-
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。
-
公开(公告)号：CN104160412A
公开(公告)日：2014-11-19
申请号：CN201380009657.8
申请日：2013-04-30
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 提供了潜变量模型估计装置，该潜变量模型估计装置即使在模型候选的数目随着潜状态数以及观测概率的种类的增加而呈指数增加时，也能够实现高速模型选择。变分概率计算单元(71)通过最大化基准值来计算变分概率，该基准值被定义为近似量的下界，其中关于对完全变量的估计量执行边缘化对数似然函数的拉普拉斯近似。模型估计单元(72)通过对于每个潜状态估计观测概率的种类和参数来估计优化潜变量模型。收敛确定单元(73)确定基准值是否收敛，当计算变分概率时变分概率计算单元(71)使用该基准值。
-
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。
-
公开(公告)号：CN105556558A
公开(公告)日：2016-05-04
申请号：CN201480051775.X
申请日：2014-08-21
Applicant: 日本电气株式会社
IPC: G06Q30/06
CPC classification number: G06Q30/0202 , G06Q10/083 , G06Q30/06
Abstract: 本发明公开了一种确定适当的订货量的订货量确定设备。成分确定单元(91)基于以下各项来确定在出货量预测中使用的特定成分：分层隐结构在分层隐结构中，隐变量由树形结构表示并且表示概率模型的成分被分配给所述树形结构的最低层处的节点；门函数，该门函数确定前述分层隐结构的每个节点处的分支的方向；以及预测数据。基于所确定的成分和预测数据，出货量预测单元(92)计算针对现在时间与在第一时间点之后的第二时间点之间的产品的所预测的出货量。订货量确定单元(93)通过将对应于所确定的成分的预测误差散布的数量添加到所获得的数量，或者通过从所获得的数量减去对应于所确定的成分的预测误差散布的数量，来确定针对所述产品的订货量，其中所获得数量是通过从现在时间与前述第二时间点之间的产品的所预测的出货量减去产品的当前库存和在现在时间与前述第一时间点之间将接收的产品的数量而被获得。
-
公开(公告)号：CN104969216B
公开(公告)日：2018-10-02
申请号：CN201480007228.1
申请日：2014-01-08
Applicant: 日本电气株式会社
Abstract: 一种分级潜在结构设置单元81设置分级潜在结构，该分级潜在结构是其中潜在变量由树结构代表并且代表概率模型的分量位于树结构的最低级的节点处的结构。变分概率计算单元82计算路径潜在变量的变分概率，该路径潜在变量是在分级路径结构中的将根节点链接到目标节点的路径中包括的潜在变量。分量优化单元83优化用于计算出的变分概率的分量中的每个分量。门控函数优化单元84优化门控函数模型，该门控函数模型是用于基于分级潜在结构中的节点中的潜在变量的分量概率、根据该节点中的多变元数据确定分支方向的模型。
-
Patent Agency Ranking
公开(公告)号：CN103354928B
公开(公告)日：2015-06-24
申请号：CN201280008211.9
申请日：2012-12-21
Applicant: 日本电气株式会社
IPC: G06F17/30
CPC classification number: G06F17/30598 , G06F17/30554 , G06F17/30572 , G06F17/30592 , G06K9/6247
Abstract: 提供了一种能够在高维度数据的输入空间中视觉化数据分布以便于使得能够理解输入维度之间的关系的多维度数据可视化设备。低维度平行坐标图创建装置（71）从输入的多维度数据创建多个低维度平行坐标图，其中每一个都是由平行坐标图来表示与多维度数据中的维度部分有关的数据的图形。特征值计算装置（72）针对每对低维度平行坐标图来计算指示形成该对的低维度平行坐标图之间的关系的特征值。坐标计算装置（73）基于由特征值计算装置（72）所计算的特征值来计算布置每个低维度平行坐标图的坐标。
-
公开(公告)号：CN102549615A
公开(公告)日：2012-07-04
申请号：CN201080042785.9
申请日：2010-09-24
Applicant: 日本电气株式会社
Inventor： 森永聪
IPC: G06Q40/00
Abstract: 本发明提供了一种损失分布计算系统，包括：频率分布/规模分布输入部分，用于输入关于频率分布和规模分布的信息；规模分布离散化部分，用于执行针对输入规模分布的上部离散化和下部离散化之一或者两者；子复合分布计算部分，用于在执行对所有事件的划分之后计算针对所有事件之外的部分的损失的累积和的概率值，以便计算上部子复合分布和下部子复合分布之一或者两者，上部子复合分布基于频率分布和上部离散规模分布进行计算，并且下部子复合分布基于频率分布和下部离散规模分布进行计算；精确度计算部分，用于基于上部子复合分布和下部子复合分布之一或者两者计算损失分布函数的上限和下限，基于上部子复合分布和下部子复合分布之一或者两者计算函数作为损失分布函数的近似值，并且计算近似值的精确度；以及损失分布输出部分，用于输出关于具有由关于所计算的精确度的信息表示的保证的精确度的损失分布函数的近似值的信息。
-
公开(公告)号：CN103443809A
公开(公告)日：2013-12-11
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。
-
公开(公告)号：CN103354928A
公开(公告)日：2013-10-16
申请号：CN201280008211.9
申请日：2012-12-21
Applicant: 日本电气株式会社
IPC: G06F17/30
CPC classification number: G06F17/30598 , G06F17/30554 , G06F17/30572 , G06F17/30592 , G06K9/6247
Abstract: 提供了一种能够在高维度数据的输入空间中视觉化数据分布以便于使得能够理解输入维度之间的关系的多维度数据可视化设备。低维度平行坐标图创建装置（71）从输入的多维度数据创建多个低维度平行坐标图，其中每一个都是由平行坐标图来表示与多维度数据中的维度部分有关的数据的图形。特征值计算装置（72）针对每对低维度平行坐标图来计算指示形成该对的低维度平行坐标图之间的关系的特征值。坐标计算装置（73）基于由特征值计算装置（72）所计算的特征值来计算布置每个低维度平行坐标图的坐标。
-
公开(公告)号：CN103221945A
公开(公告)日：2013-07-24
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。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
