公开(公告)号：CN106156077A

公开(公告)日：2016-11-23

申请号：CN201510149617.4

申请日：2015-03-31

Applicant: 日本电气株式会社

Inventor： 刘春辰 ,  王虎 ,  冯璐 ,  藤卷辽平

IPC: G06F17/30

Abstract: 本发明的实施例涉及用于混合模型选择的方法和装置。该方法包括：通过训练多个第一初始化隐变量来生成多个候选模型；基于多个候选模型确定第二初始化隐变量；以及基于第二初始化隐变量来确定目标模型。本发明的实施例可以快速高效地执行混合模型选择，并具有良好的通用性。

公开(公告)号：CN104517020A

公开(公告)日：2015-04-15

申请号：CN201310462746.X

申请日：2013-09-30

Applicant: 日电(中国)有限公司 ,  日本电气株式会社

Inventor： 王虎 ,  小阪勇気

IPC: G06F19/00

CPC classification number: G06K9/00536 ,  G06K9/6228

Abstract: 本发明公开了一种用于因果效应分析的特征提取方法和装置，属于数据分析领域。所述方法包括：确定用于对结果事件进行因果效应分析的特征时间点；根据所述特征时间点，获取预设数目的时间区间，所述预设数目的时间区间位于所述特征时间点之前，且所述时间区间距离所述特征时间点的间隔长度与所述时间区间的跨度呈正相关关系；根据所述每个时间区间所发生的潜在原因事件的事件信息，提取对所述结果事件进行因果效应分析的特征。本发明在综合考虑短期潜在原因事件和长期潜在原因事件的情况下，能够控制提取特征的数量，减少了计算量，避免了出现过拟合现象，进而增加了因果效应分析的准确率。

公开(公告)号：CN106156857B

公开(公告)日：2019-06-28

申请号：CN201510148685.9

申请日：2015-03-31

Applicant: 日本电气株式会社

Inventor： 刘春辰 ,  王虎 ,  冯璐

IPC: G06N5/04

Abstract: 本发明的实施例涉及用于混合模型选择的方法和装置。该方法包括：基于训练样本集来确定候选初始化参数的集合；利用预定的统计模型，基于候选初始化参数的集合确定目标初始化参数的集合；以及基于目标初始化参数的集合来确定目标模型。

公开(公告)号：CN106156856A

公开(公告)日：2016-11-23

申请号：CN201510147815.7

申请日：2015-03-31

Applicant: 日本电气株式会社

Inventor： 刘春辰 ,  王虎 ,  冯璐 ,  藤卷辽平

IPC: G06N5/04

Abstract: 本发明的实施例涉及用于混合模型选择的方法和装置。该方法包括：基于训练样本集来确定候选模型；基于候选模型的第一初始化隐变量和更新隐变量中的至少一个，生成第二初始化隐变量的集合，其中候选模型根据第一初始化隐变量而生成，并且更新隐变量表示候选模型输出的样本分组结果；以及基于第二初始化隐变量的集合来确定目标模型。

公开(公告)号：CN106155984A

公开(公告)日：2016-11-23

申请号：CN201510148406.9

申请日：2015-03-31

Applicant: 日本电气株式会社

Inventor： 于璐 ,  王虎 ,  郭小玲 ,  吴凡 ,  于华

IPC: G06F17/15

Abstract: 根据本公开示例实施例，提出了一种数据处理设备、方法和系统，能够改进连续松弛边界。数据处理设备包括：建模单元，利用来自应用的数据建立模型，所述模型包括对应用相关的优化问题进行描述的目标函数以及约束；松弛单元，对所述目标函数进行松弛以将约束吸收到所述目标函数中，得到松弛函数；凸化单元，基于松弛函数进行凸化，得到重构的目标函数；以及求解单元，对重构的目标函数进行求解。凸化单元通过最大化松弛函数的均值，来进行凸化。

公开(公告)号：CN106155779A

公开(公告)日：2016-11-23

申请号：CN201510150031.X

申请日：2015-03-31

Applicant: 日本电气株式会社

Inventor： 王虎 ,  刘春辰 ,  冯璐 ,  藤卷辽平

IPC: G06F9/48

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；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。