公开(公告)号：CN106663232A

公开(公告)日：2017-05-10

申请号：CN201580047302.7

申请日：2015-09-02

Applicant: 日本电气株式会社 ,  日本电气方案创新株式会社

Inventor： 玉野浩嗣 ,  新贝敦 ,  中道将司

IPC: G06Q10/06 ,  G06Q50/22

CPC classification number: G06N5/04 ,  G06N99/005 ,  G06Q10/06 ,  G06Q10/1091 ,  G06Q50/22

Abstract: 提供了一种能够预测雇员等是否将在预定时段中取得请假的请假预测系统等。根据本发明的一个实施例的一种请假预测系统被提供有：预测规则学习装置，其基于包括雇员的时序因素的第一出勤管理信息和指示请假关于每个雇员的存在或者不存在的信息来生成预测规则，该预测规则涉及对雇员在预定时段中取得请假的可能性的预测；以及预测装置，其基于包括关于作为预测的对象的雇员的时序因素的第二出勤管理信息和预测规则来预测作为预测的对象的雇员在预定时段中取得请假的可能性。

公开(公告)号：CN111937084B

公开(公告)日：2024-07-30

申请号：CN201880091894.6

申请日：2018-12-12

Applicant: 日本电气方案创新株式会社

Inventor： 谷口敦 ,  玉野浩嗣

IPC: G16H50/50

Abstract: 本发明的模型生成设备(60)包括：正则化参数候选设置装置(61)，其输出设置有多个解候选的正则化参数的搜索集合，该解候选至少具有相互不同的正则化参数的值，该正则化参数影响在解释变量中被具体定义的一个或多个变量的强正则化变量的项；模型学习装置，其学习与多个解候选中的每一个相对应的预测模型；精度评估装置(62)，其对已学习的预测模型中的每一个的预测精度进行评估；转变评估装置(63)，其评估缺陷样本的数量，该数量是图形形状或转变对于每个已学习的预测模型为无效的样本的数量；以及模型确定装置(63)，其基于关于预测精度的评估结果以及关于图形形状或缺陷样本的数量的评估结果，确定用于进度预测的预测模型。

公开(公告)号：CN111937012A

公开(公告)日：2020-11-13

申请号：CN201880091870.0

申请日：2018-11-29

Applicant: 日本电气方案创新株式会社

Inventor： 玉野浩嗣 ,  谷口敦 ,  清家胜代 ,  田中博典 ,  田尻俊宗

IPC: G06Q10/04

Abstract: 本发明的目的是自动确定包括基于假定条件获得的预测值的序列数据的无效性。指标计算设备(60)包括无效性得分输出装置(61)，当输入了预定的预测目标项目的序列数据时，该无效性得分输出装置(61)输出无效性得分，所述序列数据包括与时间相关联地指示预测目标项目的值的、至少其中一个是指示预测值的数据的三个或更多个数据，该无效性得分是指示序列数据的无效性的指标并且是基于通过将序列数据拟合为预定函数形式而获得的曲线模型与序列数据之间的误差。

公开(公告)号：CN111937084A

公开(公告)日：2020-11-13

申请号：CN201880091894.6

申请日：2018-12-12

Applicant: 日本电气方案创新株式会社

Inventor： 谷口敦 ,  玉野浩嗣

IPC: G16H50/50

Abstract: 本发明的模型生成设备(60)包括：正则化参数候选设置装置(61)，其输出设置有多个解候选的正则化参数的搜索集合，该解候选至少具有相互不同的正则化参数的值，该正则化参数影响在解释变量中被具体定义的一个或多个变量的强正则化变量的项；模型学习装置，其学习与多个解候选中的每一个相对应的预测模型；精度评估装置(62)，其对已学习的预测模型中的每一个的预测精度进行评估；转变评估装置(63)，其评估缺陷样本的数量，该数量是图形形状或转变对于每个已学习的预测模型为无效的样本的数量；以及模型确定装置(63)，其基于关于预测精度的评估结果以及关于图形形状或缺陷样本的数量的评估结果，确定用于进度预测的预测模型。

公开(公告)号：CN105706122A

公开(公告)日：2016-06-22

申请号：CN201480060483.2

申请日：2014-09-30

Applicant: 日本电气株式会社

Inventor： 江藤力 ,  藤卷辽平 ,  玉野浩嗣

IPC: G06N5/04

CPC classification number: G06N7/08 ,  G06F17/18 ,  G06N5/022 ,  G06N7/005

Abstract: 一种模型估计设备(100)包括：隐藏变量变分概率计算处理单元(104)，用于获得隐藏变量模型中的参数并且通过这些参数的使用来计算受约束隐藏变量变分概率作为与先前给定的分布接近的隐藏变量后验概率；模型参数优化处理单元(105)，用于通过受约束隐藏变量变分概率的使用来优化隐藏变量模型的参数；以及最优性确定处理单元(106)，用于确定使用被优化的参数的边际化对数似然函数是否被收敛，其中在确定边际化对数似然函数被收敛时，用于边际化对数似然函数的受约束隐藏变量变分概率和参数被输出。