JP2018528518A - 再帰型ニューラルネットワークを使用する、条件が満足される尤度の予測 - Google Patents
再帰型ニューラルネットワークを使用する、条件が満足される尤度の予測 Download PDFInfo
- Publication number
- JP2018528518A JP2018528518A JP2018504218A JP2018504218A JP2018528518A JP 2018528518 A JP2018528518 A JP 2018528518A JP 2018504218 A JP2018504218 A JP 2018504218A JP 2018504218 A JP2018504218 A JP 2018504218A JP 2018528518 A JP2018528518 A JP 2018528518A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- recursive neural
- time
- time step
- 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
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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- 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)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Neurology (AREA)
- Probability & Statistics with Applications (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
102 時間シーケンス
104 時間シーケンス生成システム
106 電子診療記録リポジトリ
110 再帰型ニューラルネットワーク
112 次の入力スコア
114 将来の条件スコア
116 ネットワーク内部状態
120 医療分析エンジン
122 健康分析データ
130 内部状態リポジトリ
200 プロセス
300 プロセス
400 プロセス
500 プロセス
600 プロセス
700 再帰型ニューラルネットワーク
710 再帰型ニューラルネットワーク層
720A〜720N ロジスティック回帰ノード
740 出力層
800 プロセス
900 プロセス
Claims (19)
- 複数の時間ステップのそれぞれにおけるそれぞれの入力を含む時間シーケンスを処理するように構成された再帰型ニューラルネットワークシステムであって、
1つまたは複数の再帰型ニューラルネットワーク層であって、前記1つまたは複数の再帰型ニューラルネットワーク層は、前記複数の時間ステップのそれぞれについて、
前記時間ステップにおける前記入力を受け取り、
前記時間ステップのネットワーク内部状態を生成するために前記時間ステップにおける前記入力を集合的に処理する
ように構成される、1つまたは複数の再帰型ニューラルネットワーク層と、
1つまたは複数のロジスティック回帰ノードであって、前記ロジスティック回帰ノードのそれぞれは、条件の所定のセットからのそれぞれの条件に対応し、前記ロジスティック回帰ノードのそれぞれは、前記複数の時間ステップのそれぞれについて、
前記時間ステップの前記ネットワーク内部状態を受け取り、
前記時間ステップの対応する条件の将来の条件スコアを生成するために前記ロジスティック回帰ノードのパラメータのセットの現在の値に従って前記時間ステップの前記ネットワーク内部状態を処理することであって、前記対応する条件の前記将来の条件スコアが、前記対応する条件が前記時間ステップにおける前記入力の指定された時間期間内に満足される尤度を表す、ことを行う
ように構成される、1つまたは複数のロジスティック回帰ノードと
を含む再帰型ニューラルネットワークシステム。 - 出力層であって、前記出力層は、前記複数の時間ステップのそれぞれについて、
前記時間ステップの前記ネットワーク内部状態を受け取り、
複数の可能な次の入力のそれぞれについてのそれぞれの次の入力スコアを生成するために前記出力層のパラメータのセットの現在の値に従って前記時間ステップの前記ネットワーク内部状態を処理することであって、前記複数の可能な次の入力のそれぞれについての前記それぞれの次の入力スコアが、前記可能な次の入力が前記時間シーケンス内の次の時間ステップにおける入力になる尤度を表す、ことを行う
ように構成された出力層
をさらに含む、請求項1に記載の再帰型ニューラルネットワークシステム。 - 前記1つまたは複数の再帰型ニューラルネットワーク層のそれぞれは、前記複数の時間ステップのそれぞれについて、
前記時間ステップの層入力を受け取り、
前記時間ステップの前記再帰型ニューラルネットワーク層の層内部状態を生成するために、前記再帰型ニューラルネットワーク層のパラメータのセットの現在の値に従って、前記時間ステップの前記層入力と、先行する時間ステップの前記再帰型ニューラルネットワーク層の層内部状態とを処理する
ように構成される、請求項1または2に記載の再帰型ニューラルネットワークシステム。 - 前記再帰型ニューラルネットワークシステムは、1つの再帰型ニューラルネットワーク層だけを含み、前記時間ステップの前記再帰型ニューラルネットワーク層の前記層内部状態は、前記時間ステップの前記ネットワーク内部状態である、請求項3に記載の再帰型ニューラルネットワークシステム。
- 前記再帰型ニューラルネットワークシステムは、シーケンス内に配置された複数の再帰型ニューラルネットワーク層を含み、前記時間ステップの前記ネットワーク内部状態は、前記時間ステップの前記シーケンス内の最上位再帰型ニューラルネットワーク層の層内部状態である、請求項3に記載の再帰型ニューラルネットワークシステム。
- 前記再帰型ニューラルネットワークシステムは、複数の再帰型ニューラルネットワーク層を含み、前記時間ステップの前記ネットワーク内部状態は、前記時間ステップの前記再帰型ニューラルネットワーク層の前記層内部状態の組合せである、請求項3に記載の再帰型ニューラルネットワークシステム。
- 前記時間シーケンス内の各入力は、前記再帰型ニューラルネットワークシステムへの可能な入力のセットから選択される、請求項1から6のいずれか一項に記載の再帰型ニューラルネットワークシステム。
- 条件の前記所定のセットは、前記再帰型ニューラルネットワークシステムへの可能な入力の前記セット内に含まれないイベントが前記時間ステップにおける前記入力の指定された時間期間内に発生する時に満足される条件を含む、請求項7に記載の再帰型ニューラルネットワークシステム。
- 前記複数の時間ステップにおける前記入力のそれぞれは、患者に関連する健康関連データであり、条件の前記所定のセット内の前記条件は、健康関連イベントが前記患者に関連して発生する時に満足される条件である、請求項1から8のいずれか一項に記載の再帰型ニューラルネットワークシステム。
- 1つまたは複数の再帰型ニューラルネットワーク層および1つまたは複数のロジスティック回帰ノードを含む再帰型ニューラルネットワークシステムを使用して、複数の時間ステップのそれぞれにおけるそれぞれの入力を含む時間シーケンスを処理する方法であって、前記複数の時間ステップのそれぞれについて、
前記時間ステップにおける前記入力を受け取るステップと、
前記時間ステップのネットワーク内部状態を生成するために前記1つまたは複数の再帰型ニューラルネットワーク層を介して前記時間ステップにおける前記入力を処理するステップと、
前記1つまたは複数のロジスティック回帰ノードのそれぞれを使用して前記ネットワーク内部状態を処理するステップであって、前記ロジスティック回帰ノードのそれぞれは、条件の所定のセットからのそれぞれの条件に対応し、前記1つまたは複数のロジスティック回帰ノードのそれぞれを使用して前記ネットワーク内部状態を処理するステップは、
前記時間ステップの対応する条件の将来の条件スコアを生成するために前記ロジスティック回帰ノードのパラメータのセットの現在の値に従って前記ロジスティック回帰ノードを使用して前記時間ステップの前記ネットワーク内部状態を処理するステップであって、前記対応する条件の前記将来の条件スコアは、前記対応する条件が前記時間ステップにおける前記入力の指定された時間期間内に満足される尤度を表す、処理するステップを含む、処理するステップと
を含む方法。 - 前記再帰型ニューラルネットワークシステムは、出力層をさらに含み、前記方法は、前記複数の時間ステップのそれぞれについて、
複数の可能な次の入力のそれぞれについてのそれぞれの次の入力スコアを生成するために前記出力層のパラメータのセットの現在の値に従って前記出力層を使用して前記時間ステップの前記ネットワーク内部状態を処理するステップであって、前記複数の可能な次の入力のそれぞれについての前記それぞれの次の入力スコアは、前記可能な次の入力が前記時間シーケンス内の次の時間ステップにおける入力になる尤度を表す、処理するステップ
をさらに含む、請求項10に記載の方法。 - 前記1つまたは複数の再帰型ニューラルネットワーク層のそれぞれは、前記複数の時間ステップのそれぞれについて、
前記時間ステップの層入力を受け取り、
前記時間ステップの前記再帰型ニューラルネットワーク層の層内部状態を生成するために、前記再帰型ニューラルネットワーク層のパラメータのセットの現在の値に従って、前記時間ステップの前記層入力と、先行する時間ステップの前記再帰型ニューラルネットワーク層の層内部状態とを処理する
ように構成される、請求項10または11に記載の方法。 - 前記再帰型ニューラルネットワークシステムは、1つの再帰型ニューラルネットワーク層だけを含み、前記時間ステップの前記再帰型ニューラルネットワーク層の前記層内部状態は、前記時間ステップの前記ネットワーク内部状態である、請求項12に記載の方法。
- 前記再帰型ニューラルネットワークシステムは、シーケンス内に配置された複数の再帰型ニューラルネットワーク層を含み、前記時間ステップの前記ネットワーク内部状態は、前記時間ステップの前記シーケンス内の最上位再帰型ニューラルネットワーク層の層内部状態である、請求項12に記載の方法。
- 前記再帰型ニューラルネットワークシステムは、複数の再帰型ニューラルネットワーク層を含み、前記時間ステップの前記ネットワーク内部状態は、前記時間ステップの前記再帰型ニューラルネットワーク層の前記層内部状態の組合せである、請求項12に記載の方法。
- 前記時間シーケンス内の各入力は、前記再帰型ニューラルネットワークシステムへの可能な入力のセットから選択される、請求項10から15のいずれか一項に記載の方法。
- 条件の前記所定のセットは、前記再帰型ニューラルネットワークシステムへの可能な入力の前記セット内に含まれないイベントが前記時間ステップにおける前記入力の指定された時間期間内に発生する時に満足される条件を含む、請求項16に記載の方法。
- 前記複数の時間ステップにおける前記入力のそれぞれは、患者に関連する健康関連データであり、条件の前記所定のセット内の前記条件のうちの1つまたは複数は、健康関連イベントが前記患者に関連して発生する時に満足される条件である、請求項10から17のいずれか一項に記載の方法。
- 1つまたは複数の非一時的コンピュータ可読媒体上で符号化されたコンピュータプログラム製品であって、前記コンピュータプログラム製品は、1つまたは複数のコンピュータによって実行される時に、前記1つまたは複数のコンピュータに、1つまたは複数の再帰型ニューラルネットワーク層および1つまたは複数のロジスティック回帰ノードを含む再帰型ニューラルネットワークシステムを使用して複数の時間ステップのそれぞれにおけるそれぞれの入力を含む時間シーケンスを処理する動作を実行させる命令を含み、前記動作は、請求項10から18のいずれか一項に記載の方法を含む、コンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/810,381 US9336482B1 (en) | 2015-07-27 | 2015-07-27 | Predicting likelihoods of conditions being satisfied using recurrent neural networks |
US14/810,381 | 2015-07-27 | ||
PCT/US2016/044101 WO2017019703A1 (en) | 2015-07-27 | 2016-07-26 | Predicting likelihoods of conditions being satisfied using recurrent neural networks |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018528518A true JP2018528518A (ja) | 2018-09-27 |
JP6541868B2 JP6541868B2 (ja) | 2019-07-10 |
Family
ID=55860023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018504218A Active JP6541868B2 (ja) | 2015-07-27 | 2016-07-26 | 再帰型ニューラルネットワークを使用する、条件が満足される尤度の予測 |
Country Status (6)
Country | Link |
---|---|
US (5) | US9336482B1 (ja) |
EP (2) | EP3989127A1 (ja) |
JP (1) | JP6541868B2 (ja) |
KR (1) | KR102011453B1 (ja) |
CN (1) | CN107743630B (ja) |
WO (1) | WO2017019703A1 (ja) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9652712B2 (en) | 2015-07-27 | 2017-05-16 | Google Inc. | Analyzing health events using recurrent neural networks |
US9336482B1 (en) * | 2015-07-27 | 2016-05-10 | Google Inc. | Predicting likelihoods of conditions being satisfied using recurrent neural networks |
US10212876B2 (en) * | 2015-10-12 | 2019-02-26 | Droneseed Co. | Aerial deployment planting methods and systems |
US20200320377A1 (en) * | 2016-05-20 | 2020-10-08 | Deepmind Technologies Limited | Interaction networks |
US10417788B2 (en) * | 2016-09-21 | 2019-09-17 | Realize, Inc. | Anomaly detection in volumetric medical images using sequential convolutional and recurrent neural networks |
SG10201610116PA (en) * | 2016-11-03 | 2018-06-28 | Avanseus Holdings Pte Ltd | Method and system for machine failure prediction |
US11494654B2 (en) * | 2016-11-03 | 2022-11-08 | Avanseus Holdings Pte. Ltd. | Method for machine failure prediction using memory depth values |
US10671908B2 (en) | 2016-11-23 | 2020-06-02 | Microsoft Technology Licensing, Llc | Differential recurrent neural network |
US10241684B2 (en) * | 2017-01-12 | 2019-03-26 | Samsung Electronics Co., Ltd | System and method for higher order long short-term memory (LSTM) network |
DE102017205093A1 (de) | 2017-03-27 | 2018-09-27 | Conti Temic Microelectronic Gmbh | Verfahren und System zur Vorhersage von Sensorsignalen eines Fahrzeugs |
US11276495B2 (en) * | 2017-07-11 | 2022-03-15 | Cambia Health Solutions, Inc. | Systems and methods for predicting multiple health care outcomes |
US11990242B2 (en) * | 2017-08-24 | 2024-05-21 | Cerner Innovation, Inc. | Reducing the risk of potentially preventable events |
JP7402165B2 (ja) | 2018-02-19 | 2023-12-20 | ブラウン ゲーエムベーハー | 可動式処置デバイスの位置特定を実施するための装置及び方法 |
KR102225894B1 (ko) * | 2018-04-24 | 2021-03-11 | 네이버 주식회사 | 딥 어텐션 네트워크를 이용하여 환자 의료 기록으로부터 질병 예후를 예측하는 방법 및 시스템 |
JP7198474B2 (ja) * | 2018-06-07 | 2023-01-04 | 国立大学法人静岡大学 | モデリングシステム |
WO2020081582A1 (en) * | 2018-10-16 | 2020-04-23 | Anixa Diagnostics Corporation | Methods of diagnosing cancer using multiple artificial neural networks to analyze flow cytometry data |
US11416733B2 (en) * | 2018-11-19 | 2022-08-16 | Google Llc | Multi-task recurrent neural networks |
KR102230239B1 (ko) * | 2018-11-20 | 2021-03-22 | 동국대학교 산학협력단 | 환자의 생체 데이터를 측정하는 이동 단말기 및 클라우드 서버를 이용한 예후 관리 시스템 |
US20220004883A1 (en) * | 2018-11-21 | 2022-01-06 | Deepmind Technologies Limited | Aligning sequences by generating encoded representations of data items |
KR102206905B1 (ko) * | 2018-12-28 | 2021-01-25 | (주)아이쿱 | 혈액검사 결과 기반 생활패턴 및 변화인자 추정방법 |
US20210082575A1 (en) * | 2019-09-18 | 2021-03-18 | Cerner Innovation, Inc. | Computerized decision support tool for post-acute care patients |
CN111210017B (zh) * | 2019-12-24 | 2023-09-26 | 北京迈格威科技有限公司 | 确定布局顺序及数据处理的方法、装置、设备及存储介质 |
US11488256B1 (en) * | 2020-02-17 | 2022-11-01 | Infiniteintel, Inc. | Machine learning systems, methods, components, and software for recommending and ordering independent medical examinations |
US20220075877A1 (en) | 2020-09-09 | 2022-03-10 | Self Financial, Inc. | Interface and system for updating isolated repositories |
US11641665B2 (en) * | 2020-09-09 | 2023-05-02 | Self Financial, Inc. | Resource utilization retrieval and modification |
EP3985681A1 (en) * | 2020-10-13 | 2022-04-20 | Diabeloop | Computerized system for the repeated determination of a set of at least one control parameters of a medical device |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0871046A (ja) * | 1994-09-02 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 監視装置 |
JPH0973440A (ja) * | 1995-09-06 | 1997-03-18 | Fujitsu Ltd | コラム構造の再帰型ニューラルネットワークによる時系列トレンド推定システムおよび方法 |
JP2003235813A (ja) * | 2002-12-19 | 2003-08-26 | Matsushita Electric Ind Co Ltd | 監視装置 |
JP2006244120A (ja) * | 2005-03-03 | 2006-09-14 | Hitachi Ltd | センサネットワークシステム、センサデータの処理方法及びプログラム |
JP2007200108A (ja) * | 2006-01-27 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | 特異イベント検出装置、及び特異イベント検出方法 |
JP2007243342A (ja) * | 2006-03-06 | 2007-09-20 | Yokogawa Electric Corp | 画像監視装置及び画像監視システム |
JP2009015493A (ja) * | 2007-07-03 | 2009-01-22 | Toshiba Corp | アクション実行装置、及び方法 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5109475A (en) | 1988-09-19 | 1992-04-28 | Hitachi, Ltd. | Method and a system for selection of time series data |
US5446829A (en) | 1993-06-24 | 1995-08-29 | The United States Of America As Represented By The Department Of Health And Human Services | Artificial network for temporal sequence processing |
WO1996012187A1 (en) | 1994-10-13 | 1996-04-25 | Horus Therapeutics, Inc. | Computer assisted methods for diagnosing diseases |
US5839438A (en) | 1996-09-10 | 1998-11-24 | Neuralmed, Inc. | Computer-based neural network system and method for medical diagnosis and interpretation |
EP0910023A2 (de) | 1997-10-17 | 1999-04-21 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur neuronalen Modellierung eines dynamischen Systems mit nichtlinearem stochastischem Verhalten |
US6090044A (en) | 1997-12-10 | 2000-07-18 | Bishop; Jeffrey B. | System for diagnosing medical conditions using a neural network |
US20040010481A1 (en) | 2001-12-07 | 2004-01-15 | Whitehead Institute For Biomedical Research | Time-dependent outcome prediction using neural networks |
KR100623634B1 (ko) * | 2003-09-22 | 2006-09-13 | 김형윤 | 구조물의 건전상태 감시방법 |
CA2565918A1 (en) | 2004-05-07 | 2005-11-24 | Intermed Advisor, Inc. | Method and apparatus for real time predictive modeling for chronically ill patients |
JP2006120136A (ja) | 2004-09-27 | 2006-05-11 | Kyoto Univ | 言語処理装置、言語処理方法、言語処理プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
US8244656B2 (en) | 2008-09-25 | 2012-08-14 | Air Products And Chemicals, Inc. | System and method for predicting rare events |
US8705849B2 (en) * | 2008-11-24 | 2014-04-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method and system for object recognition based on a trainable dynamic system |
JP2011059815A (ja) * | 2009-09-07 | 2011-03-24 | Sony Corp | 情報処理装置、情報処理方法、及び、プログラム |
SG183435A1 (en) * | 2010-03-15 | 2012-09-27 | Singapore Health Serv Pte Ltd | Method of predicting the survivability of a patient |
US8463721B2 (en) * | 2010-08-05 | 2013-06-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for recognizing events |
DE102011081197A1 (de) * | 2011-08-18 | 2013-02-21 | Siemens Aktiengesellschaft | Verfahren zur rechnergestützten Modellierung eines technischen Systems |
JP2014178800A (ja) | 2013-03-14 | 2014-09-25 | Gifu Univ | 医療情報処理装置、及び、プログラム |
CN103336908B (zh) * | 2013-07-23 | 2016-01-20 | 哈尔滨工业大学 | 单调回声状态网络的剩余寿命预测方法 |
US10181098B2 (en) * | 2014-06-06 | 2019-01-15 | Google Llc | Generating representations of input sequences using neural networks |
CN104636751A (zh) * | 2014-12-11 | 2015-05-20 | 广东工业大学 | 基于时间递归神经网络的人群异常检测和定位系统及方法 |
CN104615983B (zh) * | 2015-01-28 | 2018-07-31 | 中国科学院自动化研究所 | 基于递归神经网络和人体骨架运动序列的行为识别方法 |
US9652712B2 (en) | 2015-07-27 | 2017-05-16 | Google Inc. | Analyzing health events using recurrent neural networks |
US20170032241A1 (en) | 2015-07-27 | 2017-02-02 | Google Inc. | Analyzing health events using recurrent neural networks |
US9336482B1 (en) * | 2015-07-27 | 2016-05-10 | Google Inc. | Predicting likelihoods of conditions being satisfied using recurrent neural networks |
CN105550323B (zh) * | 2015-12-15 | 2020-04-28 | 北京中电普华信息技术有限公司 | 一种分布式数据库负载均衡预测方法和预测分析器 |
CN105787561B (zh) * | 2016-03-22 | 2019-04-30 | 新疆金风科技股份有限公司 | 循环神经网络模型构建方法、齿轮箱故障检测方法和装置 |
-
2015
- 2015-07-27 US US14/810,381 patent/US9336482B1/en active Active
-
2016
- 2016-05-09 US US15/150,091 patent/US9646244B2/en active Active
- 2016-07-26 EP EP21214056.0A patent/EP3989127A1/en active Pending
- 2016-07-26 EP EP16748417.9A patent/EP3292492B1/en active Active
- 2016-07-26 KR KR1020177037617A patent/KR102011453B1/ko active IP Right Grant
- 2016-07-26 CN CN201680034775.8A patent/CN107743630B/zh active Active
- 2016-07-26 JP JP2018504218A patent/JP6541868B2/ja active Active
- 2016-07-26 WO PCT/US2016/044101 patent/WO2017019703A1/en active Application Filing
-
2017
- 2017-05-05 US US15/588,535 patent/US10726327B2/en active Active
-
2020
- 2020-07-27 US US16/940,131 patent/US11790216B2/en active Active
-
2023
- 2023-09-13 US US18/466,751 patent/US20240176995A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0871046A (ja) * | 1994-09-02 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 監視装置 |
JPH0973440A (ja) * | 1995-09-06 | 1997-03-18 | Fujitsu Ltd | コラム構造の再帰型ニューラルネットワークによる時系列トレンド推定システムおよび方法 |
JP2003235813A (ja) * | 2002-12-19 | 2003-08-26 | Matsushita Electric Ind Co Ltd | 監視装置 |
JP2006244120A (ja) * | 2005-03-03 | 2006-09-14 | Hitachi Ltd | センサネットワークシステム、センサデータの処理方法及びプログラム |
JP2007200108A (ja) * | 2006-01-27 | 2007-08-09 | Nippon Telegr & Teleph Corp <Ntt> | 特異イベント検出装置、及び特異イベント検出方法 |
JP2007243342A (ja) * | 2006-03-06 | 2007-09-20 | Yokogawa Electric Corp | 画像監視装置及び画像監視システム |
JP2009015493A (ja) * | 2007-07-03 | 2009-01-22 | Toshiba Corp | アクション実行装置、及び方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3989127A1 (en) | 2022-04-27 |
US10726327B2 (en) | 2020-07-28 |
US20170032242A1 (en) | 2017-02-02 |
US11790216B2 (en) | 2023-10-17 |
US20210019604A1 (en) | 2021-01-21 |
JP6541868B2 (ja) | 2019-07-10 |
US20170308787A1 (en) | 2017-10-26 |
US9646244B2 (en) | 2017-05-09 |
WO2017019703A1 (en) | 2017-02-02 |
EP3292492B1 (en) | 2022-01-19 |
CN107743630B (zh) | 2021-12-17 |
US20240176995A1 (en) | 2024-05-30 |
EP3292492A1 (en) | 2018-03-14 |
KR102011453B1 (ko) | 2019-08-19 |
US9336482B1 (en) | 2016-05-10 |
CN107743630A (zh) | 2018-02-27 |
KR20180014063A (ko) | 2018-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11790216B2 (en) | Predicting likelihoods of conditions being satisfied using recurrent neural networks | |
JP6530084B2 (ja) | 再帰型ニューラルネットワークを使用する健康イベントの分析 | |
US10402721B2 (en) | Identifying predictive health events in temporal sequences using recurrent neural network | |
Kwon et al. | Deep learning for predicting in‐hospital mortality among heart disease patients based on echocardiography | |
US20200152332A1 (en) | Systems and methods for dynamic monitoring of patient conditions and prediction of adverse events | |
Luo et al. | Automating construction of machine learning models with clinical big data: proposal rationale and methods | |
US11276495B2 (en) | Systems and methods for predicting multiple health care outcomes | |
Taloba et al. | Estimation and prediction of hospitalization and medical care costs using regression in machine learning | |
US20210257067A1 (en) | State transition prediction device, and device, method, and program for learning predictive model | |
US11854673B2 (en) | Systems and methods for managing caregiver responsibility | |
Gautam et al. | An overview of big data applications in healthcare: opportunities and challenges | |
Nasarian et al. | Designing Interpretable ML System to Enhance Trustworthy AI in Healthcare: A Systematic Review of the Last Decade to A Proposed Robust Framework | |
Gautam et al. | An 2 Overview of Big Data Applications in Healthcare |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190111 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190419 |
|
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: 20190513 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190611 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6541868 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |