公开(公告)号：CN116341675A

公开(公告)日：2023-06-27

申请号：CN202211530853.7

申请日：2022-12-01

Applicant: 富士通株式会社 ,  国立大学法人大阪大学

Inventor： 铃木浩史 ,  后藤启介 ,  岩下洋哲 ,  高木拓也 ,  大堀耕太郎 ,  原聪

IPC: G06N20/00

Abstract: 一种非暂态计算机可读记录介质，其中存储有信息处理程序，该信息处理程序使计算机执行处理，该处理包括：基于变量的优先级顺序和估计量从多个变量中决定一个或更多个变量是关于重要性程度的问题的目标，所述变量的优先级顺序是基于指示所述多个变量的排名的多个模式确定的，所述估计量指示关于每个模式与预定条件匹配的可能性；以及基于关于所决定的变量的问题的回答结果来更新该估计量。

公开(公告)号：CN115885294A

公开(公告)日：2023-03-31

申请号：CN202080102249.7

申请日：2020-07-31

Applicant: 富士通株式会社

Inventor： 关由起子 ,  大堀耕太郎

IPC: G06N20/00 ,  G06Q10/06 ,  G16H20/00

Abstract: 本发明涉及预测程序、预测方法以及预测装置。实施方式的预测程序使计算机执行：列举的处理、创建的处理以及判定的处理。列举的处理列举与目标标签存在相关的特征量的组合。创建的处理基于列举的特征量的组合与预测对象的特征量的组合的差分，来创建用于使预测对象成为目标标签的对策。判定的处理基于表示过去的实绩的实绩信息来判定创建的对策的适合与否。

公开(公告)号：CN114556380A

公开(公告)日：2022-05-27

申请号：CN201980101036.X

申请日：2019-10-17

Applicant: 富士通株式会社

Inventor： 加藤孝史 ,  后藤启介 ,  大堀耕太郎

IPC: G06N20/00

Abstract: 本发明涉及机器学习程序、机器学习方法以及机器学习装置。进行训练数据的离散化，以便模型精度提高。关于将标签信息与多个数据项目的数据项目值的组合建立关联的多个学习数据，对每个数据项目将数据项目值转换为基于规定的基准离散化后的离散化数据值。使用转换后的多个学习数据执行学习将离散化数据值作为输入进行关于标签信息的判定的模型的学习处理。从学习处理的执行结果获取示出多个数据项目中的用于判定的两个以上的数据项目的组合的不同的多个特征信息、和示出多个特征信息各自的重要性的指标值。基于指标值选择一个以上的特征信息，基于选择出的一个以上的特征信息来变更用于数据项目值的离散化的基准。

公开(公告)号：CN112183570A

公开(公告)日：2021-01-05

申请号：CN202010505036.0

申请日：2020-06-05

Applicant: 富士通株式会社

Inventor： 岩下洋哲 ,  高木拓也 ,  后藤启介 ,  大堀耕太郎

IPC: G06K9/62 ,  G06N7/00

Abstract: 提供了预测方法、预测设备和记录介质。记录介质中存储有使计算机执行以下处理的预测程序：接收要经受预测的输入数据；以及根据每个都具有说明变量和目标变量的训练数据集，通过使用假设集和包括在假设集中的假设的相应权重来生成预测结果，所述假设每个都由说明变量的组合形成、对训练数据集中的任何训练数据集进行分类并且满足特定条件，所述权重是基于每个假设对于训练数据集中的每个训练数据集是否成立来学习的。所述生成包括：确定包括在伪布尔函数中的变量的值，使得预测结果满足特定条件的概率满足预定标准，所述伪布尔函数包括与说明变量对应的变量。

公开(公告)号：CN111626761A

公开(公告)日：2020-09-04

申请号：CN202010120051.3

申请日：2020-02-26

Applicant: 富士通株式会社

Inventor： 浅井达哉 ,  后藤启介 ,  岩下洋启 ,  大堀耕太郎

IPC: G06Q30/02 ,  G06N20/00 ,  G06F16/2458

Abstract: 提供了提取方法、提取设备和计算机可读记录介质。提取设备生成与数据中包括的多个项目值相关的条件的多个组合。提取设备通过使用从多个项目值估计响应变量的机器学习模型计算指示指定的响应变量和所述多个组合中的每个组合之间的共现程度的索引值，该机器学习模型通过使用所述数据来训练。提取设备基于条件和索引值中的任何一个从多个组合中提取特定组合。