JP2019105870A - 判別プログラム、判別方法および判別装置 - Google Patents
判別プログラム、判別方法および判別装置 Download PDFInfo
- Publication number
- JP2019105870A JP2019105870A JP2017236216A JP2017236216A JP2019105870A JP 2019105870 A JP2019105870 A JP 2019105870A JP 2017236216 A JP2017236216 A JP 2017236216A JP 2017236216 A JP2017236216 A JP 2017236216A JP 2019105870 A JP2019105870 A JP 2019105870A
- Authority
- JP
- Japan
- Prior art keywords
- events
- event
- value
- feature
- generated
- 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
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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
Description
図1は、実施例1にかかる判別装置の全体例を説明する図である。図1に示すように、実施例1にかかる判別装置10は、学習データにデータ分析を行った後に、機械学習や深層学習(ディープラーニング(DL)・Deep Learning)などを用いた判別処理(学習処理)を実行して、学習データを事象ごとに正しく判別(分類)できるように、ニューラルネットワーク(NN:Neural Network)などを学習する。その後、学習結果を適用した学習モデルを用いることで、判別対象データの正確な事象(ラベル)の推定を実現する。
図2は、実施例1にかかる判別装置10の機能構成を示す機能ブロック図である。図2に示すように、判別装置10は、通信部11と記憶部12と制御部20を有する。
次に、上述した学習処理について説明する。図10は、学習処理の流れを示すフローチャートである。図10に示す処理が各点過程時系列データについて実行される。図10に示すように、特徴量算出部21は、点過程時系列データを学習データDB13から読み出す(S101)。
上述したように、判別装置10は、各閾値aの値に対して特徴量を生成することができる。あくまでイベント間隔を用いた特徴量のため、イベント間隔の情報は失わず、閾値aの変化に伴い、イベントの小さな情報を削るため、閾値aの変化に伴う特徴量の変化はイベントの値とイベント間隔の関係を表現する。つまり、判別装置10は、イベント間隔をもとにしてイベント間隔情報を保存しつつ、イベントの値とイベント間隔の関係を表現することができる。この結果、判別装置10は、点過程時系列データの解析を、イベントの値もイベント間隔も両方を含めた形で実行できるので、点過程時系列データから事象を正確に判別することができる。
例えば、間隔ベクトルの生成処理や判別処理などは、時間間隔など、特定の条件により区分された区間における「複数のイベント」を対象として処理することができる。
実施例1の学習は、DLに限らずに他の機械学習を採用することができる。また、間隔アトラクタの次元数も任意に設定することができる。なお、学習後に推定対象のデータのラベル推定を行う場合、学習時と同様の処理を行って学習モデルに入力する。
実施例1では、パーシステントホモロジ変換によって特徴量を算出する例を説明したが、これに限定されるものではない。例えば、確率分布、カオス時系列解析などを用いて、特徴量を算出することができる。特に、イベント発生間隔などが確率分布やカオス理論に沿っている場合には有効である。また、点過程時系列データ全体の特徴量についても、必ずしも画像にする必要はなく、配列で特徴量を判別することもできる。
図15は、ハードウェア構成例を説明する図である。図15に示すように、判別装置10は、通信インタフェース10a、HDD(Hard Disk Drive)10b、メモリ10c、プロセッサ10dを有する。また、図15に示した各部は、バス等で相互に接続される。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
11 通信部
12 記憶部
13 学習データDB
14 学習結果DB
20 制御部
21 特徴量算出部
22 特徴量生成部
23 学習部
Claims (7)
- 時系列で発生した複数の事象のうち、事象判別閾値より大きい値を有する複数の特定事象を抽出し、
前記複数の特定事象から、前記複数の特定事象の隣接発生間隔に関する特徴量を生成し、
前記事象判別閾値を変化させることにより、前記事象判別閾値と前記特徴量を成分とする点から、前記複数の事象に対応した配列データを生成し、
前記配列データを利用して、前記複数の事象の種別を判別する、
処理をコンピュータに実行させる判別プログラム。 - 前記複数の特定事象間の隣接発生間隔それぞれを複数の成分として有する間隔ベクトルを生成し、
前記時系列において所定数の連続した前記間隔ベクトルから、特定の成分を1組の座標とする局所変動点を生成し、
始点となる前記間隔ベクトルが異なる複数の局所変動点に対しパーシステントホモロジ変換を用いることにより、ベッチ系列を生成し、
前記事象判別閾値と前記ベッチ系列を成分とする点から、前記複数の事象に対応した画像データを生成する、処理をコンピュータに実行させる請求項1に記載の判別プログラム。 - 前記配列データから画像データを生成し、画像データを利用して、前記複数の事象の種別を判別する、処理をコンピュータに実行させる請求項1に記載の判別プログラム。
- 前記画像データの画素値は、前記特徴量に関連する値とは異なる値である、請求項3に記載の判別プログラム。
- 前記複数の特定事象の隣接発生間隔それぞれから、時間が異なる複数のベクトルを生成し、生成された前記複数のベクトルを用いて、前記複数の特定事象の隣接発生間隔に関する前記特徴量を生成する、処理をコンピュータに実行させる請求項1に記載の判別プログラム。
- 時系列で発生した複数の事象のうち、事象判別閾値より大きい値を有する複数の特定事象を抽出し、
前記複数の特定事象から、前記複数の特定事象の隣接発生間隔に関する特徴量を生成し、
前記事象判別閾値を変化させることにより、前記事象判別閾値と前記特徴量を成分とする点から、前記複数の事象に対応した配列データを生成し、
前記配列データを利用して、前記複数の事象の種別を判別する、
処理をコンピュータが実行する判別方法。 - 時系列で発生した複数の事象のうち、事象判別閾値より大きい値を有する複数の特定事象を抽出する抽出部と、
前記複数の特定事象から、前記複数の特定事象の隣接発生間隔に関する特徴量を生成する第1生成部と、
前記事象判別閾値を変化させることにより、前記事象判別閾値と前記特徴量を成分とする点から、前記複数の事象に対応した配列データを生成する第2生成部と、
前記配列データを利用して、前記複数の事象の種別を判別する判別部と
を有する判別装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017236216A JP6954070B2 (ja) | 2017-12-08 | 2017-12-08 | 判別プログラム、判別方法および判別装置 |
US16/197,833 US11423298B2 (en) | 2017-12-08 | 2018-11-21 | Computer-readable recording medium, determination method, and determination apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017236216A JP6954070B2 (ja) | 2017-12-08 | 2017-12-08 | 判別プログラム、判別方法および判別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019105870A true JP2019105870A (ja) | 2019-06-27 |
JP6954070B2 JP6954070B2 (ja) | 2021-10-27 |
Family
ID=66697014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017236216A Active JP6954070B2 (ja) | 2017-12-08 | 2017-12-08 | 判別プログラム、判別方法および判別装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11423298B2 (ja) |
JP (1) | JP6954070B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008186079A (ja) * | 2007-01-26 | 2008-08-14 | Ntt Docomo Inc | 情報端末及びその入力方法 |
US9430688B1 (en) * | 2015-03-25 | 2016-08-30 | The Boeing Company | Overlapping multi-signal classification |
JP2017097643A (ja) * | 2015-11-25 | 2017-06-01 | 富士通株式会社 | 機械学習プログラム、機械学習方法及び情報処理装置 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3712882B2 (ja) * | 1999-03-03 | 2005-11-02 | 日本電信電話株式会社 | 時間間隔を含む時系列パターン抽出装置 |
JP3650572B2 (ja) * | 2000-07-07 | 2005-05-18 | 日本電信電話株式会社 | 時系列データの分類装置 |
US20030065409A1 (en) * | 2001-09-28 | 2003-04-03 | Raeth Peter G. | Adaptively detecting an event of interest |
US20070036434A1 (en) * | 2005-08-15 | 2007-02-15 | Peter Saveliev | Topology-Based Method of Partition, Analysis, and Simplification of Dynamical Images and its Applications |
JP2007179131A (ja) * | 2005-12-27 | 2007-07-12 | Nec Corp | イベント検出システム、管理端末及びプログラムと、イベント検出方法 |
JP5030882B2 (ja) * | 2008-07-25 | 2012-09-19 | 三菱電機株式会社 | 監視用画像処理装置 |
JP2010249991A (ja) * | 2009-04-14 | 2010-11-04 | Seiko Epson Corp | 転写装置および画像形成装置 |
JP5388827B2 (ja) * | 2009-12-11 | 2014-01-15 | 三菱電機株式会社 | 監視用画像処理装置 |
JP5861463B2 (ja) | 2012-01-17 | 2016-02-16 | 株式会社デンソー | 情報取得プログラム |
JP5769039B2 (ja) * | 2012-03-30 | 2015-08-26 | 日本電気株式会社 | 管路管理支援装置及び管路管理支援システム |
CN105027550B (zh) * | 2012-11-06 | 2018-04-06 | 阿尔卡特朗讯公司 | 用于处理视觉信息以检测事件的系统和方法 |
US9589190B2 (en) * | 2012-12-21 | 2017-03-07 | Robert Bosch Gmbh | System and method for detection of high-interest events in video data |
JP6241790B2 (ja) | 2014-08-15 | 2017-12-06 | 日本電信電話株式会社 | 生成モデル作成装置、推定装置、それらの方法およびプログラム |
JP6372696B2 (ja) * | 2014-10-14 | 2018-08-15 | 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 |
JP6367691B2 (ja) | 2014-11-17 | 2018-08-01 | 日本電信電話株式会社 | 報知音感知・識別装置、報知音感知・識別方法、報知音感知・識別プログラム |
JP6467989B2 (ja) * | 2015-02-26 | 2019-02-13 | 富士通株式会社 | 検知プログラム、検知方法及び検知装置 |
JP6716888B2 (ja) * | 2015-10-29 | 2020-07-01 | Tdk株式会社 | 呼吸解析装置、呼吸解析方法及びプログラム |
JP6434396B2 (ja) * | 2015-12-10 | 2018-12-05 | 日本電信電話株式会社 | センサデータ収集システムおよび方法 |
US10546197B2 (en) * | 2017-09-26 | 2020-01-28 | Ambient AI, Inc. | Systems and methods for intelligent and interpretive analysis of video image data using machine learning |
JP6912998B2 (ja) * | 2017-10-25 | 2021-08-04 | 株式会社日立製作所 | データ分析装置、データ分析方法、およびデータ分析プログラム |
-
2017
- 2017-12-08 JP JP2017236216A patent/JP6954070B2/ja active Active
-
2018
- 2018-11-21 US US16/197,833 patent/US11423298B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008186079A (ja) * | 2007-01-26 | 2008-08-14 | Ntt Docomo Inc | 情報端末及びその入力方法 |
US9430688B1 (en) * | 2015-03-25 | 2016-08-30 | The Boeing Company | Overlapping multi-signal classification |
JP2017097643A (ja) * | 2015-11-25 | 2017-06-01 | 富士通株式会社 | 機械学習プログラム、機械学習方法及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6954070B2 (ja) | 2021-10-27 |
US11423298B2 (en) | 2022-08-23 |
US20190180178A1 (en) | 2019-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101531618B1 (ko) | 이미지들의 비교 방법 및 시스템 | |
WO2019105163A1 (zh) | 目标人物的搜索方法和装置、设备、程序产品和介质 | |
CN113254549B (zh) | 人物关系挖掘模型的训练方法、人物关系挖掘方法及装置 | |
CA3066029A1 (en) | Image feature acquisition | |
Kumar et al. | Adaptive cluster tendency visualization and anomaly detection for streaming data | |
CN111814910B (zh) | 异常检测方法、装置、电子设备及存储介质 | |
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 | |
EP4053757A1 (en) | Degradation suppression program, degradation suppression method, and information processing device | |
CN115545103A (zh) | 异常数据识别、标签识别方法和异常数据识别装置 | |
JP2019086979A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN112116028B (zh) | 模型决策解释实现方法、装置及计算机设备 | |
JP6950505B2 (ja) | 判別プログラム、判別方法および判別装置 | |
CN116188917A (zh) | 缺陷数据生成模型训练方法、缺陷数据生成方法及装置 | |
JP6954070B2 (ja) | 判別プログラム、判別方法および判別装置 | |
JP2020086796A (ja) | 機械学習方法、機械学習プログラムおよび機械学習装置 | |
CN112861874B (zh) | 一种基于多滤波器去噪结果的专家场去噪方法及系统 | |
CN115619245A (zh) | 一种基于数据降维方法的画像构建和分类方法及系统 | |
JP2017188063A (ja) | 画像検索システム、画像検索方法、及び画像検索用プログラム | |
CN114120180A (zh) | 一种时序提名的生成方法、装置、设备及介质 | |
Cheng et al. | A coupled ETAS-I2GMM point process with applications to seismic fault detection | |
Dornaika et al. | Kernel sparse modeling for prototype selection | |
JP2019133462A (ja) | 検出プログラム、検出方法および検出装置 | |
JP6365064B2 (ja) | 母集団生成プログラム、母集団生成方法および母集団生成装置 | |
JP7379300B2 (ja) | 推定装置、推定方法及びプログラム | |
CN117192373B (zh) | 动力电池故障分析方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200911 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210825 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6954070 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |