JP2013206016A - 情報処理装置および方法、並びにプログラム - Google Patents
情報処理装置および方法、並びにプログラム Download PDFInfo
- Publication number
- JP2013206016A JP2013206016A JP2012072789A JP2012072789A JP2013206016A JP 2013206016 A JP2013206016 A JP 2013206016A JP 2012072789 A JP2012072789 A JP 2012072789A JP 2012072789 A JP2012072789 A JP 2012072789A JP 2013206016 A JP2013206016 A JP 2013206016A
- Authority
- JP
- Japan
- Prior art keywords
- variable
- variables
- shaped structure
- independent
- conditional
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】検定実行部は、グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、2変数間の独立性の条件となる条件変数がある場合、2変数間の条件付き独立性検定を実行し、実行判定部は、2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する。検定実行部は、V字構造を有すると判定された経路上にのみ、条件変数がある場合には、2変数間の条件付き独立性検定を実行しない。本技術は、変数間の因果関係を推定する情報処理装置に適用することができる。
【選択図】図3
Description
図2は、本技術を適用した情報処理装置11のハードウェア構成例を示している。
図3は、情報処理装置11の本技術に係る部分の機能構成例を示している。
次に、図5および図6のフローチャートを参照して、情報処理装置11による独立性検定処理について説明する。記憶部53には、確率変数(以下、単に変数ともいう)の数Nと、それぞれの変数のとりうる2値以上の内部状態数が予め記憶されており、この変数全てについての状態が記述されたM個のデータが、入力部51により入力されると、独立性検定処理が開始される。
そこで、図10のフローチャートを参照して、V字構造の矛盾を解消する矛盾解消処理について説明する。
図11は、互いに矛盾した関係を有するV字構造に対する矛盾解消処理の具体例について説明する図である。
図12は、互いに矛盾した関係を有するV字構造に対する矛盾解消処理の他の具体例について説明する図である。
図13は、互いに矛盾した関係を有するV字構造に対する矛盾解消処理のさらに他の具体例について説明する図である。
図14は、互いに矛盾した関係を有するV字構造に対する矛盾解消処理のさらに他の具体例について説明する図である。
なお、本技術は、以下に挙げるような例に適用することが可能である。
多変量確率変数における観察データからの統計的因果関係を推定する因果関係推定処理に、本技術の独立性検定処理を適用する。なお、離散値または連続値である多変数確率変数はユーザによって定義され、データセットも予め用意されているものとする。これにより、有向辺と無向辺の混在したグラフィカルモデルが、出力部54としてのモニタ等に画像として出力されるようになる。このとき、条件付き独立性を考慮して有向辺の向きを定めるオリエンテーション・ルールにしたがって、グラフィカルモデルにおける無向辺を、できる限り有向辺に置き換えるようにしてもよい。また、グラフィカルモデルが、同等の関係を表すテキストデータとして、モニタ等に出力されるようにしてもよい。
病気と症状との間の因果関係を推定する因果関係推定処理に、本技術の独立性検定処理を適用する。なお、確率変数として、{結核T,肺がんL、気管支炎B、胸部X線検査結果X、呼吸困難D,および喫煙状況S}が定義され、それぞれの内部状態数がデータとして用意されているものとする。これにより、V字構造や無向辺を有する変数対が判明し、有向辺と無向辺の混在したグラフィカルモデルが、出力部54としてのモニタ等に画像として出力されるようになる。また、条件付き独立性を考慮して有向辺の向きを定めるオリエンテーション・ルールにしたがって、グラフィカルモデルにおける無向辺を、できる限り有向辺に置き換えるようにしてもよい。この例では、変数間の因果関係として、例えば、{S−L},{S−B},{L→D},{B→D},{L→X},{T→X}等が出力される。
工場における様々な測定項目と歩留りとの間の因果関係を推定する因果関係推定処理に、本技術の独立性検定処理を適用する。なお、確率変数として、{良品か否かY,工場内温度T、工場内湿度M、測定項目1A、測定項目2B,および測定項目3C}が定義されているものとする。ここで、変数Yは、良品であるか、良品でないかの2値を有する離散値であるが、他の変数は全て連続値であるものとする。そこで、離散値である変数Yを基準の変数として、他の変数(連続値)を全て離散化する既知の手法を用いることで、全ての変数を離散化する。これにより、有向辺と無向辺の混在したグラフィカルモデルが、出力部54としてのモニタ等に画像として出力されるようになる。
