JP2017157213A - 予測分析のための時系列のデータ・セットを生成する方法及びデータ処理装置 - Google Patents
予測分析のための時系列のデータ・セットを生成する方法及びデータ処理装置 Download PDFInfo
- Publication number
- JP2017157213A JP2017157213A JP2017030987A JP2017030987A JP2017157213A JP 2017157213 A JP2017157213 A JP 2017157213A JP 2017030987 A JP2017030987 A JP 2017030987A JP 2017030987 A JP2017030987 A JP 2017030987A JP 2017157213 A JP2017157213 A JP 2017157213A
- Authority
- JP
- Japan
- Prior art keywords
- data
- image
- trend
- time series
- segment
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06N3/045—Combinations of 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Mathematical Optimization (AREA)
Abstract
Description
本発明の実施形態によれば、データ準備ユニット10(データ準備手段)は、時系列データを、均等なサイズのオーバーラップするデータ・セグメントに分割すること;各々のセグメントのデータを表現する画像を生成すること;時系列データを利用して、各画像に関連するトレンドを決定すること;及び、生成された画像及び関連するトレンドのそれぞれをデータ・セットとして保存すること;を実行するように動作することが可能である。
本実施形態のデータ処理装置1は分類器トレーニング・ユニット20(分類器トレーニング手段)を更に有し、分類器トレーニング・ユニット20は、図7に関連して後述されるような画像類似度算出プロセス、或いは、図8に関して後述されるようなトレンド予測学習プロセスに関する入力として数値ベクトルを使用するように動作する。図17は図7及び図8を参照しながら説明されるプロセスのフローチャートを示す。
本実施形態のデータ処理装置1はトレンド予測モジュール30(トレンド予測手段)を更に有し、トレンド予測モジュール30は、データ・セット及び関連する数値ベクトルを利用して、新たな時系列データに対するトレンドを予測するように構成され、新たな時系列データは、処理された時系列データから生成されていてもいなくてもよい。
次に、本発明の実施形態がどのように実施されるかについての特定の具体例を説明する。この場合において、使用される具体例は、株式市場のトレンド(又は傾向)を予測することであるが、本発明の実施形態は他の分野でのデータ準備及びトレンド予測に適用されてよいことに留意を要する。
予測分析のための時系列のデータ・セットを、時系列データから生成するために、コンピュータで実行される方法であって:
前記時系列データを、均等なサイズでオーバーラップするデータのセグメントに分割する工程;
各々のセグメントに関し、前記セグメント内のデータを表現する画像を生成する工程;
前記時系列データを利用して、各々の画像に関連するトレンドを決定する工程;及び
生成された各画像及び関連するトレンドを前記データ・セットとして保存する工程;
を有する方法。
予めトレーニングされた畳み込みニューラル・ネットワークを利用して特徴抽出プロセスにより、保存された各データ・セットからの画像を数値ベクトルに変換し、前記データ・セットに関連付けて前記数値ベクトルを保存する工程を更に有する付記1に記載の方法。
前記データ・セット及び関連する数値ベクトルを利用して、何らかの時系列データから生成された新たな時系列画像に対するトレンドを予測する工程を更に有する付記2に記載の方法。
深層学習法を利用して、保存されたデータ・セットの各々について又は生成された画像のサブセットについて、前記数値ベクトル及びトレンドからトレンド予測モデルを導出する工程;
導出されたトレンド予測モデルを利用して、前記新たな時系列画像に対するトレンドを予測する工程;及び
前記新たな時系列画像に対して予測されたトレンドを出力する工程;
を更に有する付記3に記載の方法。
生成された画像の各々について又は生成された画像のサブセットについて、前記生成された画像の数値ベクトルを利用して、画像と他の生成された画像各々との間の類似度を決定する工程を更に有する付記3に記載の方法。
生成された画像のうち前記新たな時系列画像に最も類似する所定数k個の画像を識別する工程(kは整数);
k個の識別された画像に関連するトレンドを利用して、平均トレンドを決定する工程;
前記新たな時系列画像に対する予測トレンドとして、前記平均トレンドを出力する工程;
を更に有する付記5に記載の方法。
各々のセグメントは、隣接する第1及び第2のサブ・セグメントのデータを有し、前記第1のサブ・セグメントのデータは前記セグメントの画像を生成するために使用され、前記第2のサブ・セグメントのデータは前記画像に関連するトレンドを決定するために使用される、付記1ないし6のうち何れか一項に記載の方法。
予測分析のための時系列のデータ・セットを、時系列データから生成するように構成されるデータ処理装置であって、データ準備手段を有し、前記データ準備手段は:
前記時系列データを、均等なサイズでオーバーラップするデータのセグメントに分割し;
各々のセグメントに関し、前記セグメント内のデータを表現する画像を生成し;
前記時系列データを利用して、各々の画像に関連するトレンドを決定し;及び
生成された各画像及び関連するトレンドを前記データ・セットとして保存する;
ように動作することが可能である、データ処理装置。
前記データ準備手段は、更に、予めトレーニングされた畳み込みニューラル・ネットワークを利用して特徴抽出プロセスにより、保存された各データ・セットからの画像を数値ベクトルに変換し、前記データ・セットに関連付けて前記数値ベクトルを保存するように動作することが可能である、付記8に記載のデータ処理装置。
