JP2005258649A - データ分類方法及び装置 - Google Patents
データ分類方法及び装置 Download PDFInfo
- Publication number
- JP2005258649A JP2005258649A JP2004067263A JP2004067263A JP2005258649A JP 2005258649 A JP2005258649 A JP 2005258649A JP 2004067263 A JP2004067263 A JP 2004067263A JP 2004067263 A JP2004067263 A JP 2004067263A JP 2005258649 A JP2005258649 A JP 2005258649A
- Authority
- JP
- Japan
- Prior art keywords
- art
- category
- data
- teacher
- categories
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 41
- 238000012937 correction Methods 0.000 claims description 43
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 23
- 238000010248 power generation Methods 0.000 description 15
- 102100024405 GPI-linked NAD(P)(+)-arginine ADP-ribosyltransferase 1 Human genes 0.000 description 9
- 101000981252 Homo sapiens GPI-linked NAD(P)(+)-arginine ADP-ribosyltransferase 1 Proteins 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- APHFXDBDLKPMTA-UHFFFAOYSA-N 2-(3-decanoyl-4,5,7-trihydroxynaphthalen-2-yl)acetic acid Chemical compound CCCCCCCCCC(=O)c1c(CC(O)=O)cc2cc(O)cc(O)c2c1O APHFXDBDLKPMTA-UHFFFAOYSA-N 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本発明の目的は、分類精度と汎化能力を維持しつつ、不必要にARTカテゴリーを増加させないデータ分類方法及び装置を提供することにある。
【解決手段】
教師付き学習型のARTネットワーク11は複数個の入力データを複数個の教師カテゴリーに分類する。入力データをARTネットワーク11により分類した結果であるARTカテゴリーのうち、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在する場合に、重み係数ベクトルの修正操作を実施し、再度入力データをARTネットワーク11により分類する。
【選択図】 図1
Description
式1により新しい重み係数WJ (new) は 古い重み係数WJ (old)に入力ベクトルa
が反映されることになる。なお、Kwは学習率パラメータであり、入力データを新しい重み係数に反映させる度合いを決定する。式(2)についても式(1)と同様である。
警戒係数の設定値Δρは、Δρ>0であり、式3により警戒係数ρ(j)は大きくなる。
(1)ARTカテゴリーJに分類されたデータの教師カテゴリーの中で、ARTカテゴリーJ中の個数が最大のものを選択する(ここでは教師カテゴリーKとする)。
(2)ARTカテゴリーj(j≠J)の中で、教師カテゴリーKのデータが含まれ、かつARTカテゴリーJの最も近傍に位置するARTカテゴリーを選択する(ここではARTカテゴリーj*とする)。なお、該当するARTカテゴリーが見つからない場合は、上記(1)で別の教師カテゴリーK'を選択して同じ処理を繰り返す。
(3)重み係数修正値ΔWj及びΔZj を式6及び式7で決定する。
重み係数修正値ΔWj及びΔZjを式6及び式7のように決定することで、ARTカテゴリーJの重み係数WJはARTカテゴリーj*の重み係数Wj*に近づくように重み係数ベクトルが変更される。ステップS5の終了後にステップS1に戻り同様の処理を実行する。
定数αは(0≦α<0.5)であり、式8によりデータは[α,1−α]の範囲に正規化される。定数αは、例えば、α=0.2に設定される。
ステップS13とステップS14で作成したデータNdata_1(m)〜Ndata_5(m)及び CNdata_1(m)〜CNdata_5(m)の10項目のデータが入力データaとなり、データ分類装置10a〜10nの構成要素であるARTネットワーク11に入力される。入力データaの一例を図12に示す。なお、図12に示した表の中で、項目名及び日付、時刻の値は説明のために図示したものであり、入力データとしては使用しない。
Claims (7)
- 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型の適応共鳴理論(以下ARTと称する)ネットワークを用いたデータ分類方法において、前記入力データを前記ARTネットワークにより分類した結果であるARTカテゴリーのうち、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在する場合に、重み係数ベクトルの修正操作を実施し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類方法。
- 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型のARTネットワークを用いたデータ分類方法において、前記入力データを前記ARTネットワークにより分類した結果であるARTカテゴリーのうち、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在する場合に、重み係数ベクトルの修正操作と警戒係数の修正操作を実施し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類方法。
- 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型のARTネットワークを用いたデータ分類方法において、
前記ARTネットワークは、ARTカテゴリー毎に警戒係数を有し、前記入力データを前記ARTネットワークにより分類した結果であるARTカテゴリーのうち、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在する場合に、当該ARTカテゴリーに対応する警戒係数の修正操作と、重み係数ベクトルの修正操作とを実施し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類方法。 - 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型のARTネットワークを用いたデータ分類方法において、前記ARTネットワークは、ARTカテゴリー毎に警戒係数を有し、前記入力データを前記ARTネットワークにより分類した結果であるARTカテゴリーのうち、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在する場合に、当該ARTカテゴリーに対応する警戒係数の修正操作と、当該ARTカテゴリーに対応する重み係数ベクトルを、前記教師カテゴリーが含まれる他のARTカテゴリーに対応する重み係数ベクトルに近づけるように修正する操作とを実施し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類方法。
- 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型のARTネットワークを用いたデータ分類装置において、ARTカテゴリーと教師カテゴリーの対応関係を判定し、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在すると係数修正信号を出力するカテゴリー対応手段と、重み係数ベクトルを修正する重み係数修正手段と、警戒係数を修正する警戒係数修正手段とを具備し、前記カテゴリー対応手段が係数修正信号を出力した場合に、前記重み係数修正手段及びまたは前記警戒係数修正手段による修正操作を実施し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類装置。
- 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型のARTネットワークを用いたデータ分類装置において、前記ARTネットワークは、ARTカテゴリー毎に警戒係数を有し、ARTカテゴリーと教師カテゴリーの対応関係を判定し、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在すると係数修正信号を出力するカテゴリー対応手段と、重み係数ベクトルを修正する重み係数修正手段と、警戒係数を修正する警戒係数修正手段とを具備し、前記カテゴリー対応手段が係数修正信号を出力した場合に、前記警戒係数修正手段により、当該ARTカテゴリーに対応する警戒係数の修正操作を実施し、前記重み係数修正手段により重み係数を修正し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類装置。
- 複数個の入力データを複数個の教師カテゴリーに分類する教師付き学習型のARTネットワークを用いたデータ分類装置において、前記ARTネットワークは、ARTカテゴリー毎に警戒係数を有し、ARTカテゴリーと教師カテゴリーの対応関係を判定し、任意のARTカテゴリーに属するデータの教師カテゴリーが複数個存在すると係数修正信号を出力するカテゴリー対応手段と、重み係数ベクトルを修正する重み係数修正手段と、警戒係数を修正する警戒係数修正手段とを具備し、前記カテゴリー対応手段が係数修正信号を出力した場合に、前記警戒係数修正手段により、当該ARTカテゴリーに対応する警戒係数の修正操作を実施し、前記重み係数修正手段により、当該ARTカテゴリーに対応する重み係数ベクトルを、前記教師カテゴリーが含まれる他のARTカテゴリーに対応する重み係数ベクトルに近づけるように修正する操作とを実施し、再度前記入力データを前記ARTネットワークにより分類することを特徴とするデータ分類装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004067263A JP4676149B2 (ja) | 2004-03-10 | 2004-03-10 | データ分類装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004067263A JP4676149B2 (ja) | 2004-03-10 | 2004-03-10 | データ分類装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2005258649A true JP2005258649A (ja) | 2005-09-22 |
JP2005258649A5 JP2005258649A5 (ja) | 2007-01-25 |
JP4676149B2 JP4676149B2 (ja) | 2011-04-27 |
Family
ID=35084322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004067263A Expired - Lifetime JP4676149B2 (ja) | 2004-03-10 | 2004-03-10 | データ分類装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4676149B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011039823A1 (ja) * | 2009-10-02 | 2011-04-07 | 株式会社日立製作所 | プラント診断装置 |
CN102890495A (zh) * | 2011-07-19 | 2013-01-23 | 株式会社日立制作所 | 成套设备的诊断方法以及装置 |
CN110826600A (zh) * | 2019-10-18 | 2020-02-21 | 北京航空航天大学 | 基于自适应共振网络在线增量学习的发动机喘振预测方法 |
WO2020066124A1 (ja) * | 2018-09-26 | 2020-04-02 | 株式会社日立製作所 | プロセス状態解析装置及びプロセス状態表示方法 |
CN111108455A (zh) * | 2017-11-13 | 2020-05-05 | 株式会社日立制作所 | 数据分类装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09147045A (ja) * | 1995-11-17 | 1997-06-06 | Toyo Electric Mfg Co Ltd | ニューラルネットワーク |
-
2004
- 2004-03-10 JP JP2004067263A patent/JP4676149B2/ja not_active Expired - Lifetime
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09147045A (ja) * | 1995-11-17 | 1997-06-06 | Toyo Electric Mfg Co Ltd | ニューラルネットワーク |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011039823A1 (ja) * | 2009-10-02 | 2011-04-07 | 株式会社日立製作所 | プラント診断装置 |
JP5199478B2 (ja) * | 2009-10-02 | 2013-05-15 | 株式会社日立製作所 | プラント診断装置 |
CN102890495A (zh) * | 2011-07-19 | 2013-01-23 | 株式会社日立制作所 | 成套设备的诊断方法以及装置 |
CN111108455A (zh) * | 2017-11-13 | 2020-05-05 | 株式会社日立制作所 | 数据分类装置 |
WO2020066124A1 (ja) * | 2018-09-26 | 2020-04-02 | 株式会社日立製作所 | プロセス状態解析装置及びプロセス状態表示方法 |
US11393143B2 (en) | 2018-09-26 | 2022-07-19 | Hitachi, Ltd. | Process state analysis device and process state display method |
CN110826600A (zh) * | 2019-10-18 | 2020-02-21 | 北京航空航天大学 | 基于自适应共振网络在线增量学习的发动机喘振预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP4676149B2 (ja) | 2011-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8036999B2 (en) | Method for analyzing and classifying process data that operates a knowledge base in an open-book mode before defining any clusters | |
JP4641537B2 (ja) | データ分類方法および装置 | |
CN107111309B (zh) | 利用监督式学习方法的燃气涡轮机故障预测 | |
US20180231394A1 (en) | Gas turbine sensor failure detection utilizing a sparse coding methodology | |
EP2410312A1 (en) | A method for computer-assisted analyzing of a technical system | |
CN113111591B (zh) | 基于模块化配电终端内部故障自动诊断方法、装置及设备 | |
Pawełczyk et al. | Industrial gas turbine operating parameters monitoring and data-driven prediction | |
JP2011070334A (ja) | 異常診断装置及び異常診断方法 | |
KR20190082715A (ko) | 상관도를 고려한 데이터 분류 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
JP4676149B2 (ja) | データ分類装置 | |
CN115510950A (zh) | 基于时间卷积网络的飞行器遥测数据异常检测方法及系统 | |
EP3982225A2 (en) | Method and system for regime-based process optimization of industrial assets | |
CN112749744B (zh) | 基于观测模块的贝叶斯网络轨道客车牵引系统故障诊断方法及系统 | |
CN111814393B (zh) | 基于生成对抗网络的apu退化参数生成方法 | |
CN110826587B (zh) | 基于改进的加权一类支持向量机的涡轴发动机故障检测方法 | |
CN110826600B (zh) | 基于自适应共振网络在线增量学习的发动机喘振预测方法 | |
Chen et al. | Application of a neural fuzzy system with rule extraction to fault detection and diagnosis | |
CN115618708A (zh) | 基于增量式Informer算法的设备健康状态预测方法 | |
JP2010244149A (ja) | データ分類方法,データ分類装置,診断方法,診断装置 | |
CN115017978A (zh) | 一种基于加权概率神经网络的故障分类方法 | |
Loskiewicz-Buczak et al. | Aggregation of evidence by fuzzy set operations for vibration monitoring | |
Yélamos et al. | Fault diagnosis based on support vector machines and systematic comparison to existing approaches | |
Sundaram et al. | Aircraft engine health monitoring using density modelling and extreme value statistics | |
Benıtez-Pérez et al. | The use of ARMAX strategy and self organizing maps for feature extraction and classification for fault diagnosis | |
Renström | Condition monitoring system for wind turbines–based on deep autoencoders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061204 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100318 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101028 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20101108 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110125 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110127 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140204 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4676149 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
EXPY | Cancellation because of completion of term |