-
公开(公告)号：CN111861519B
公开(公告)日：2024-10-29
申请号：CN201910335036.8
申请日：2019-04-24
Applicant: 日本电气株式会社
IPC: G06Q30/0201 , G06N20/00
Abstract: 本公开的实施例涉及用于数据处理的方法、设备和计算机可读存储介质。一种用于数据处理的方法包括获取关于多个因素的观测样本集合，该观测样本集合中的一个观测样本包括多个因素的相应观测值。该方法还包括针对多个因素中的每个因素，基于观测样本集合来估计该因素的观测值与估计值之间的差所服从的分布。该方法还包括至少基于估计的分布来确定表示多个因素间的因果关系的因果结构。本公开的实施例还提供了能够实现上述方法的设备和计算机可读存储介质。本公开的实施例能够在不对数据分布和因素间的关系进行任何假设的情况下准确且鲁棒地发现多个因素间的因果关系，并基于该因果关系来影响目标因素的观测值。
-
公开(公告)号：CN110750570A
公开(公告)日：2020-02-04
申请号：CN201810738606.3
申请日：2018-07-06
Applicant: 日本电气株式会社
IPC: G06F16/2458 , G06N5/04 , G16H50/70
Abstract: 本公开的实施例涉及一种用于确定多个变量之间的因果效应的方法。该方法包括确定多个变量中的第一变量的第一潜在结果和多个变量中的第二变量的第二潜在结果；基于第一潜在结果和第二潜在结果，确定用于描述对于第二变量的因果效应的问题公式；基于第一潜在结果、第二潜在结果和混杂变量，建立与因果效应的相关联的第一模型，第一潜在结果和第二潜在结果；以及基于第一模型和问题公式，确定因果效应。此外，本公开还涉及用于确定多个变量之间的因果效应的设备和计算机可读存储介质。
-
公开(公告)号：CN109598346A
公开(公告)日：2019-04-09
申请号：CN201710917705.3
申请日：2017-09-30
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 公开了一种用于估计观测变量之间的因果关系的方法、装置和系统。根据本公开的方法，响应于接收到观测变量的观测数据，基于对利用所述观测变量进行拟合时的拟合不一致度以及对因果网络结构的稀疏度约束，确定用于因果关系目标式。该拟合不一致度基于观测变量的加权因子进行调整，所述观测变量的加权因子表示使用除该观测变量之外的其他观测变量来拟合目标变量所需的最小成本的下限。然后利用观测数据，通过稀疏因果推理，在有向无环图约束下，对因果关系目标式进行最优化求解，以估计多个观测变量之间的因果关系。利用本公开，可以降低因观测变量估计误差而引起的敏感度，得到更加精确的因果关系。
-
公开(公告)号：CN108959290A
公开(公告)日：2018-12-07
申请号：CN201710354503.2
申请日：2017-05-18
Applicant: 日本电气株式会社
IPC: G06F17/30
Abstract: 本发明实施例提出了一种知识数据的处理方法和设备。所述方法包括：获取待检测的知识数据；分析待检测的知识数据，得到待检测的知识数据的结构化知识；检测待检测的知识数据与已有参考知识数据是否存在冲突。其中，所述检测包括将待检测的知识数据的结构化知识与根据两条或两条以上已有参考知识数据的结构化知识基于知识推理得到的结构化知识进行比较，以确定待检测的知识数据与已有参考知识数据是否存在冲突。根据本发明实施例的知识数据处理方法可以提高冲突检测的准确率。
-
公开(公告)号：CN107292408A
公开(公告)日：2017-10-24
申请号：CN201610191873.4
申请日：2016-03-30
Applicant: 日本电气株式会社
Abstract: 本发明的实施方式涉及用于在不确定集中进行采样的方法和装置。具体地，在本发明的一个实施方式中，提供了一种用于在不确定集中进行采样的方法，包括：接收所述不确定集，所述不确定集是鲁棒优化中可以被赋予不确定参数的数值的集合；获取所述不确定集中的违背与所述鲁棒优化相关联的约束函数的不确定参数的基准采样点；以及基于所述基准采样点与所述约束函数之间的空间位置关系，在所述不确定集中确定违背所述约束函数的候选采样点。在本发明的一个实施方式中，提供了一种用于在不确定集中进行采样的装置。
-
Patent Agency Ranking
公开(公告)号：CN106557451A
公开(公告)日：2017-04-05