前記データ・セット及び関連する数値ベクトルを利用して、何らかの時系列データから生成された新たな時系列画像に対するトレンドを予測するように構成されるトレンド予測手段を更に有する付記9に記載のデータ処理装置。
深層学習法を利用して、保存されたデータ・セットの各々について又は生成された画像のサブセットについて、前記数値ベクトル及びトレンドからトレンド予測モデルを導出するように動作する分類器トレーニング手段;
を更に有し、前記トレンド予測手段は、
導出されたトレンド予測モデルを利用して、前記新たな時系列画像に対するトレンドを予測し、前記新たな時系列画像に対して予測されたトレンドを出力するように動作することが可能である;
付記10に記載のデータ処理装置。
生成された画像の各々について又は生成された画像のサブセットについて、前記生成された画像の数値ベクトルを利用して、画像と他の生成された画像各々との間の類似度を決定することにより、画像類似度の結果を取得するように動作することが可能な分類器トレーニング手段を更に有する付記10に記載のデータ処理装置。
前記トレンド予測手段は:
前記分類器トレーニング手段により取得された画像類似度の結果を利用して、生成された画像のうち前記新たな時系列画像に最も類似する所定数k個の画像を識別し(kは整数);
k個の識別された画像に関連するトレンドを利用して、平均トレンドを決定し;及び
前記新たな時系列画像に対する予測トレンドとして、前記平均トレンドを出力する;
ように動作することが可能である付記12に記載のデータ処理装置。
各々のセグメントは、隣接する第1及び第2のサブ・セグメントのデータを有し、前記データ準備手段は、前記第1のサブ・セグメントのデータを利用して前記セグメントの画像を生成し、前記第2のサブ・セグメントのデータを利用して前記画像に関連するトレンドを決定するように動作することが可能である、付記8ないし13のうち何れか一項に記載のデータ処理装置。
コンピュータで実行される場合に、付記1ないし7のうち何れか一項に記載の方法を前記コンピュータに実行させるコンピュータ・プログラム。
20:分類器トレーニング・ユニット
30:トレンド予測ユニット
Claims (15)
- 予測分析のための時系列のデータ・セットを、時系列データから生成するために、コンピュータで実行される方法であって:
前記時系列データを、均等なサイズでオーバーラップするデータのセグメントに分割する工程;
各々のセグメントに関し、前記セグメント内のデータを表現する画像を生成する工程;
前記時系列データを利用して、各々の画像に関連するトレンドを決定する工程;及び
生成された各画像及び関連するトレンドを前記データ・セットとして保存する工程;
を有する方法。 - 予めトレーニングされた畳み込みニューラル・ネットワークを利用して特徴抽出プロセスにより、保存された各データ・セットからの画像を数値ベクトルに変換し、前記データ・セットに関連付けて前記数値ベクトルを保存する工程を更に有する請求項1に記載の方法。
- 前記データ・セット及び関連する数値ベクトルを利用して、何らかの時系列データから生成された新たな時系列画像に対するトレンドを予測する工程を更に有する請求項2に記載の方法。
- 深層学習法を利用して、保存されたデータ・セットの各々について又は生成された画像のサブセットについて、前記数値ベクトル及びトレンドからトレンド予測モデルを導出する工程;
導出されたトレンド予測モデルを利用して、前記新たな時系列画像に対するトレンドを予測する工程;及び
前記新たな時系列画像に対して予測されたトレンドを出力する工程;
を更に有する請求項3に記載の方法。 - 生成された画像の各々について又は生成された画像のサブセットについて、前記生成された画像の数値ベクトルを利用して、画像と他の生成された画像各々との間の類似度を決定する工程を更に有する請求項3に記載の方法。
- 生成された画像のうち前記新たな時系列画像に最も類似する所定数k個の画像を識別する工程(kは整数);
k個の識別された画像に関連するトレンドを利用して、平均トレンドを決定する工程;
前記新たな時系列画像に対する予測トレンドとして、前記平均トレンドを出力する工程;
を更に有する請求項5に記載の方法。 - 各々のセグメントは、隣接する第1及び第2のサブ・セグメントのデータを有し、前記第1のサブ・セグメントのデータは前記セグメントの画像を生成するために使用され、前記第2のサブ・セグメントのデータは前記画像に関連するトレンドを決定するために使用される、請求項1ないし6のうち何れか一項に記載の方法。
- 予測分析のための時系列のデータ・セットを、時系列データから生成するように構成されるデータ処理装置であって、データ準備手段を有し、前記データ準備手段は:
前記時系列データを、均等なサイズでオーバーラップするデータのセグメントに分割し;
各々のセグメントに関し、前記セグメント内のデータを表現する画像を生成し;
前記時系列データを利用して、各々の画像に関連するトレンドを決定し;及び
生成された各画像及び関連するトレンドを前記データ・セットとして保存する;
ように動作することが可能である、データ処理装置。 - 前記データ準備手段は、更に、予めトレーニングされた畳み込みニューラル・ネットワークを利用して特徴抽出プロセスにより、保存された各データ・セットからの画像を数値ベクトルに変換し、前記データ・セットに関連付けて前記数値ベクトルを保存するように動作することが可能である、請求項8に記載のデータ処理装置。
- 前記データ・セット及び関連する数値ベクトルを利用して、何らかの時系列データから生成された新たな時系列画像に対するトレンドを予測するように構成されるトレンド予測手段を更に有する請求項9に記載のデータ処理装置。
- 深層学習法を利用して、保存されたデータ・セットの各々について又は生成された画像のサブセットについて、前記数値ベクトル及びトレンドからトレンド予測モデルを導出するように動作する分類器トレーニング手段;
を更に有し、前記トレンド予測手段は、
導出されたトレンド予測モデルを利用して、前記新たな時系列画像に対するトレンドを予測し、前記新たな時系列画像に対して予測されたトレンドを出力するように動作することが可能である;
請求項10に記載のデータ処理装置。 - 生成された画像の各々について又は生成された画像のサブセットについて、前記生成された画像の数値ベクトルを利用して、画像と他の生成された画像各々との間の類似度を決定することにより、画像類似度の結果を取得するように動作することが可能な分類器トレーニング手段を更に有する請求項10に記載のデータ処理装置。
- 前記トレンド予測手段は:
前記分類器トレーニング手段により取得された画像類似度の結果を利用して、生成された画像のうち前記新たな時系列画像に最も類似する所定数k個の画像を識別し(kは整数);
k個の識別された画像に関連するトレンドを利用して、平均トレンドを決定し;及び
前記新たな時系列画像に対する予測トレンドとして、前記平均トレンドを出力する;
ように動作することが可能である請求項12に記載のデータ処理装置。 - 各々のセグメントは、隣接する第1及び第2のサブ・セグメントのデータを有し、前記データ準備手段は、前記第1のサブ・セグメントのデータを利用して前記セグメントの画像を生成し、前記第2のサブ・セグメントのデータを利用して前記画像に関連するトレンドを決定するように動作することが可能である、請求項8ないし13のうち何れか一項に記載のデータ処理装置。
- コンピュータで実行される場合に、請求項1ないし7のうち何れか一項に記載の方法を前記コンピュータに実行させるコンピュータ・プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1603472.0 | 2016-02-29 | ||
GB1603472.0A GB2547712A (en) | 2016-02-29 | 2016-02-29 | Method and apparatus for generating time series data sets for predictive analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017157213A true JP2017157213A (ja) | 2017-09-07 |
JP6844301B2 JP6844301B2 (ja) | 2021-03-17 |
Family
ID=55807059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017030987A Active JP6844301B2 (ja) | 2016-02-29 | 2017-02-22 | 予測分析のための時系列のデータ・セットを生成する方法及びデータ処理装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10185893B2 (ja) |
JP (1) | JP6844301B2 (ja) |
GB (1) | GB2547712A (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019163141A1 (ja) | 2018-02-26 | 2019-08-29 | 株式会社日立情報通信エンジニアリング | 状態予測装置および状態予測制御方法 |
WO2019190053A1 (ko) * | 2018-03-30 | 2019-10-03 | 유치헌 | 순환신경망을 사용한 딥 러닝 기반의 주식 가격 예측 시스템 및 방법 |
JP2020022101A (ja) * | 2018-08-01 | 2020-02-06 | キヤノン株式会社 | 監視装置、生産ライン、および監視装置の制御方法 |
JP2020020604A (ja) * | 2018-07-30 | 2020-02-06 | トヨタ自動車株式会社 | 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法 |
KR20200034545A (ko) * | 2018-09-21 | 2020-03-31 | 키스트-유로페 포르슝스게젤샤프트 엠비에치 | 중첩 산점도를 이용한 데이터 변환 방법 및 장치 |
WO2020083381A1 (zh) * | 2018-10-25 | 2020-04-30 | 杭州海康威视数字技术股份有限公司 | 数据库表的区域切分方法、装置、设备及存储介质 |
JP2020166315A (ja) * | 2019-03-28 | 2020-10-08 | ブラザー工業株式会社 | 学習データの生成方法、トレーニング方法、予測モデル、コンピュータプログラム |
KR20210014452A (ko) * | 2019-07-30 | 2021-02-09 | 스퀘어네트 주식회사 | 제조 공정 비정상 데이터 탐지 시스템 |
JP2021033792A (ja) * | 2019-08-27 | 2021-03-01 | 富士通株式会社 | 判定処理プログラム、判定処理方法および判定処理装置 |
US11263258B2 (en) | 2019-03-15 | 2022-03-01 | Fujitsu Limited | Information processing method, information processing apparatus, and non-transitory computer-readable storage medium for storing information processing program of scoring with respect to combination of imaging method and trained model |
US11307257B2 (en) | 2018-07-31 | 2022-04-19 | Toyota Jidosha Kabushiki Kaisha | Battery information processing system, method of estimating capacity of secondary battery, and battery assembly and method of manufacturing battery assembly |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180232807A1 (en) * | 2015-10-28 | 2018-08-16 | Fractal Industries, Inc. | Advanced decentralized financial decision platform |
US10885464B1 (en) * | 2016-10-31 | 2021-01-05 | EMC IP Holding Company LLC | Relevance decay for time-based evaluation of machine learning applications |
US10891545B2 (en) * | 2017-03-10 | 2021-01-12 | International Business Machines Corporation | Multi-dimensional time series event prediction via convolutional neural network(s) |
JP6885896B2 (ja) * | 2017-04-10 | 2021-06-16 | 富士フイルム株式会社 | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム |
US10817757B2 (en) * | 2017-07-31 | 2020-10-27 | Splunk Inc. | Automated data preprocessing for machine learning |
EP3451231A1 (en) * | 2017-08-31 | 2019-03-06 | Fujitsu Limited | Imagification of multivariate data |
CN108197706B (zh) * | 2017-11-27 | 2021-07-30 | 华南师范大学 | 残缺数据深度学习神经网络方法、装置、计算机设备及存储介质 |
EP3495220B1 (en) | 2017-12-11 | 2024-04-03 | Volvo Car Corporation | Path prediction for a vehicle |
CN110019401B (zh) * | 2017-12-25 | 2024-04-05 | 顺丰科技有限公司 | 件量预测方法、装置、设备及其存储介质 |
CN110032745A (zh) * | 2018-01-11 | 2019-07-19 | 富士通株式会社 | 生成传感器数据的方法和设备及计算机可读存储介质 |
CN108399409B (zh) * | 2018-01-19 | 2019-06-18 | 北京达佳互联信息技术有限公司 | 图像分类方法、装置及终端 |
US11244224B2 (en) * | 2018-03-20 | 2022-02-08 | International Business Machines Corporation | Comparing time series data using context-based similarity |
KR102565278B1 (ko) | 2018-03-26 | 2023-08-09 | 삼성전자주식회사 | 영상 분할 방법, 영상 분할 장치, 및 영상 분할을 위한 학습 방법 |
US12014267B2 (en) * | 2018-07-13 | 2024-06-18 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for sequential event prediction with noise-contrastive estimation for marked temporal point process |
CN109272344A (zh) * | 2018-08-07 | 2019-01-25 | 阿里巴巴集团控股有限公司 | 模型训练方法和装置、数据预测方法和装置、服务器 |
US11024288B2 (en) | 2018-09-04 | 2021-06-01 | Gracenote, Inc. | Methods and apparatus to segment audio and determine audio segment similarities |
US20200155078A1 (en) * | 2018-11-16 | 2020-05-21 | International Business Machines Corporation | Health monitoring using artificial intelligence based on sensor data |
US20200160447A1 (en) * | 2018-11-18 | 2020-05-21 | Trendalyze Inc. | Motif search and prediction in temporal trading systems |
US11714397B2 (en) * | 2019-02-05 | 2023-08-01 | Samsung Display Co., Ltd. | System and method for generating machine learning model with trace data |
JP7010861B2 (ja) * | 2019-02-07 | 2022-01-26 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
CN111768214A (zh) * | 2019-03-14 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 产品属性的预测方法、系统、设备和存储介质 |
US11373298B2 (en) * | 2019-03-28 | 2022-06-28 | Canon Medical Systems Corporation | Apparatus and method for training neural networks using small, heterogeneous cohorts of training data |
CN111798018A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 行为预测方法、装置、存储介质及电子设备 |
EP3968247A4 (en) * | 2019-06-21 | 2022-12-21 | Siemens Aktiengesellschaft | METHOD AND DEVICE FOR ELECTRIC LOAD DATA PREDICTION AND INFORMATION HOLDER |
US11768912B2 (en) * | 2019-07-12 | 2023-09-26 | International Business Machines Corporation | Performing multivariate time series prediction with three-dimensional transformations |
CN110414442B (zh) * | 2019-07-31 | 2022-04-01 | 广东省智能机器人研究院 | 一种压力时序数据分段特征值预测方法 |
US11314984B2 (en) | 2019-08-20 | 2022-04-26 | International Business Machines Corporation | Intelligent generation of image-like representations of ordered and heterogenous data to enable explainability of artificial intelligence results |
KR102145374B1 (ko) | 2020-01-17 | 2020-08-18 | 성균관대학교산학협력단 | 시각화된 특징벡터와 결합된 인공 지능 신경망 장치 및 이의 데이터 분류 방법 |
US11995749B2 (en) * | 2020-01-23 | 2024-05-28 | Disney Enterprises, Inc. | Rig-space neural rendering of digital assets |
CN110991775B (zh) * | 2020-03-02 | 2020-06-26 | 北京全路通信信号研究设计院集团有限公司 | 一种基于深度学习的轨道交通客流需求预测方法和装置 |
CN111709784B (zh) * | 2020-06-18 | 2023-05-30 | 抖音视界有限公司 | 用于生成用户留存时间的方法、装置、设备和介质 |
US20220138778A1 (en) * | 2020-10-30 | 2022-05-05 | Jpmorgan Chase Bank, N.A. | Method and system for using deep video prediction for economic forecasting |
US11263172B1 (en) * | 2021-01-04 | 2022-03-01 | International Business Machines Corporation | Modifying a particular physical system according to future operational states |
CN112929215B (zh) * | 2021-02-04 | 2022-10-21 | 博瑞得科技有限公司 | 一种网络流量预测方法、系统、计算机设备及存储介质 |
US11790049B1 (en) * | 2021-03-31 | 2023-10-17 | Amazon Technologies, Inc. | Techniques for improving machine-learning accuracy and convergence |
CN114860535A (zh) * | 2022-04-18 | 2022-08-05 | 地平线征程(杭州)人工智能科技有限公司 | 数据评估模型生成方法及装置、异常数据监控方法及装置 |
CN116452984B (zh) * | 2023-06-14 | 2023-09-08 | 四川三思德科技有限公司 | 基于氧含量数据的火势识别预测方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216202A (ja) * | 2004-02-02 | 2005-08-11 | Fuji Heavy Ind Ltd | 未来値予測装置および未来値予測方法 |
JP2008116588A (ja) * | 2006-11-01 | 2008-05-22 | National Institute Of Advanced Industrial & Technology | 特徴抽出装置及び方法並びにプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1251433A3 (en) | 2001-04-20 | 2003-08-27 | Fraunhofer-Gesellschaft Zur Förderung Der Angewandten Forschung E.V. | A method for segmentation and identification of nonstationary time series |
JP2004110438A (ja) * | 2002-09-18 | 2004-04-08 | Nec Corp | 画像処理装置、画像処理方法及びプログラム |
US20090175539A1 (en) * | 2008-01-09 | 2009-07-09 | Authorizer Technologies, Inc. | Method and system for swipe sensor image alignment using fourier phase analysis |
US8379961B2 (en) * | 2008-07-03 | 2013-02-19 | Nec Laboratories America, Inc. | Mitotic figure detector and counter system and method for detecting and counting mitotic figures |
-
2016
- 2016-02-29 GB GB1603472.0A patent/GB2547712A/en not_active Withdrawn
-
2017
- 2017-02-22 JP JP2017030987A patent/JP6844301B2/ja active Active
- 2017-02-23 US US15/440,629 patent/US10185893B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216202A (ja) * | 2004-02-02 | 2005-08-11 | Fuji Heavy Ind Ltd | 未来値予測装置および未来値予測方法 |
JP2008116588A (ja) * | 2006-11-01 | 2008-05-22 | National Institute Of Advanced Industrial & Technology | 特徴抽出装置及び方法並びにプログラム |
Non-Patent Citations (1)
Title |
---|
中山敦貴 ほか: "高頻度板情報の時空間パターン分析による株価動向推定", 人工知能学会 金融情報学研究会(SIG−FIN) 第15回研究会 [ONLINE], JPN6020033433, 26 September 2015 (2015-09-26), pages 1 - 4, ISSN: 0004341194 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019163141A1 (ja) | 2018-02-26 | 2019-08-29 | 株式会社日立情報通信エンジニアリング | 状態予測装置および状態予測制御方法 |
WO2019190053A1 (ko) * | 2018-03-30 | 2019-10-03 | 유치헌 | 순환신경망을 사용한 딥 러닝 기반의 주식 가격 예측 시스템 및 방법 |
JP2020020604A (ja) * | 2018-07-30 | 2020-02-06 | トヨタ自動車株式会社 | 電池情報処理システム、二次電池の容量推定方法、ならびに、組電池、および、その組電池の製造方法 |
US11307257B2 (en) | 2018-07-31 | 2022-04-19 | Toyota Jidosha Kabushiki Kaisha | Battery information processing system, method of estimating capacity of secondary battery, and battery assembly and method of manufacturing battery assembly |
JP2020022101A (ja) * | 2018-08-01 | 2020-02-06 | キヤノン株式会社 | 監視装置、生産ライン、および監視装置の制御方法 |
KR20200034545A (ko) * | 2018-09-21 | 2020-03-31 | 키스트-유로페 포르슝스게젤샤프트 엠비에치 | 중첩 산점도를 이용한 데이터 변환 방법 및 장치 |
KR102163155B1 (ko) | 2018-09-21 | 2020-10-08 | 한국과학기술연구원 유럽연구소 | 중첩 산점도를 이용한 데이터 변환 방법 및 장치 |
WO2020083381A1 (zh) * | 2018-10-25 | 2020-04-30 | 杭州海康威视数字技术股份有限公司 | 数据库表的区域切分方法、装置、设备及存储介质 |
CN111104569A (zh) * | 2018-10-25 | 2020-05-05 | 杭州海康威视数字技术股份有限公司 | 数据库表的区域切分方法、装置及存储介质 |
CN111104569B (zh) * | 2018-10-25 | 2023-10-20 | 杭州海康威视数字技术股份有限公司 | 数据库表的区域切分方法、装置及存储介质 |
US11263258B2 (en) | 2019-03-15 | 2022-03-01 | Fujitsu Limited | Information processing method, information processing apparatus, and non-transitory computer-readable storage medium for storing information processing program of scoring with respect to combination of imaging method and trained model |
JP7299560B2 (ja) | 2019-03-28 | 2023-06-28 | ブラザー工業株式会社 | 学習データの生成方法、トレーニング方法、予測モデル、コンピュータプログラム |
JP2020166315A (ja) * | 2019-03-28 | 2020-10-08 | ブラザー工業株式会社 | 学習データの生成方法、トレーニング方法、予測モデル、コンピュータプログラム |
KR102265461B1 (ko) * | 2019-07-30 | 2021-06-15 | 스퀘어네트 주식회사 | 제조 공정 비정상 데이터 탐지 시스템 |
KR20210014452A (ko) * | 2019-07-30 | 2021-02-09 | 스퀘어네트 주식회사 | 제조 공정 비정상 데이터 탐지 시스템 |
JP2021033792A (ja) * | 2019-08-27 | 2021-03-01 | 富士通株式会社 | 判定処理プログラム、判定処理方法および判定処理装置 |
JP7293988B2 (ja) | 2019-08-27 | 2023-06-20 | 富士通株式会社 | 学習プログラム、判定処理プログラム、学習装置、判定処理装置、学習方法および判定処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US10185893B2 (en) | 2019-01-22 |
US20170249534A1 (en) | 2017-08-31 |
GB2547712A (en) | 2017-08-30 |
GB201603472D0 (en) | 2016-04-13 |
JP6844301B2 (ja) | 2021-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6844301B2 (ja) | 予測分析のための時系列のデータ・セットを生成する方法及びデータ処理装置 | |
US11586880B2 (en) | System and method for multi-horizon time series forecasting with dynamic temporal context learning | |
Adetunji et al. | House price prediction using random forest machine learning technique | |
Kotu et al. | Predictive analytics and data mining: concepts and practice with rapidminer | |
Shrivastava et al. | Failure prediction of Indian Banks using SMOTE, Lasso regression, bagging and boosting | |
US20120173465A1 (en) | Automatic Variable Creation For Adaptive Analytical Models | |
WO2020108396A1 (zh) | 视频分类的方法以及服务器 | |
Lee et al. | Hidden markov models for forex trends prediction | |
Stavinova et al. | Predictability classes for forecasting clients behavior by transactional data | |
CN114491267A (zh) | 一种物品的推荐方法、装置以及存储介质 | |
Kumari et al. | Importance of data standardization methods on stock indices prediction accuracy | |
Mern et al. | Using bitcoin ledger network data to predict the price of bitcoin | |
JP2015228182A (ja) | 変化点検出装置、変化点検出方法、及びコンピュータプログラム | |
Cortez et al. | Third special issue on knowledge discovery and business intelligence | |
Quan | Stock prediction by searching similar candlestick charts | |
Strozzi et al. | Trend and seasonality features extraction with pre-trained CNN and recurrence plot | |
JP5826893B1 (ja) | 変化点予測装置、変化点予測方法、及びコンピュータプログラム | |
Abiodun et al. | A comparative analysis of stock series prediction of apple and google datasets using deep learning | |
Singh et al. | Predicting Closing Price of Five Stocks Using CNN and RNN Combined with Technical Indicators | |
Srivastava et al. | Stock Market Prediction using Optimised LSTM Model | |
CN117350819A (zh) | 基于流式数据的商品智能排序方法及系统 | |
Altun et al. | Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2017, Skopje, Macedonia, September 18–22, 2017, Proceedings, Part III | |
Nussipova et al. | Optimizing loss functions for improved energy demand prediction in smart power grids. | |
Filsafan et al. | Ensemble Imputation Method for Forecasting Indonesia Sugar Dataset Using Machine Learning | |
Aggarwal | Machine Learning: A Gateway for Stock Market Predictions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201109 |
|
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: 20210126 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210208 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6844301 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |