-
公开(公告)号：CN104933275A
公开(公告)日：2015-09-23
申请号：CN201410101689.7
申请日：2014-03-18
Applicant: 日本电气株式会社
Abstract: 本发明公开了一种混合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、隐变量及组件参数确定的对数似然、正则项及隐变量的变分分布的对数，根据对数似然、正则项及隐变量的变分分布的对数确定目标函数；根据从样本数据中抽取的子样本数据确定使目标函数收敛的隐变量的变分分布及组件参数，根据使目标函数收敛的隐变量的变分分布及组件参数确定混合模型。本发明通过根据样本数据、隐变量及组件参数确定的对数似然、正则项及隐变量的变分分布的对数确定目标函数，根据使目标函数收敛的隐变量的变分分布及组件参数确定混合模型，由于引入了正则项，因而可使得混合模型的复杂度得到自动控制，可适用于处理超大规模数据。
-
公开(公告)号：CN117556051A
公开(公告)日：2024-02-13
申请号：CN202210940329.0
申请日：2022-08-05
Applicant: 日本电气株式会社
IPC: G06F16/36 , G06F16/35 , G06F40/30 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/295
Abstract: 根据本公开的实施例，提供了用于信息处理的方法和设备。该方法包括基于关于目标对象的非结构化文本集，确定所述目标对象的一组目标因素。每个目标因素表示所述目标对象的一个方面。该方法还包括通过分析所述文本集中的文本，确定包括原因事件和结果事件的因果事件对。该方法进一步包括基于所述因果事件对，确定所述一组目标因素中的第一因素与所述目标对象的第二因素之间的第一因果关系。该方案有助于完善目标对象因果关系的挖掘，从而有利于目标对象的改善。
-
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。
-
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：CN113469478A
公开(公告)日：2021-10-01
申请号：CN202010246073.4
申请日：2020-03-31
Applicant: 日本电气株式会社
Abstract: 本公开的实施例提供了一种信息处理方法、电子设备和计算机程序产品。该方法包括：获得产品的普及水平和与产品相关联的多个属性的值。该方法还包括：通过将普及水平和多个属性的值应用于数据处理模型，确定多个属性对产品的普及水平的多个影响因子。该方法进一步包括：基于多个影响因子来确定调整多个属性中的至少一个属性，以提高产品的普及水平。本公开的实施例可以指导产品提供方有效地提高产品的普及水平。
-
Patent Agency Ranking
公开(公告)号：CN106156067B
公开(公告)日：2019-11-01
申请号：CN201510145923.0
申请日：2015-03-30
Applicant: 日本电气株式会社
Abstract: 本发明提供一种为关系数据创建数据模型的方法和装置，其中，所述关系数据基于多个第一类型实体和多个第二类型实体。该方法包括：确定描述所述数据模型的多个变量，所述多个变量包括：第一变量集合，所述第一变量表示影响所述第一类型实体和所述第二类型实体的关系的、所述第一类型实体的特征；以及第二变量集合，所述第二变量表示影响所述第一类型实体和所述第二类型实体的关系的、所述第二类型实体的特征。该方法还包括针对所述多个变量中的每个变量选择近似分布；并且迭代地更新所述近似分布的参数，直至所述数据模型收敛。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.045 seconds)