入力された文書をユーザにより予め定義されたカテゴリに分類する文書分類装置における文書分類の学習処理に、本技術の独立性検定処理を適用する。この文書分類装置は、予め分類された、または分類タグが付された文書が入力されると、その文書を、形態素解析等により品詞に分解する。これで、カテゴリを表す変数Cと、品詞の出現頻度を表す変数Sが用意されたことになる。ここで、変数Cは離散値であるが、変数Sは連続値であるので、変数Cを基準として変数Sを離散化(カテゴライズ)する。そして、離散値である変数Sについて、本技術の独立性検定処理を実行することで、有向辺と無向辺の混在したグラフィカルモデルが得られる。このとき、情報量規準を用いて、無向辺を有向辺に置き換えるようにしてもよい。さらに、全ての変数Sとカテゴリを表す変数Cとを有向辺で結ぶことで、条件付き確率分布の積がベイジアンネットワークとして表現されるようになる。これにより、同じデータを用いて条件付き確率分布を推定することで、文書分類の学習処理が行われる。このようにして、品詞間の依存関係を推定(学習)することで、未知の文書の分類に対して、精度の高い分類器が生成されるようになる。
入力された画像をユーザにより予め定義されたカテゴリに分類する画像識別装置における画像分類の学習処理に、本技術の独立性検定処理を適用する。この画像識別装置は、予め分類された、または分類タグが付された画像(学習用画像)が複数入力されると、これらの画像をクラスタ化する。さらに、画像識別装置は、クラスタ化された画像それぞれのRGB値の平均値を用いて、これらの画像を教師なしでさらにクラスタ化する。これで、カテゴリを表す変数Cと、RGB値の平均値を表す変数Vが用意されたことになる。ここで、変数Cは離散値であるが、変数Vは連続値であるので、変数Cを基準として変数Vを離散化(カテゴライズ)する。そして、離散値である変数Vについて、本技術の独立性検定処理を実行することで、有向辺と無向辺の混在したグラフィカルモデルが得られる。このとき、情報量規準を用いて、無向辺を有向辺に置き換えるようにしてもよい。さらに、全ての変数Vとカテゴリを表す変数Cとを有向辺で結ぶことで、条件付き確率分布の積がベイジアンネットワークとして表現されるようになる。これにより、同じデータを用いて条件付き確率分布を推定することで、画像分類の学習処理が行われる。このようにして、RGB値間の依存関係を推定(学習)することで、未知の画像の分類に対して、精度の高い分類器が生成されるようになる。
(1)
多変数間の独立性を検定する情報処理装置において、
グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、前記2変数間の独立性の条件となる条件変数がある場合、前記2変数間の条件付き独立性検定を実行する実行部と、
前記2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する判定部と
を備え、
前記実行部は、前記V字構造を有すると判定された経路上にのみ、前記条件変数がある場合には、前記2変数間の条件付き独立性検定を実行しない
情報処理装置。
(2)
前記実行部は、前記条件変数が、前記V字構造における前記第3の変数である場合には、前記2変数間の条件付き独立性検定を実行しない
(1)に記載の情報処理装置。
(3)
前記実行部は、条件付き独立性検定を実行するより前に、前記第1および第2の変数間の条件のない独立性検定を実行し、
前記第1および第2の変数が条件のない独立であり、かつ、前記第1および第2の変数がそれぞれ前記第3の変数に対して独立でないグラフ構造を前記V字構造として探索するV字構造探索部をさらに備える
(1)または(2)に記載の情報処理装置。
(4)
前記V字構造探索部は、前記第1および第2の変数が、前記第3の変数以外の変数を条件として条件付き独立であり、かつ、前記第1および第2の変数がそれぞれ前記第3の変数に対して独立でないグラフ構造を前記V字構造として探索する
(3)に記載の情報処理装置。
(5)
前記V字構造探索部は、インクリメントされる前記条件変数の組の数が所定の数を超えた場合、前記V字構造を探索しない
(4)に記載の情報処理装置。
(6)
前記判定部は、インクリメントされる前記条件変数の組の数に応じた数の前記2変数間の経路について、前記V字構造の有無を判定し、
前記実行部は、前記V字構造を有すると判定された経路のうちのいずれかに、前記条件変数のいずれかがある場合には、前記2変数間の条件付き独立性検定を実行しない
(1)乃至(5)のいずれかに記載の情報処理装置。
(7)
複数の前記V字構造において、矛盾する有向辺を検出し、前記有向辺の一部または全部を無向辺にすることで、前記矛盾を解消する矛盾検出部をさらに備える
(1)乃至(6)のいずれかに記載の情報処理装置。
(8)
前記矛盾検出部は、複数の前記V字構造における前記第1および第2の変数間の独立性検定に用いられる指標を用いて、より独立性の弱い前記第1および第2の変数を有する前記V字構造の有向辺を無向辺にする
(7)に記載の情報処理装置。
(9)
変数Xおよび変数Yがそれぞれ、変数Zに対して独立でない第1のV字構造、および、変数Wおよび変数Yがそれぞれ、変数Zに対して独立でない第2のV字構造において、変数Xと変数Wとが独立でない場合、前記矛盾検出部は、前記第1のV字構造における変数Xから変数Zへの有向辺、および、前記第2のV字構造における変数Wから変数Zへの有向辺を無向辺にする
(7)に記載の情報処理装置。
(10)
変数Xおよび変数Yがそれぞれ、変数Zに対して独立でない第1のV字構造、および、変数Wおよび変数Yがそれぞれ、変数Zに対して独立でない第2のV字構造において、変数Xと変数Wとが独立でない場合、前記矛盾検出部は、前記第1および第2のV字構造における有向辺の全部を無向辺にする
(7)に記載の情報処理装置。
(11)
変数Xおよび変数Yがそれぞれ、変数Zに対して独立でない第1のV字構造、および、変数Wおよび変数Yがそれぞれ、変数Zに対して独立でない第2のV字構造において、変数Xと変数Wとが独立でない場合、前記矛盾検出部は、2変数間の独立性検定に用いられる指標を用いて、変数Xおよび変数Y間の独立性と、変数Wおよび変数Y間の独立性とで、より独立性の弱い2変数を有する前記V字構造の有向辺を無向辺にする
(7)に記載の情報処理装置。
(12)
多変数間の独立性を検定する情報処理装置の情報処理方法において、
グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、前記2変数間の独立性の条件となる条件変数がある場合、前記2変数間の条件付き独立性検定を実行する実行ステップと、
前記2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する判定ステップと
を含み、
前記実行ステップは、前記V字構造を有すると判定された経路上にのみ、前記条件変数がある場合には、前記2変数間の条件付き独立性検定を実行しない
情報処理方法。
(13)
多変数間の独立性を検定する処理をコンピュータに実行させるプログラムにおいて、
グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、前記2変数間の独立性の条件となる条件変数がある場合、前記2変数間の条件付き独立性検定を実行する実行ステップと、
前記2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する判定ステップと
を含む処理をコンピュータに実行させ、
前記実行ステップは、前記V字構造を有すると判定された経路上にのみ、前記条件変数がある場合には、前記2変数間の条件付き独立性検定を実行しない
プログラム。
Claims (13)
- 多変数間の独立性を検定する情報処理装置において、
グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、前記2変数間の独立性の条件となる条件変数がある場合、前記2変数間の条件付き独立性検定を実行する実行部と、
前記2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する判定部と
を備え、
前記実行部は、前記V字構造を有すると判定された経路上にのみ、前記条件変数がある場合には、前記2変数間の条件付き独立性検定を実行しない
情報処理装置。 - 前記実行部は、前記条件変数が、前記V字構造における前記第3の変数である場合には、前記2変数間の条件付き独立性検定を実行しない
請求項1に記載の情報処理装置。 - 前記実行部は、条件付き独立性検定を実行するより前に、前記第1および第2の変数間の条件のない独立性検定を実行し、
前記第1および第2の変数が条件のない独立であり、かつ、前記第1および第2の変数がそれぞれ前記第3の変数に対して独立でないグラフ構造を前記V字構造として探索するV字構造探索部をさらに備える
請求項1に記載の情報処理装置。 - 前記V字構造探索部は、前記第1および第2の変数が、前記第3の変数以外の変数を条件として条件付き独立であり、かつ、前記第1および第2の変数がそれぞれ前記第3の変数に対して独立でないグラフ構造を前記V字構造として探索する
請求項3に記載の情報処理装置。 - 前記V字構造探索部は、インクリメントされる前記条件変数の組の数が所定の数を超えた場合、前記V字構造を探索しない
請求項4に記載の情報処理装置。 - 前記判定部は、インクリメントされる前記条件変数の組の数に応じた数の前記2変数間の経路について、前記V字構造の有無を判定し、
前記実行部は、前記V字構造を有すると判定された経路のうちのいずれかに、前記条件変数のいずれかがある場合には、前記2変数間の条件付き独立性検定を実行しない
請求項1に記載の情報処理装置。 - 複数の前記V字構造において、矛盾する有向辺を検出し、前記有向辺の一部または全部を無向辺にすることで、前記矛盾を解消する矛盾検出部をさらに備える
請求項1に記載の情報処理装置。 - 前記矛盾検出部は、複数の前記V字構造における前記第1および第2の変数間の独立性検定に用いられる指標を用いて、より独立性の弱い前記第1および第2の変数を有する前記V字構造の有向辺を無向辺にする
請求項7に記載の情報処理装置。 - 変数Xおよび変数Yがそれぞれ、変数Zに対して独立でない第1のV字構造、および、変数Wおよび変数Yがそれぞれ、変数Zに対して独立でない第2のV字構造において、変数Xと変数Wとが独立でない場合、前記矛盾検出部は、前記第1のV字構造における変数Xから変数Zへの有向辺、および、前記第2のV字構造における変数Wから変数Zへの有向辺を無向辺にする
請求項7に記載の情報処理装置。 - 変数Xおよび変数Yがそれぞれ、変数Zに対して独立でない第1のV字構造、および、変数Wおよび変数Yがそれぞれ、変数Zに対して独立でない第2のV字構造において、変数Xと変数Wとが独立でない場合、前記矛盾検出部は、前記第1および第2のV字構造における有向辺の全部を無向辺にする
請求項7に記載の情報処理装置。 - 変数Xおよび変数Yがそれぞれ、変数Zに対して独立でない第1のV字構造、および、変数Wおよび変数Yがそれぞれ、変数Zに対して独立でない第2のV字構造において、変数Xと変数Wとが独立でない場合、前記矛盾検出部は、2変数間の独立性検定に用いられる指標を用いて、変数Xおよび変数Y間の独立性と、変数Wおよび変数Y間の独立性とで、より独立性の弱い2変数を有する前記V字構造の有向辺を無向辺にする
請求項7に記載の情報処理装置。 - 多変数間の独立性を検定する情報処理装置の情報処理方法において、
グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、前記2変数間の独立性の条件となる条件変数がある場合、前記2変数間の条件付き独立性検定を実行する実行ステップと、
前記2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する判定ステップと
を含み、
前記実行ステップは、前記V字構造を有すると判定された経路上にのみ、前記条件変数がある場合には、前記2変数間の条件付き独立性検定を実行しない
