JP2016071697A - 学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム - Google Patents
学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2016071697A JP2016071697A JP2014201518A JP2014201518A JP2016071697A JP 2016071697 A JP2016071697 A JP 2016071697A JP 2014201518 A JP2014201518 A JP 2014201518A JP 2014201518 A JP2014201518 A JP 2014201518A JP 2016071697 A JP2016071697 A JP 2016071697A
- Authority
- JP
- Japan
- Prior art keywords
- input data
- time
- series
- learning
- input
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims description 23
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000004364 calculation method Methods 0.000 claims abstract description 56
- 230000015654 memory Effects 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 description 27
- 238000012986 modification Methods 0.000 description 21
- 230000004048 modification Effects 0.000 description 21
- 230000006854 communication Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 230000010365 information processing Effects 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012421 spiking Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
Description
非特許文献1 G. E. Hinton and A. D. Brown, Spiking Boltzmann machines, In Advances in Neural Information Processing Systems, pages 122-128, 1999
非特許文献2 I. Sutskever and G. E. Hinton, Learning multilevel distributed representations for highdimensional sequences, In International Conference on Artificial Intelligence and Statistics, pages 548-555, 2007
非特許文献3 I. Sutskever, G. E. Hinton, and G. W. Taylor, The recurrent temporal restricted Boltzmann machine, In Advances in Neural Information Processing Systems, pages 1601-1608, 2008
特許文献1 特開平6−162234号公報
て更新部160に供給された例を示す。第2規定パラメータμlは、時点差が大きくなるにしたがって値が漸減するパラメータなので、更新部160が算出する更新パラメータγi,lは、入力値1が入力した時点から次の入力がある時点まで、時間の経過と共に減少する傾向が得られる。
Claims (21)
- 時系列入力データに対応するモデルを学習するための学習装置であって、
前記時系列入力データを取得する取得部と、
前記時系列入力データにおける一の時点の入力データに対応する複数の入力値を前記モデルが有する複数のノードに供給する供給部と、
前記時系列入力データにおける前記一の時点より前の入力データ系列と、前記モデルにおける前記入力データ系列中の入力データに対応する複数の入力値のそれぞれと前記複数のノードのそれぞれとの間の重みパラメータとに基づいて、前記入力データ系列が発生した条件下における前記一の時点の各入力値の条件付確率を算出する算出部と、
前記重みパラメータを調整して、前記入力データ系列が発生した条件の下で前記一の時点の入力データが発生する条件付確率をより高める学習処理部と、
を備える学習装置。 - 前記時系列入力データにおける前記一の時点より前の入力データ系列に基づく複数の更新パラメータを、それぞれの更新パラメータの値および次に反映すべき入力データにおける対応する入力値に基づいて前の時点における値から前記一の時点の値へと更新する更新部を更に備え、
前記算出部は、前記複数の更新パラメータを用いて前記入力データ系列が発生した条件下における前記一の時点の入力データ値の条件付確率を算出する
請求項1に記載の学習装置。 - 前記重みパラメータは、学習対象となる学習パラメータと、前記入力データ系列中の入力データと前記一の時点の入力データとの間の時点差に応じて予め定められた変化をする規定パラメータとに基づく、請求項2に記載の学習装置。
- 前記更新パラメータは、前記入力データ系列中の各時点の入力データにおける対応する入力値と、当該入力値と対象とするノードの間の前記重みパラメータにおける前記規定パラメータとに基づく、請求項3に記載の学習装置。
- 前記規定パラメータは、予め定められた定数を時点差に基づく数分累乗した値に基づき、
前記更新部は、前記一の時点の前における前記更新パラメータに次に反映すべき入力データにおける対応する入力値を加えてから前記定数を乗じることによって前記更新パラメータを更新する請求項4に記載の学習装置。 - 前記重みパラメータは、第1の前記学習パラメータおよび第1の前記規定パラメータの積に基づく正の値と、第2の前記学習パラメータおよび第2の前記規定パラメータの積に基づく負の値とに基づく、請求項5に記載の学習装置。
- 前記重みパラメータは、時点差が予め定められた遅延定数以上の場合に前記第1の学習パラメータおよび前記第1の規定パラメータの積に基づく正の値をとり、時点差が前記遅延定数未満かつ0でない場合に前記第2の学習パラメータおよび前記第2の規定パラメータの積に基づく負の値をとる請求項6に記載の学習装置。
- 前記重みパラメータは、複数の前記第1の学習パラメータおよび複数の前記第1の規定パラメータにおける複数組の前記第1の学習パラメータおよび前記第1の規定パラメータの積に基づく複数の正の値と、複数の前記第2の学習パラメータおよび複数の前記第2の規定パラメータにおける複数組の前記第2の学習パラメータおよび前記第2の規定パラメータの積に基づく複数の負の値とに基づく、請求項6または7に記載の学習装置。
- 前記第1の規定パラメータは、0より大きく1より小さい第1定数を、時点差から予め定められた遅延定数を減じた数分累乗した値をとり、
前記第2の規定パラメータは、0より大きく1より小さい第2定数を、時点差のマイナス値分累乗した値をとる
請求項6から8のいずれか一項に記載の学習装置。 - 前記時系列入力データの新たな入力データにおける対応する入力値を順次格納して予め定められた時点数の後に出力するFIFOメモリを備え、
前記更新部は、前記FIFOメモリから出力された入力値を用いて前記更新パラメータを更新する請求項5から9のいずれか一項に記載の学習装置。 - 複数の前記FIFOメモリのそれぞれが、前記時系列入力データにおける過去の入力データに対応する複数の入力値のそれぞれと、前記複数のノードのそれぞれとの間に設けられる請求項10に記載の学習装置。
- 前記取得部は、前記時系列入力データの新たな入力データを順次取得し、
前記供給部は、前記新たな入力データに応じた複数の入力値を前記複数のノードに順次供給し、
前記算出部は、前記時系列入力データにおける前記新たな入力データより前の入力データ系列が発生した条件下における前記新たな入力データに対応する時点の入力データ値の条件付確率を算出し、
前記学習処理部は、前記重みパラメータを調整して、当該入力データ系列が発生した条件の下で前記新たな入力データが発生する条件付確率を高める
請求項1から11のいずれか一項に記載の学習装置。 - 前記学習処理部は、新たに複数時点分の入力データが取得されたことに応じて、前記重みパラメータを前記複数時点分まとめて調整する請求項1から12のいずれか一項に記載の学習装置。
- 前記学習処理部は、前記モデルにおける前記複数のノードのそれぞれに与えられたバイアスパラメータを更に調整する請求項1から13のいずれか一項に記載の学習装置。
- 時系列入力データに対応するモデルを用いて時系列入力データから次の入力データを予測する処理装置であって、
前記時系列入力データを取得する時系列データ取得部と、
予測対象時点に対応する複数の入力値を前記モデルが有する複数のノードに供給する供給部と、
前記時系列入力データにおける予測対象時点より前の入力データ系列と、前記モデルにおける前記入力データ系列中の入力データに対応する複数の入力値のそれぞれと前記複数のノードのそれぞれとの間の重みパラメータとに基づいて、前記入力データ系列が発生した条件下において前記予測対象時点に対応する各入力値となる条件付確率を算出するノード算出部と、
前記予測対象時点に対応する各入力値の条件付確率に基づいて、前記時系列入力データが発生した条件の下で次の入力データが予め定められた値となる条件付確率を算出するデータ算出部と、
を備える処理装置。 - 前記モデルは、前記複数のノード間に重みパラメータを有さず、
前記データ算出部は、前記時系列入力データが発生した条件の下で次の入力データが前記予め定められた値となる条件付確率として、前記時系列入力データが発生した条件の下で前記複数のノードのそれぞれが前記予測対象時点に当該予め定められた値に対応する値となる条件付確率を前記複数のノードについて乗じた積を算出する請求項15に記載の処理装置。 - 請求項1から14のいずれか一項に記載の学習装置と、
請求項15または16に記載の処理装置と、
を備える予測システム。 - 時系列入力データに対応するモデルを学習するための学習方法であって、
前記時系列入力データを取得する取得段階と、
前記時系列入力データにおける一の時点の入力データに対応する複数の入力値を前記モデルが有する複数のノードに供給する供給段階と、
前記時系列入力データにおける前記一の時点より前の入力データ系列と、前記モデルにおける前記入力データ系列中の入力データに対応する複数の入力値のそれぞれと前記複数のノードのそれぞれとの間の重みパラメータとに基づいて、前記入力データ系列が発生した条件下における前記一の時点の各入力値の条件付確率を算出する算出段階と、
前記重みパラメータを調整して、前記入力データ系列が発生した条件の下で前記一の時点の入力データが発生する条件付確率をより高める学習処理段階と、
を備える学習方法。 - 時系列入力データに対応するモデルを用いて時系列入力データから次の入力データを予測する処理方法であって、
前記時系列入力データを取得する取得段階と、
予測対象時点に対応する複数の入力値を前記モデルが有する複数のノードに供給する供給段階と、
前記時系列入力データにおける予測対象時点より前の入力データ系列と、前記モデルにおける前記入力データ系列中の入力データに対応する複数の入力値のそれぞれと前記複数のノードのそれぞれとの間の重みパラメータとに基づいて、前記入力データ系列が発生した条件下において前記予測対象時点に対応する各入力値となる条件付確率を算出するノード算出段階と、
前記予測対象時点に対応する各入力値の条件付確率に基づいて、前記時系列入力データが発生した条件の下で次の入力データが予め定められた値となる条件付確率を算出するデータ算出段階と、
を備える処理方法。 - コンピュータに、請求項1から14のいずれか一項に記載の学習装置として機能させるプログラム。
- コンピュータに、請求項15または16に記載の処理装置として機能させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014201518A JP5943358B2 (ja) | 2014-09-30 | 2014-09-30 | 学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム |
US14/852,943 US10755164B2 (en) | 2014-09-30 | 2015-09-14 | Apparatus and method for learning a model corresponding to time-series input data |
US14/967,637 US9547818B2 (en) | 2014-09-30 | 2015-12-14 | Apparatus and method for learning a model corresponding to time-series moving image/video input data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014201518A JP5943358B2 (ja) | 2014-09-30 | 2014-09-30 | 学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016071697A true JP2016071697A (ja) | 2016-05-09 |
JP5943358B2 JP5943358B2 (ja) | 2016-07-05 |
Family
ID=55584807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014201518A Expired - Fee Related JP5943358B2 (ja) | 2014-09-30 | 2014-09-30 | 学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (2) | US10755164B2 (ja) |
JP (1) | JP5943358B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018041367A (ja) * | 2016-09-09 | 2018-03-15 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ニューラルネットワークの正則化 |
WO2018180750A1 (ja) * | 2017-03-30 | 2018-10-04 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理装置および情報処理方法 |
JP2019530926A (ja) * | 2016-09-15 | 2019-10-24 | グーグル エルエルシー | イメージ深度予測ニューラルネットワーク |
JP2020064584A (ja) * | 2018-10-17 | 2020-04-23 | 財団法人車輌研究測試中心 | サポートベクターマシンに基づく交差点知能運転方法及びそのシステム |
JP6704095B1 (ja) * | 2019-07-23 | 2020-06-03 | Hoya株式会社 | プログラム、情報処理方法及び情報処理装置 |
US11250313B2 (en) | 2019-01-28 | 2022-02-15 | International Business Machines Corporation | Autonomous trading with memory enabled neural network learning |
US11574164B2 (en) | 2017-03-20 | 2023-02-07 | International Business Machines Corporation | Neural network cooperation |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11010196B2 (en) * | 2015-08-31 | 2021-05-18 | Vmware, Inc. | Capacity analysis using closed-system modules |
US10360509B2 (en) * | 2015-10-19 | 2019-07-23 | International Business Machines Corporation | Apparatus and method for generating an optimal set of choices |
EP3203294A1 (en) | 2016-02-05 | 2017-08-09 | Aidmics Biotechnology Co., Ltd. | Sample adhesive element, sample carrying module and portable microscope apparatus using the same |
US10599976B2 (en) | 2016-11-07 | 2020-03-24 | International Business Machines Corporation | Update of attenuation coefficient for a model corresponding to time-series input data |
US11100388B2 (en) | 2016-11-22 | 2021-08-24 | International Business Machines Corporation | Learning apparatus and method for learning a model corresponding to real number time-series input data |
US10891534B2 (en) | 2017-01-11 | 2021-01-12 | International Business Machines Corporation | Neural network reinforcement learning |
US20180197080A1 (en) * | 2017-01-11 | 2018-07-12 | International Business Machines Corporation | Learning apparatus and method for bidirectional learning of predictive model based on data sequence |
US10783452B2 (en) * | 2017-04-28 | 2020-09-22 | International Business Machines Corporation | Learning apparatus and method for learning a model corresponding to a function changing in time series |
US11182676B2 (en) | 2017-08-04 | 2021-11-23 | International Business Machines Corporation | Cooperative neural network deep reinforcement learning with partial input assistance |
CN108108475B (zh) * | 2018-01-03 | 2020-10-27 | 华南理工大学 | 一种基于深度受限玻尔兹曼机的时间序列预测方法 |
WO2019203945A1 (en) * | 2018-04-17 | 2019-10-24 | Hrl Laboratories, Llc | A neuronal network topology for computing conditional probabilities |
CN110717597A (zh) * | 2018-06-26 | 2020-01-21 | 第四范式(北京)技术有限公司 | 利用机器学习模型获取时序特征的方法和装置 |
US11995540B2 (en) | 2018-10-11 | 2024-05-28 | International Business Machines Corporation | Online learning for dynamic Boltzmann machines with hidden units |
US11195116B2 (en) | 2018-10-31 | 2021-12-07 | International Business Machines Corporation | Dynamic boltzmann machine for predicting general distributions of time series datasets |
US11410042B2 (en) | 2018-10-31 | 2022-08-09 | International Business Machines Corporation | Dynamic Boltzmann machine for estimating time-varying second moment |
US11455513B2 (en) | 2019-02-01 | 2022-09-27 | International Business Machines Corporation | Hellinger distance for measuring accuracies of mean and standard deviation prediction of dynamic Boltzmann machine |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002298064A (ja) * | 2001-03-30 | 2002-10-11 | Sony Corp | 時系列データ予測方法及び装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4371895A (en) * | 1980-01-18 | 1983-02-01 | Nippon Electric Co., Ltd. | Coded video signal transmitting and receiving system |
JP3252381B2 (ja) | 1992-09-08 | 2002-02-04 | ソニー株式会社 | パターン認識装置 |
JPH06119454A (ja) | 1992-10-08 | 1994-04-28 | Babcock Hitachi Kk | 異常検出方法および装置 |
JPH06162234A (ja) | 1992-11-17 | 1994-06-10 | Ricoh Co Ltd | 推論方法およびそれを用いたニュ−ラルネットワ−クの構造決定方法 |
JPH07248841A (ja) | 1994-03-09 | 1995-09-26 | Mitsubishi Electric Corp | 非線形関数発生装置およびフォーマット変換装置 |
JPWO2008087968A1 (ja) | 2007-01-17 | 2010-05-06 | 日本電気株式会社 | 変化点検出方法および装置 |
US20140321756A9 (en) | 2008-05-27 | 2014-10-30 | Samsung Electronics Co., Ltd. | System and method for circling detection based on object trajectory |
CN108650515A (zh) | 2012-07-09 | 2018-10-12 | 株式会社尼康 | 解码装置及图像压缩装置 |
-
2014
- 2014-09-30 JP JP2014201518A patent/JP5943358B2/ja not_active Expired - Fee Related
-
2015
- 2015-09-14 US US14/852,943 patent/US10755164B2/en active Active
- 2015-12-14 US US14/967,637 patent/US9547818B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002298064A (ja) * | 2001-03-30 | 2002-10-11 | Sony Corp | 時系列データ予測方法及び装置 |
Non-Patent Citations (1)
Title |
---|
JPN6016014666; 西山 清 外1名: '"TDNNによる時系列パターンの記憶と想起に関する一考察"' 電子情報通信学会技術研究報告 第96巻,第584号, 19970318, pp.91-98, 社団法人電子情報通信学会 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018041367A (ja) * | 2016-09-09 | 2018-03-15 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ニューラルネットワークの正則化 |
US10902311B2 (en) | 2016-09-09 | 2021-01-26 | International Business Machines Corporation | Regularization of neural networks |
CN111915663A (zh) * | 2016-09-15 | 2020-11-10 | 谷歌有限责任公司 | 图像深度预测神经网络 |
JP2019530926A (ja) * | 2016-09-15 | 2019-10-24 | グーグル エルエルシー | イメージ深度予測ニューラルネットワーク |
US10929996B2 (en) | 2016-09-15 | 2021-02-23 | Google Llc | Image depth prediction neural networks |
US11734847B2 (en) | 2016-09-15 | 2023-08-22 | Google Llc | Image depth prediction neural networks |
CN111915663B (zh) * | 2016-09-15 | 2024-04-30 | 谷歌有限责任公司 | 图像深度预测神经网络 |
US11574164B2 (en) | 2017-03-20 | 2023-02-07 | International Business Machines Corporation | Neural network cooperation |
US11593611B2 (en) | 2017-03-20 | 2023-02-28 | International Business Machines Corporation | Neural network cooperation |
JP2018173944A (ja) * | 2017-03-30 | 2018-11-08 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 情報処理装置および情報処理方法 |
WO2018180750A1 (ja) * | 2017-03-30 | 2018-10-04 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理装置および情報処理方法 |
JP2020064584A (ja) * | 2018-10-17 | 2020-04-23 | 財団法人車輌研究測試中心 | サポートベクターマシンに基づく交差点知能運転方法及びそのシステム |
US11250313B2 (en) | 2019-01-28 | 2022-02-15 | International Business Machines Corporation | Autonomous trading with memory enabled neural network learning |
JP6704095B1 (ja) * | 2019-07-23 | 2020-06-03 | Hoya株式会社 | プログラム、情報処理方法及び情報処理装置 |
WO2021014584A1 (ja) * | 2019-07-23 | 2021-01-28 | Hoya株式会社 | プログラム、情報処理方法及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
US20160092767A1 (en) | 2016-03-31 |
US10755164B2 (en) | 2020-08-25 |
US9547818B2 (en) | 2017-01-17 |
JP5943358B2 (ja) | 2016-07-05 |
US20160098631A1 (en) | 2016-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5943358B2 (ja) | 学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム | |
JP6393058B2 (ja) | 情報処理装置、情報処理方法 | |
JP2021521505A (ja) | 包括的機械学習サービスを提供するアプリケーション開発プラットフォームおよびソフトウェア開発キット | |
US20180268286A1 (en) | Neural network cooperation | |
US11449731B2 (en) | Update of attenuation coefficient for a model corresponding to time-series input data | |
KR102660544B1 (ko) | 제어 장치, 컨트롤러, 제어 시스템, 제어 방법, 및 제어 프로그램 | |
JP7123938B2 (ja) | データ・シーケンスに基づく予測モデルの双方向学習のための学習装置、方法及びコンピュータ・プログラム | |
JP6516406B2 (ja) | 処理装置、処理方法、およびプログラム | |
Jaddi et al. | Master-leader-slave cuckoo search with parameter control for ANN optimization and its real-world application to water quality prediction | |
US20200184360A1 (en) | Processing apparatus, processing method, estimating apparatus, estimating method, and program | |
CN114662646A (zh) | 实现神经网络的方法和装置 | |
CN114648103A (zh) | 用于处理深度学习网络的自动多目标硬件优化 | |
KR102105951B1 (ko) | 추론을 위한 제한된 볼츠만 머신 구축 방법 및 추론을 위한 제한된 볼츠만 머신을 탑재한 컴퓨터 장치 | |
US11568303B2 (en) | Electronic apparatus and control method thereof | |
JP5950284B2 (ja) | 処理装置、処理方法、およびプログラム | |
CN111985631B (zh) | 信息处理设备、信息处理方法及计算机可读记录介质 | |
US20220121927A1 (en) | Providing neural networks | |
KR102157441B1 (ko) | 관련성 전사를 이용한 신경망 학습 방법 및 서비스 장치 | |
JP2021135683A (ja) | 学習装置、推論装置、学習方法及び推論方法 | |
JP2022554126A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2019095894A (ja) | 推定装置、学習装置、学習済みモデル、推定方法、学習方法、及びプログラム | |
JP2024064789A (ja) | 学習装置、学習方法 | |
US20240028902A1 (en) | Learning apparatus and method | |
US20230168873A1 (en) | Scheduling apparatus, training apparatus, scheduler and generation method | |
WO2022270163A1 (ja) | 計算機システム及び介入効果予測方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20160129 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20160216 |
|
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: 20160426 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20160427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160517 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5943358 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |