-
-
公开(公告)号：CN107292407A
公开(公告)日：2017-10-24
申请号：CN201610191871.5
申请日：2016-03-30
Applicant: 日本电气株式会社
IPC: G06Q10/04
CPC classification number: G06Q10/04
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不确定集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：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。
-
Patent Agency Ranking
公开(公告)号：CN104933014A
公开(公告)日：2015-09-23
申请号：CN201410101228.X
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。方法包括：获取根据样本数据、至少两个用于说明样本数据拥有的特征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；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隐变量的变分分布及模型参数，根据使目标函数收敛的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后，根据使目标函数收敛的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，由于采用正则项，因而可以对模型的复杂度进行自动控制，提高模型的确定效率。
-
公开(公告)号：CN119166773A
公开(公告)日：2024-12-20
申请号：CN202411204648.0
申请日：2024-08-29
Applicant: 日本电气株式会社
IPC: G06F16/332 , G06F16/35 , G06F40/30 , G06F16/31 , G06F40/216 , G06N3/0455 , G06N5/022 , G06N5/04
Abstract: 提供了用于处理用户请求的方法和设备。在一种方法中，从多个数据块中选择与用户请求相匹配的一组数据块，多个数据块指示与用户请求相关联的背景知识；基于用户请求和一组数据块，确定用于输入至机器学习模型的提示词；以及基于机器学习模型针对提示词的应答，提供针对用户请求的回答。利用本公开的示例性实现方式，可以选择匹配于用户请求的一组数据块，并获取有关该用户请求的相关背景知识。通过在提示词中包括该相关背景知识，一方面可以利用机器学习模型的自身的大量知识，另一方面可以利用机器学习模型的强大处理能力来分析背景知识，进而提供更为准确的应答。
-
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。
-
公开(公告)号：CN110555047B
公开(公告)日：2024-03-15
申请号：CN201810269835.5
申请日：2018-03-29
Applicant: 日本电气株式会社
IPC: G06F16/2458 , G06N20/00
Abstract: 本公开的实施例涉及一种数据处理方法、电子设备和计算机可读存储介质。数据处理方法包括：基于多个变量的观测数据集，获得表示多个变量之间的因果关系的模型；基于所获得的模型，确定多个变量中基于直接因果关系的第一变量和第二变量；确定第一变量和第二变量是否相互独立；以及响应于第一变量和第二变量相互独立，从所获得的模型中删除第一变量和第二变量之间的直接因果关系。利用本公开的数据处理方法，能够有效去除伪因，从而可以更精确地表示多个变量之间的因果关系。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.027 seconds)
