-
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：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：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。
-
公开(公告)号：CN110319845B
公开(公告)日：2024-01-09
申请号：CN201810276329.9
申请日：2018-03-30
Applicant: 日本电气株式会社
IPC: G01C21/34
Abstract: 本公开涉及用于确定两点之间的可达路径的方法、装置和系统。根据本公开的方法，首先建立包括多个点和连接所述多个点的边的图的邻接矩阵；然后基于所述邻接矩阵，从起点出发针对能够到达终点的可达路径进行搜索。特别地，在所述搜索过程中，基于已经搜索的路径设置针对搜索的终止条件，并且其中响应于在所述搜索过程中满足所述终止条件，终止相应的搜索。利用本公开，可以大大减少重复遍历，明显缩减搜索两点之间的可达路径所需的时间，显著提高可达路径搜索的效率。
-
公开(公告)号：CN107292323B
公开(公告)日：2023-09-19
申请号：CN201610201154.6
申请日：2016-03-31
Applicant: 日本电气株式会社
IPC: G06V10/774
Abstract: 本公开的实施例涉及用于训练混合模型的方法和设备。该混合模型包括多个子模型。该方法包括：响应于接收到第一数据集，确定第一数据集相对于多个子模型的第一分布。该方法还包括：迭代执行以下操作至少一次，直至收敛条件被满足：基于第一分布，降低多个子模型中的第一子模型的第一子空间维度；以及基于降低后的第一子空间维度，更新第一分布。本公开的实施例能够实现自动学习用于降维的混合模型。
-
Patent Agency Ranking
公开(公告)号：CN113887008A
公开(公告)日：2022-01-04
申请号：CN202010627708.5
申请日：2020-07-01
Applicant: 日本电气株式会社
IPC: G06F30/20 , G06F17/16 , G06F111/04 , G06F111/08
Abstract: 本公开的实施方式涉及信息处理方法、电子设备和计算机存储介质。该方法包括：获取一组变量；获取因果模型；以及使用该因果模型，基于该一组变量中的变量的类型来确定该一组变量中的变量之间的因果关系。使用本公开的技术方案，可以利用新的模型来处理复杂的、非线性的、连续数据或离散数据的混合，从确定观测数据之间的因果关系。
-
公开(公告)号：CN110390396A
公开(公告)日：2019-10-29
申请号：CN201810338823.3
申请日：2018-04-16
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 公开了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，响应于接收到混合观测变量的观测数据，确定适用于连续观测变量和离散观测变量的混合因果关系目标式，其包括用于连续观测变量的因果关系目标式和用于离散观测变量的因果关系目标式，且拟合不一致度基于观测变量的加权因子进行调整。然后利用混合观测数据，通过适用于连续观测变量和离散观测变量两者的混合稀疏因果推理，在有向无环图约束下，对所述混合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。本公开的实施方式适用于混合观测变量的因果关系估计，并且因果网络结构对因观测变量估计误差而引起的敏感度较低，因此可以得到较为精确的因果关系。
-
公开(公告)号：CN107292324A
公开(公告)日：2017-10-24
申请号：CN201610201314.7
申请日：2016-03-31
Applicant: 日本电气株式会社
IPC: G06K9/62
CPC classification number: G06K9/6256
Abstract: 本公开的实施例涉及用于训练混合模型的方法和设备。该混合模型包括多个子模型。该方法包括响应于接收到第一组数据，确定第一组数据相对于多个子模型间的第一分布。该方法还包括对第一组数据进行降维，以确定经降维的第一组数据的第二分布。该方法还包括基于第一分布和第二分布来更新用于多个子模型的模型参数的第三分布。该方法还包括响应于在第一组数据之后接收到第二组数据，确定第二组数据相对于多个子模型间的第四分布。该方法还包括对第二组数据进行降维，以确定经降维的第二组数据的第五分布。此外，该方法还包括基于第四分布和第五分布来更新第三分布。
-
公开(公告)号：CN107292071A
公开(公告)日：2017-10-24
申请号：CN201610193297.7
申请日：2016-03-30
Applicant: 日本电气株式会社
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明的实施方式涉及用于在不确定集中选择采样空间的方法和装置。在本发明的一个实施方式中，提出了一种用于在不确定集中选择采样空间的方法。该方法包括：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不确定集之间的空间位置关系，在所述不确定集中选择用于进行采样的采样空间。在本发明的一个实施方式中，提出了一种用于在不确定集中选择采样空间的装置。
-
公开(公告)号：CN111861519A
公开(公告)日：2020-10-30
申请号：CN201910335036.8
申请日：2019-04-24
Applicant: 日本电气株式会社
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
