-
公开(公告)号：CN110476159A
公开(公告)日：2019-11-19
申请号：CN201880023104.0
申请日：2018-03-23
Applicant: 日本电气株式会社
IPC: G06F16/28
Abstract: 函数生成单元81使用预先准备的第一模板来生成特征值生成函数，该特征值生成函数从包含预测目标的变量的第一表和第二表生成可以影响预测目标的特征。特征值生成单元82向第一表和第二表应用特征值生成函数以生成特征值。说明文本生成单元83基于第二模板来生成关于特征值生成函数或特征值的说明文本。接收单元84接收要被替代到给第一和第二模板中的值。函数生成单元81将接收到的值替代到第一模板中并且生成特征值生成函数，并且说明文本生成单元83将被替代到第一模板中的该值替代到第二模板中并且生成说明文本。
-
公开(公告)号：CN108369584A
公开(公告)日：2018-08-03
申请号：CN201680069167.0
申请日：2016-11-14
Applicant: 日本电气株式会社
IPC: G06F17/30
Abstract: 表格存储单元81存储包括目标变量的第一表格和在粒度上与第一表格不同的第二表格。功能创建单元82根据第一表格和第二表格创建特征量生成函数，以用于生成作为可以影响目标变量的变量的特征量。函数创建单元82通过生成对应条件元素和聚合方法元素的组合来创建多个特征量生成函数中的每一个特征量生成函数，对应条件元素指示用于第一表格和第二表中格的行的对应条件，聚合方法元素指示针对每个目标变量用于聚合包含于第二表格中的每列中的数据的聚合方法。
-
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：CN103221945B
公开(公告)日：2016-09-14
申请号：CN201280003749.0
申请日：2012-03-16
Applicant: 日本电气株式会社
IPC: G06F17/18
CPC classification number: G06N7/005 , G06F17/18 , G06K9/622 , G06K9/6297 , G06N99/005
Abstract: 关于混合模型的模型选择问题，本发明关于模型候选的数目，基于适当的标准执行高速模型选择，所述模型候选的数目随着要混合的数目和类型的增多呈指数增大。一种混合模型估计装置包括：数据输入单元，所述数据输入单元输入要估计的混合模型的数据、估计数据的混合模型所需的混合数目的候选值、以及配置混合模型的分量的类型和参数；处理单元，所述处理单元根据候选值设置混合数目，针对设置的混合数目来计算针对随机变量的隐变量的变异概率，所述随机变量是数据的混合模型估计的目标，并通过使用计算的隐变量的变异概率优化分量的类型及其参数以便最大化针对混合模型的每个分量分离的模型后验概率的下限，来估计优化混合模型；以及模型估计结果输出单元，所述模型估计结果输出单元输出由处理单元获得的模型估计结果。
-
Patent Agency Ranking
公开(公告)号：CN102354204A
公开(公告)日：2012-02-15
申请号：CN201110180560.6
申请日：2008-03-21
Applicant: 日本电气株式会社
IPC: G05B23/02
CPC classification number: G05B23/0281 , G06N7/005
Abstract: 提供一种诊断装置，根据包含从被诊断对象测定的多个属性在内的数据的各属性的变化度，检测故障并推定其原因。诊断对象变化度模式生成单元(110)计算包含从被诊断对象测定的多个属性在内的诊断对象数据的各属性的变化度，生成作为各属性的变化度的组合的诊断对象变化度模式。基准变化度模式存储装置(150)将基准变化度模式与故障的种类及其原因的种类的每一种诊断事件建立对应地进行存储。变化度模式诊断单元(120)进行诊断对象变化度模式与基准变化度模式存储装置中的基准变化度模式的模式匹配，从而进行被诊断对象的诊断。
-
公开(公告)号：CN107292323A
公开(公告)日：2017-10-24
申请号：CN201610201154.6
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。
-
-
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
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。
-
公开(公告)号：CN103443809B
公开(公告)日：2016-09-28
申请号：CN201280004786.3
申请日：2012-12-11
Applicant: 日本电气株式会社
CPC classification number: G06N99/005
Abstract: 为提供能有效地学习反映指示用于模型的用户的知识或分析意图的领域知识的判别模型，同时保持数据的拟合的判别模型学习设备。查询候选存储装置（81）将查询的候选存储为被给有指示用户的意图的领域知识的模型。正则化函数生成装置（82）基于被给予查询候选的领域知识，生成指示与领域知识的兼容性的正则化函数。模型学习装置（83）通过优化由损失函数定义的函数和为每一判别模型预定义的正则化函数，学习判别模型。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