申请号：CN201510642145.6
申请日：2015-09-30
Applicant: 日本电气株式会社
Abstract: 本公开涉及一种用于分层混合专家HME系统构建的特征选择的方法和设备。所述方法可以包括：对通过针对样本进行特征提取而获得的特征执行特性分析；以及基于所述特性分析来选择用于所述HME系统构建的特征。根据本公开，提供了一种改进的用于构建HME系统的方法，其中通过对利用特征提取而获得的特征执行特性分析，并基于该特性分析的结果来限制HME系统构建的特征空间。利用本公开的实施方式，可以构建更加精确的HME系统。
-
公开(公告)号：CN106156858A
公开(公告)日：2016-11-23
申请号：CN201510150198.6
申请日：2015-03-31
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 本公开的实施方式提供了一种分片线性模型生成系统及生成方法，该系统包括：获取装置，用于获取多个任务的数据；第一设置装置，用于设置用于表征所述多个任务之间的相关性的任务相关隐变量，其中每个任务与一个分片线性模型相关；第二设置装置，用于设置多个分片线性模型的模型结构，并且初始化相应的模型参数和分层隐变量；以及模型优化装置，用于基于所述多个任务的数据、所述任务相关隐变量以及所述分层隐变量优化所述模型结构和所述模型参数。
-
公开(公告)号：CN104933015A
公开(公告)日：2015-09-23
申请号：CN201410101670.2
申请日：2014-03-18
Applicant: 日本电气株式会社
IPC: G06F17/18
Abstract: 本发明公开了一种关系模型的确定方法及装置，属于统计技术领域。所述方法包括：获取根据样本数据、至少两个用于说明样本数据所属样本类别的隐变量及模型参数确定的对数似然、正则项及各个隐变量的变分分布的对数，并根据对数似然、正则项及各个隐变量的变分分布的对数确定目标函数；确定使目标函数收敛的各个隐变量的变分分布及模型参数，根据使目标函数收敛的各个隐变量的变分分布及模型参数确定关系模型。本发明通过根据样本数据、至少两个用于说明样本数据所属样本类别的隐变量及模型参数确定的对数似然、正则项及各个隐变量的变分分布的对数确定目标函数，并根据使目标函数收敛的各个隐变量的变分分布及模型参数确定关系模型，提高了关系模型的确定效率和精度，并且引入正则项，使得关系模型的复杂度得到自动控制。
-
公开(公告)号：CN109598347B
公开(公告)日：2024-12-06
申请号：CN201710922464.1
申请日：2017-09-30
Applicant: 日本电气株式会社
Abstract: 本公开内容的实现方式涉及用于确定因果关系的方法、系统和计算机程序产品。提供了一种确定多个变量之间的因果关系的方法，包括：响应于采集到与多个变量相关联的多个样本的数据集，获取描述多个变量之间的因果关系的矩阵，多个样本中的每个样本包括对应于多个变量的数据；基于数据集以及矩阵，确定与因果关系相关联的拟合度以及专家知识约束，其中专家知识约束包括针对矩阵中的两个变量之间的直接因果关系的边约束以及针对矩阵中的两个变量之间的间接因果关系的路径约束中的至少任一项；根据确定的拟合度和专家知识约束构建描述因果关系的问题公式；以及针对构建的问题公式进行求解以获得矩阵的候选结果。进一步，提供了相应系统和计算机程序产品。
-
公开(公告)号：CN110019833B
公开(公告)日：2024-08-06
申请号：CN201710920046.9
申请日：2017-09-30
Applicant: 日本电气株式会社
IPC: G06F16/36
Abstract: 本公开内容的实现方式涉及用于确定因果关系的方法、系统和计算机程序产品。具体地，提供了一种用于确定多个变量之间的因果关系的方法，包括：响应于采集到与多个变量相关联的多个样本的数据集，获取描述多个变量之间的因果关系的矩阵，多个样本中的每个样本包括对应于多个变量的数据；基于数据集以及矩阵，确定与因果关系相关联的拟合度以及与因果关系相关联的稀疏度，其中稀疏度包括针对矩阵中的多个向量中的每个向量的约束，约束对应于多个变量中的变量；根据确定的拟合度和稀疏度构建描述因果关系的第一问题公式；以及针对构建的第一问题公式进行求解以获得矩阵的候选结果。在本公开的其他实现中，提供了相应系统和计算机程序产品。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.023 seconds)