情報処理方法。 - 多変数間の独立性を検定する処理をコンピュータに実行させるプログラムにおいて、
グラフィカルモデルにおいて少なくとも独立ではない2変数間の経路上に、前記2変数間の独立性の条件となる条件変数がある場合、前記2変数間の条件付き独立性検定を実行する実行ステップと、
前記2変数の経路上で、独立である第1および第2の変数がそれぞれ、第3の変数に対して独立でないグラフ構造であるV字構造の有無を判定する判定ステップと
を含む処理をコンピュータに実行させ、
前記実行ステップは、前記V字構造を有すると判定された経路上にのみ、前記条件変数がある場合には、前記2変数間の条件付き独立性検定を実行しない
プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012072789A JP5854274B2 (ja) | 2012-03-28 | 2012-03-28 | 情報処理装置および方法、並びにプログラム |
US13/845,626 US9311729B2 (en) | 2012-03-28 | 2013-03-18 | Information processing apparatus, information processing method, and program |
CN2013100925027A CN103365829A (zh) | 2012-03-28 | 2013-03-21 | 信息处理装置、信息处理方法和程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012072789A JP5854274B2 (ja) | 2012-03-28 | 2012-03-28 | 情報処理装置および方法、並びにプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2013206016A true JP2013206016A (ja) | 2013-10-07 |
JP2013206016A5 JP2013206016A5 (ja) | 2015-02-19 |
JP5854274B2 JP5854274B2 (ja) | 2016-02-09 |
Family
ID=49234322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012072789A Active JP5854274B2 (ja) | 2012-03-28 | 2012-03-28 | 情報処理装置および方法、並びにプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9311729B2 (ja) |
JP (1) | JP5854274B2 (ja) |
CN (1) | CN103365829A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015045091A1 (ja) * | 2013-09-27 | 2015-04-02 | 株式会社シーエーシー | ベイジアンネットワークの構造学習におけるスーパーストラクチャ抽出のための方法及びプログラム |
WO2017221444A1 (ja) * | 2016-06-21 | 2017-12-28 | 国立研究開発法人物質・材料研究機構 | 探索システム、探索方法および物性データベース管理装置 |
WO2018167826A1 (ja) * | 2017-03-13 | 2018-09-20 | 三菱電機株式会社 | 因果関係評価装置、因果関係評価システムおよび因果関係評価方法 |
JP2020149303A (ja) * | 2019-03-13 | 2020-09-17 | オムロン株式会社 | 解析装置、解析方法、及び解析プログラム |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5845630B2 (ja) * | 2011-05-24 | 2016-01-20 | ソニー株式会社 | 情報処理装置、情報処理方法、並びにプログラム |
JP2014228991A (ja) * | 2013-05-21 | 2014-12-08 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
WO2015114830A1 (ja) * | 2014-02-03 | 2015-08-06 | 株式会社日立製作所 | 計算機及びグラフデータ生成方法 |
US11094015B2 (en) | 2014-07-11 | 2021-08-17 | BMLL Technologies, Ltd. | Data access and processing system |
US11475310B1 (en) * | 2016-11-29 | 2022-10-18 | Perceive Corporation | Training network to minimize worst-case error |
CN110555047B (zh) * | 2018-03-29 | 2024-03-15 | 日本电气株式会社 | 数据处理方法和电子设备 |
US11017572B2 (en) * | 2019-02-28 | 2021-05-25 | Babylon Partners Limited | Generating a probabilistic graphical model with causal information |
US10706104B1 (en) * | 2019-07-25 | 2020-07-07 | Babylon Partners Limited | System and method for generating a graphical model |
CN115827453B (zh) * | 2022-12-01 | 2023-09-08 | 中国兵器工业信息中心 | 网络化软件系统可靠性测试剖面构造和测试用例生成方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060047616A1 (en) * | 2004-08-25 | 2006-03-02 | Jie Cheng | System and method for biological data analysis using a bayesian network combined with a support vector machine |
JP2007066260A (ja) * | 2005-09-02 | 2007-03-15 | Ntt Docomo Inc | ネットワーク変換システム、ネットワーク変換方法 |
JP2011048435A (ja) * | 2009-08-25 | 2011-03-10 | Nippon Telegr & Teleph Corp <Ntt> | 推定論理構築支援システム、ユーザ行動推定装置、ユーザ行動推定方法およびユーザ行動推定プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7117185B1 (en) * | 2002-05-15 | 2006-10-03 | Vanderbilt University | Method, system, and apparatus for casual discovery and variable selection for classification |
JP2007207101A (ja) * | 2006-02-03 | 2007-08-16 | Infocom Corp | グラフ生成方法、グラフ生成プログラム並びにデータマイニングシステム |
-
2012
- 2012-03-28 JP JP2012072789A patent/JP5854274B2/ja active Active
-
2013
- 2013-03-18 US US13/845,626 patent/US9311729B2/en active Active
- 2013-03-21 CN CN2013100925027A patent/CN103365829A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060047616A1 (en) * | 2004-08-25 | 2006-03-02 | Jie Cheng | System and method for biological data analysis using a bayesian network combined with a support vector machine |
JP2007066260A (ja) * | 2005-09-02 | 2007-03-15 | Ntt Docomo Inc | ネットワーク変換システム、ネットワーク変換方法 |
JP2011048435A (ja) * | 2009-08-25 | 2011-03-10 | Nippon Telegr & Teleph Corp <Ntt> | 推定論理構築支援システム、ユーザ行動推定装置、ユーザ行動推定方法およびユーザ行動推定プログラム |
Non-Patent Citations (2)
Title |
---|
JPN6015033352; 磯崎 隆司: 'ベイジアンネットワークにおける因果発見' 人工知能学会誌 第25巻 第6号, 20101101, p.811-818, (社)人工知能学会 * |
JPN6015033353; 森下 民平: 'Fast Constraint-based Learning of Bayesian Network using Frequent Itemset Mining' 第75回 人工知能基本問題研究会資料 (SIG-FPAI-A902) , 20091106, p.5-11, 社団法人人工知能学会 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015045091A1 (ja) * | 2013-09-27 | 2015-04-02 | 株式会社シーエーシー | ベイジアンネットワークの構造学習におけるスーパーストラクチャ抽出のための方法及びプログラム |
WO2017221444A1 (ja) * | 2016-06-21 | 2017-12-28 | 国立研究開発法人物質・材料研究機構 | 探索システム、探索方法および物性データベース管理装置 |
JPWO2017221444A1 (ja) * | 2016-06-21 | 2019-03-22 | 国立研究開発法人物質・材料研究機構 | 探索システム、探索方法および物性データベース管理装置 |
WO2018167826A1 (ja) * | 2017-03-13 | 2018-09-20 | 三菱電機株式会社 | 因果関係評価装置、因果関係評価システムおよび因果関係評価方法 |
JPWO2018167826A1 (ja) * | 2017-03-13 | 2019-03-28 | 三菱電機株式会社 | 因果関係評価装置、因果関係評価システムおよび因果関係評価方法 |
JP2020149303A (ja) * | 2019-03-13 | 2020-09-17 | オムロン株式会社 | 解析装置、解析方法、及び解析プログラム |
JP7070478B2 (ja) | 2019-03-13 | 2022-05-18 | オムロン株式会社 | 解析装置、解析方法、及び解析プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5854274B2 (ja) | 2016-02-09 |
US9311729B2 (en) | 2016-04-12 |
CN103365829A (zh) | 2013-10-23 |
US20130257873A1 (en) | 2013-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5854274B2 (ja) | 情報処理装置および方法、並びにプログラム | |
WO2018121690A1 (zh) | 对象属性检测、神经网络训练、区域检测方法和装置 | |
US9852378B2 (en) | Information processing apparatus and information processing method to estimate cause-effect relationship between variables | |
WO2019129060A1 (zh) | 自动生成机器学习样本的特征的方法及系统 | |
Patel et al. | Graph‐Based Link Prediction between Human Phenotypes and Genes | |
JP7304384B2 (ja) | モデルを生成するための方法、装置、電子機器、記憶媒体、及びコンピュータプログラム製品 | |
US9189750B1 (en) | Methods and systems for sequential feature selection based on significance testing | |
US20170227584A1 (en) | Time-series data waveform analysis device, method therefor and non-transitory computer readable medium | |
CN110096938B (zh) | 一种视频中的动作行为的处理方法和装置 | |
JP2012058972A (ja) | 評価予測装置、評価予測方法、及びプログラム | |
US11580425B2 (en) | Managing defects in a model training pipeline using synthetic data sets associated with defect types | |
JP6950504B2 (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
US11620579B2 (en) | Generalized metric for machine learning model evaluation for unsupervised classification | |
US11847446B2 (en) | Predictive build quality assessment | |
JP6699753B2 (ja) | 分析プログラム、情報処理装置および分析方法 | |
US11550707B2 (en) | Systems and methods for generating and executing a test case plan for a software product | |
JP6631540B2 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
CN108470194B (zh) | 一种特征筛选方法及装置 | |
CN113537630A (zh) | 业务预测模型的训练方法及装置 | |
CN114692778B (zh) | 用于智能巡检的多模态样本集生成方法、训练方法及装置 | |
CN112420125A (zh) | 分子属性预测方法、装置、智能设备和终端 | |
US20200279148A1 (en) | Material structure analysis method and material structure analyzer | |
CN111126566B (zh) | 基于gan模型的异常家具布局数据检测方法 | |
Shim et al. | Active inspection for cost-effective fault prediction in manufacturing process | |
CN110879821A (zh) | 评分卡模型衍生标签生成方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141226 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141226 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150812 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150818 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151006 |
|
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: 20151112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151125 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5854274 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |