JP2009110212A - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2009110212A JP2009110212A JP2007281035A JP2007281035A JP2009110212A JP 2009110212 A JP2009110212 A JP 2009110212A JP 2007281035 A JP2007281035 A JP 2007281035A JP 2007281035 A JP2007281035 A JP 2007281035A JP 2009110212 A JP2009110212 A JP 2009110212A
- Authority
- JP
- Japan
- Prior art keywords
- feature quantity
- information
- quantity extraction
- data
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
【解決手段】高精度情報抽出装置構築システム10は、特徴量抽出式リストを生成する特徴量抽出式リスト生成部11、各特徴量抽出式により教師データの特徴量を計算する特徴量計算部12、教師データを供給する教師データ供給部13、計算された教師データの特徴量と教師データとに基づいて情報抽出式を機械学習により生成するとともに各特徴抽出式の評価値を算出する評価値算出部15、および、評価値算出部15から出力されるT個の弱情報抽出部F(X)tとそれに対応する信頼度Ctを用いて高精度情報抽出装置を構築する合成部16から構成される。本発明は、入力データから、入力データの特徴量を示す情報を高精度に抽出する情報抽出装置を構築する場合に適用できる。
【選択図】図3
Description
特徴量f1[Ti]>閾値 → 情報=−1
特徴量f1[Ti]≦閾値 → 情報=+1
とする。
信頼度Ct=1/2log((1−E)/E)
SignΣ(Ct・F(X)t)
FDR=((Xの平均)−(Yの平均))2/((Xの標準偏差)−(Yの標準偏差))
ただし、Xは教師データTi、Yは特徴量f1[Ti]を示すものとする。
r=(XとYの共分散)/((Xの標準偏差)×(Yの標準偏差))
ただし、Xは教師データTi、Yは特徴量f1[Ti]を示すものとする。
(ΣF(X)t)/t
以上のように、第1世代の教師データ群に対応する1つ目の弱情報抽出部F(X)1が構築され後、処理は図15のステップS63に戻される。
Claims (8)
- 入力データの特徴を示す情報を抽出する複数の情報抽出部の出力を合成して、前記情報抽出部よりも高精度で前記入力データの特徴を示す情報を抽出する高精度情報抽出部を構築するアンサンブル学習における前記情報抽出部を生成する情報処理装置において、
複数の演算子から成る特徴量抽出式を複数含む特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づいた遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成する特徴量抽出式リスト生成手段と、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、実データ、前記実データの特徴を示す情報、および重みからなる教師データの実データを入力して、前記実データに対応する複数の特徴量を計算する特徴量計算手段と、
計算された前記教師データの前記実データに対応する前記複数の特徴量から、前記教師データの前記実データに対応する前記情報を推定する機械学習により、前記特徴量抽出式リストに含まれる各特徴量抽出式にそれぞれ対応する情報抽出部候補を生成するとともに、生成した前記情報抽出部候補によって正しく推定された教師データの重みを用いて各特徴量抽出式にそれぞれ対応する評価値を算出し、最終世代の前記特徴量抽出式リストに含まれる特徴量抽出式のうちで前記評価値が最も良い特徴量抽出式に対応する前記情報抽出部候補を、前記アンサンブル学習における1つの前記情報抽出部に決定して、決定した前記情報抽出部によって間違って推定された教師データの重みを用いて、決定した前記情報抽出部の信頼度を算出する評価値算出手段と、
決定された前記情報抽出部の前記信頼度を用いて、教師データの重みを更新する更新手段と
を含むことを特徴とする情報処理装置。 - 複数の前記情報抽出部を、前記情報抽出部の前記信頼度に基づいて合成することにより、前記高精度情報抽出部を構築する合成手段を
さらに含むことを特徴とする請求項1に記載の情報処理装置。 - 入力データの特徴を示す情報を抽出する複数の情報抽出部の出力を合成して、前記情報抽出部よりも高精度で前記入力データの特徴を示す情報を抽出する高精度情報抽出部を構築するアンサンブル学習における前記情報抽出部を生成する情報処理装置の情報処理方法において、
複数の演算子から成る特徴量抽出式を複数含む第1世代の特徴量抽出式リストをランダムに生成し、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、実データ、前記実データの特徴を示す情報、および重みからなる教師データの実データを入力して、前記実データに対応する複数の特徴量を計算し、
計算された前記教師データの前記実データに対応する前記複数の特徴量から、前記教師データの前記実データに対応する前記情報を推定する機械学習により、前記特徴量抽出式リストに含まれる各特徴量抽出式にそれぞれ対応する情報抽出部候補を生成するとともに、生成した前記情報抽出部候補によって正しく推定された教師データの重みを用いて各特徴量抽出式にそれぞれ対応する評価値を算出し、
前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の前記評価値に基づいた遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新し、
最終世代の前記特徴量抽出式リストに含まれる特徴量抽出式のうちで前記評価値が最も良い特徴量抽出式に対応する前記情報抽出部候補を、前記アンサンブル学習における1つの前記情報抽出部に決定して、
決定した前記情報抽出部によって間違って推定された教師データの重みを用いて、決定した前記情報抽出部の信頼度を算出し、
決定された前記情報抽出部の前記信頼度を用いて、教師データの重みを更新する
ステップを含むことを特徴とする情報処理方法。 - 入力データの特徴を示す情報を抽出する複数の情報抽出部の出力を合成して、前記情報抽出部よりも高精度で前記入力データの特徴を示す情報を抽出する高精度情報抽出部を構築するアンサンブル学習における前記情報抽出部を生成する情報処理装置の制御用のプログラムであって、
複数の演算子から成る特徴量抽出式を複数含む第1世代の特徴量抽出式リストをランダムに生成し、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、実データ、前記実データの特徴を示す情報、および重みからなる教師データの実データを入力して、前記実データに対応する複数の特徴量を計算し、
計算された前記教師データの前記実データに対応する前記複数の特徴量から、前記教師データの前記実データに対応する前記情報を推定する機械学習により、前記特徴量抽出式リストに含まれる各特徴量抽出式にそれぞれ対応する情報抽出部候補を生成するとともに、生成した前記情報抽出部候補によって正しく推定された教師データの重みを用いて各特徴量抽出式にそれぞれ対応する評価値を算出し、
前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の前記評価値に基づいた遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新し、
最終世代の前記特徴量抽出式リストに含まれる特徴量抽出式のうちで前記評価値が最も良い特徴量抽出式に対応する前記情報抽出部候補を、前記アンサンブル学習における1つの前記情報抽出部に決定して、
決定した前記情報抽出部によって間違って推定された教師データの重みを用いて、決定した前記情報抽出部の信頼度を算出し、
決定された前記情報抽出部の前記信頼度を用いて、教師データの重みを更新する
ステップを含む処理を情報処理装置のコンピュータに実行させることを特徴とするプログラム。 - 入力データの特徴を示す情報を抽出する複数の情報抽出部の出力を合成して、前記情報抽出部よりも高精度で前記入力データの特徴を示す情報を抽出する高精度情報抽出部を構築するアンサンブル学習における前記情報抽出部を生成する情報処理装置において、
実データ、および前記実データの特徴を示す情報からなる教師データをランダムに選択する選択手段と、
複数の演算子から成る特徴量抽出式を複数含む特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づいた遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成する特徴量抽出式リスト生成手段と、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、前記教師データの実データを入力して、前記実データに対応する複数の特徴量を計算する特徴量計算手段と、
各特徴量抽出式にそれぞれ対応する評価値として、各特徴量抽出式を用いて計算された前記教師データの前記実データに対応する前記複数の特徴量を用いて、前記教師データの前記実データに対応する前記情報を推定した場合の精度を算出し、最終世代の前記特徴量抽出式リストに含まれる特徴量抽出式のうちで前記評価値が最も良い特徴量抽出式を用いて計算された前記教師データの前記実データに対応する前記複数の特徴量から、前記教師データの前記実データに対応する前記情報を推定する機械学習により、前記アンサンブル学習における1つの前記情報抽出部を生成する評価値算出手段と
を含むことを特徴とする情報処理装置。 - 複数の前記情報抽出部を合成することにより、前記高精度情報抽出部を構築する合成手段を
さらに含むことを特徴とする請求項5に記載の情報処理装置。 - 入力データの特徴を示す情報を抽出する複数の情報抽出部の出力を合成して、前記情報抽出部よりも高精度で前記入力データの特徴を示す情報を抽出する高精度情報抽出部を構築するアンサンブル学習における前記情報抽出部を生成する情報処理装置の情報処理方法において、
実データ、および前記実データの特徴を示す情報からなる教師データをランダムに選択し、
複数の演算子から成る特徴量抽出式を複数含む第1世代の特徴量抽出式リストをランダムに生成し、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、前記教師データの実データを入力して、前記実データに対応する複数の特徴量を計算し、
各特徴量抽出式にそれぞれ対応する評価値として、各特徴量抽出式を用いて計算された前記教師データの前記実データに対応する前記複数の特徴量を用いて、前記教師データの前記実データに対応する前記情報を推定した場合の精度を算出し、
前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の前記評価値に基づいた遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新し、
最終世代の前記特徴量抽出式リストに含まれる特徴量抽出式のうちで前記評価値が最も良い特徴量抽出式を用いて計算された前記教師データの前記実データに対応する前記複数の特徴量から、前記教師データの前記実データに対応する前記情報を推定する機械学習により、前記アンサンブル学習における1つの前記情報抽出部を生成する
ステップを含むことを特徴とする情報処理方法。 - 入力データの特徴を示す情報を抽出する複数の情報抽出部の出力を合成して、前記情報抽出部よりも高精度で前記入力データの特徴を示す情報を抽出する高精度情報抽出部を構築するアンサンブル学習における前記情報抽出部を生成する情報処理装置の制御用のプログラムであって、
実データ、および前記実データの特徴を示す情報からなる教師データをランダムに選択し、
複数の演算子から成る特徴量抽出式を複数含む第1世代の特徴量抽出式リストをランダムに生成し、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、前記教師データの実データを入力して、前記実データに対応する複数の特徴量を計算し、
各特徴量抽出式にそれぞれ対応する評価値として、各特徴量抽出式を用いて計算された前記教師データの前記実データに対応する前記複数の特徴量を用いて、前記教師データの前記実データに対応する前記情報を推定した場合の精度を算出し、
前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の前記評価値に基づいた遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新し、
最終世代の前記特徴量抽出式リストに含まれる特徴量抽出式のうちで前記評価値が最も良い特徴量抽出式を用いて計算された前記教師データの前記実データに対応する前記複数の特徴量から、前記教師データの前記実データに対応する前記情報を推定する機械学習により、前記アンサンブル学習における1つの前記情報抽出部を生成する
ステップを含む処理を情報処理装置のコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007281035A JP2009110212A (ja) | 2007-10-29 | 2007-10-29 | 情報処理装置、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007281035A JP2009110212A (ja) | 2007-10-29 | 2007-10-29 | 情報処理装置、情報処理方法、およびプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013090989A Division JP2013164863A (ja) | 2013-04-24 | 2013-04-24 | 情報処理装置、情報処理方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009110212A true JP2009110212A (ja) | 2009-05-21 |
Family
ID=40778651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007281035A Pending JP2009110212A (ja) | 2007-10-29 | 2007-10-29 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009110212A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101966557B1 (ko) * | 2017-12-08 | 2019-04-05 | 세종대학교산학협력단 | 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템 및 방법 |
CN110580518A (zh) * | 2018-06-07 | 2019-12-17 | 株式会社日立制作所 | 监督数据生成装置以及监督数据生成方法 |
JP2020111892A (ja) * | 2019-01-09 | 2020-07-27 | 株式会社明電舎 | 流量予測装置及び流量予測方法 |
JP2021025953A (ja) * | 2019-08-08 | 2021-02-22 | 株式会社島津製作所 | 質量分析データ処理方法、質量分析データ処理システム、及び質量分析データ処理プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
JP2006251955A (ja) * | 2005-03-09 | 2006-09-21 | Fuji Photo Film Co Ltd | 判別器生成装置、判別器生成方法およびそのプログラム |
JP2007121457A (ja) * | 2005-10-25 | 2007-05-17 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
-
2007
- 2007-10-29 JP JP2007281035A patent/JP2009110212A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
JP2006251955A (ja) * | 2005-03-09 | 2006-09-21 | Fuji Photo Film Co Ltd | 判別器生成装置、判別器生成方法およびそのプログラム |
JP2007121457A (ja) * | 2005-10-25 | 2007-05-17 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
Non-Patent Citations (4)
Title |
---|
CSNG200400452011; 松井 和宏, 他1名: '遺伝的特徴選択を取り入れたブースティング' 電子情報通信学会技術研究報告 第102巻, 第708号, 20030307, p.87-92, 社団法人電子情報通信学会 * |
CSNG200500701004; 上田 修功: 'アンサンブル学習' 電子情報通信学会技術研究報告 第104巻, 第291号, 20040904, p.25-32, 社団法人電子情報通信学会 * |
JPN6012048725; 上田 修功: 'アンサンブル学習' 電子情報通信学会技術研究報告 第104巻, 第291号, 20040904, p.25-32, 社団法人電子情報通信学会 * |
JPN6012048726; 松井 和宏, 他1名: '遺伝的特徴選択を取り入れたブースティング' 電子情報通信学会技術研究報告 第102巻, 第708号, 20030307, p.87-92, 社団法人電子情報通信学会 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101966557B1 (ko) * | 2017-12-08 | 2019-04-05 | 세종대학교산학협력단 | 빅데이터와 머신러닝을 이용한 수리부속수요 예측 시스템 및 방법 |
CN110580518A (zh) * | 2018-06-07 | 2019-12-17 | 株式会社日立制作所 | 监督数据生成装置以及监督数据生成方法 |
CN110580518B (zh) * | 2018-06-07 | 2023-04-18 | 株式会社日立制作所 | 监督数据生成装置以及监督数据生成方法 |
JP2020111892A (ja) * | 2019-01-09 | 2020-07-27 | 株式会社明電舎 | 流量予測装置及び流量予測方法 |
JP7103237B2 (ja) | 2019-01-09 | 2022-07-20 | 株式会社明電舎 | 流量予測装置及び流量予測方法 |
JP2021025953A (ja) * | 2019-08-08 | 2021-02-22 | 株式会社島津製作所 | 質量分析データ処理方法、質量分析データ処理システム、及び質量分析データ処理プログラム |
JP7268530B2 (ja) | 2019-08-08 | 2023-05-08 | 株式会社島津製作所 | 質量分析データ処理方法、質量分析データ処理システム、及び質量分析データ処理プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4948118B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP4935047B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP4392620B2 (ja) | 情報処理装置、情報処理方法、演算装置、演算方法、プログラム、および記録媒体 | |
CN109346045B (zh) | 基于长短时神经网络的多声部音乐生成方法及装置 | |
CN111444967A (zh) | 生成对抗网络的训练方法、生成方法、装置、设备及介质 | |
JP2011118786A (ja) | 情報処理装置、観測値予測方法、及びプログラム | |
JP5007714B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
Henkel et al. | Score Following as a Multi-Modal Reinforcement Learning Problem. | |
JP4433323B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US8712936B2 (en) | Information processing apparatus, information processing method, and program | |
JP4392621B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP4987282B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2009110212A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
EP2342708A1 (en) | Method for analyzing a digital music audio signal | |
CN111445922B (zh) | 音频匹配方法、装置、计算机设备及存储介质 | |
JP4392622B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2007122186A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2013164863A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Fu et al. | Generating high coherence monophonic music using monte-carlo tree search | |
Tanji et al. | ConBreO: a music performance rendering system using hybrid approach of IEC and automated evolution | |
JP2021015138A (ja) | 演奏評価方法、演奏評価装置およびプログラム | |
JP5035598B2 (ja) | 情報処理装置および方法、並びに、プログラム | |
Martins et al. | Engineering the role of social pressure: a new artificial life approach to software for generative music | |
Helmbold | Graham Charles Grindlay March 2005 | |
CN116524953A (zh) | 音频检测方法、训练方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20101020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120918 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121023 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121228 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20130129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130424 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20130501 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20130524 |