten Objektklassen durch. Ein zweistufiger neuronaler Netzwerk-Objekterkenner wird zum Finden und Identifizieren von Objekten trainiert, die zu einer zusätzlichen Objektklasse gehören, indem der zweistufige neuronale Netzwerk-Objekterkenner iterativ so lange aktualisiert wird, bis ein Kriterium für die Gesamt-Erkennungsgenauigkeit erfüllt ist. Das Aktualisieren wird durchgeführt, um einen Ausgleich zwischen einem Minimieren eines Verlusts einer anfänglichen Fähigkeit zum Finden und Erkennen von Objekten, die zu den zuvor gelernten Objektklassen gehören, und einem Maximieren einer Fähigkeit zum zusätzlichen Finden und Identifizieren der Objekte herzustellen, die zu der zusätzlichen Objektklasse gehören. Ein Beurteilen, ob das Kriterium für die Gesamt-Erkennungsgenauigkeit erfüllt ist, vergleicht Ausgaben einer anfänglichen Version des zweistufigen neuronalen Netzwerk-Objekterkenners mit einer aktuellen Regionsvorschlagsausgabe durch eine aktuelle Version des zweistufigen neuronalen Netzwerk-Objekterkenners, um einen Regionsvorschlags-Destillationsverlust und einen zuvor gelernten Objektidentifizierungs-Destillationsverlust zu ermitteln.