JP2020149281A - データ予測装置、データ予測方法、及びデータ予測プログラム - Google Patents

Abstract

【課題】回帰係数を求める際に使用するデータの数を低減し、データを収集及び伝送する回線容量を低減し、学習過程における計算処理量を低減する、ことを目的とする。【解決手段】本開示のデータ予測装置は、Ｌ１正則化により回帰係数を求める第１算出法を用いて複数のデータに基づいて回帰係数を算出し、絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報をデータ収集部に送信する第１回帰係数算出部と、第１算出法及び第２算出法のいずれの算出法を用いるかを判定する判定部と、判定された算出法を用いて回帰係数を算出する第２回帰係数算出部と、判定された算出法が第１算出法である場合複数のデータを使用し、判定された算出法が第２算出法である場合選択データを使用し、使用したデータ及び第２回帰係数算出部で算出された回帰係数に基づいて予測した予測結果を出力する予測部と、を含む。【選択図】図４

Description

本開示は、データ予測装置、データ予測方法、及びデータ予測プログラムに関する。

各所に設置した大量のセンサから取得されるデータから、その中の特定のデータの近い将来の値を予測する問題では、（１）式に例示するように、図１に示す線形回帰による予測が行われることがある。下記（１）式は、図１に例示する１〜４の４つのセンサの時刻ｔ−３から時刻ｔまでの単位時間毎のデータのうち時刻ｔ−２から時刻ｔまでの１２個のデータからセンサ１の時刻ｔ＋１におけるデータＤ_{１，ｔ＋１}を予測する。
β_０＋β_１Ｄ_{１，ｔ−２}＋β_２Ｄ_{２，ｔ−２}＋β_３Ｄ_{３，ｔ−２}＋β_４Ｄ_{４，ｔ−２}＋
β_５Ｄ_{１，ｔ−１}＋β_６Ｄ_{２，ｔ−１}＋β_７Ｄ_{３，ｔ−１}＋β_８Ｄ_{４，ｔ−１}＋
β_９Ｄ_１，ｔ＋β_１０Ｄ_２，ｔ＋β_１１Ｄ_３，ｔ＋β_１２Ｄ_４，ｔ＝Ｄ_{１，ｔ＋１} …（１）

β_k（k＝０，…，１２）は回帰係数であり、Ｄ_{l，ｔ−ｍ}は、図１に円で例示するデータであり、lはセンサの番号、ｔ−ｍは時刻を表し、ｍは自然数を表す。

詳細には、以下の学習過程及び予測過程によりデータの予測が行われる。まず、予測するデータに関係しそうな各センサの過去のデータを収集して線形回帰式を作成し、予測しようとする現象（予測対象の特異な動き）が生じているサンプル区間のデータを線形回帰式の選択変数に代入して、回帰係数β_kを連立方程式により求める(学習過程)。次に、求められた回帰係数β_kにより、センサのデータから連続的に予測値を算出する(予測過程)。

非常に多量のセンサからの過去の長い期間のデータを用いる場合には、サンプル区間のデータが不足し、連立方程式の解が求まらなくなる場合がある。例えば、河川の水位の予想を行う場合、センサからのデータの代わり、あるいは、センサからのデータに追加して、例えば、気象庁で作成されるメッシュ状の雨量の予報値を用いることができる。しかしながら、この場合はさらに回帰係数の数が増えることになり、サンプル区間のデータが不足する場合がある。

サンプル区間のデータが不足した場合、Ｌ１正則化という方法（非特許文献１）を用いて、（２）式に例示するように、近似解の回帰係数を求めることができる。このＬ１正則化には、予測に貢献しにくい回帰係数をゼロに近づける性質がある。

ｙ_ｉは目的変数であり、ｘ_ｉｊは説明変数であり、ｔ_ｃは調整パラメータである。

Ｌ１正則化を用いて構成される、関連技術のデータ予測装置１０を図２に示す。データ収集部１１は多数のセンサの各々からデータを収集し、予測部１２及び学習区間選択部１３に同じデータを送信する。学習区間選択部１３では、予測しようとする事象が現れていそうなデータ区間内のデータをルールベースで選択し、選択したデータを学習するべきデータとして回帰係数算出部１４に送信する。回帰係数算出部１４では、Ｌ１正則化を用いて回帰係数を求め、当該回帰係数を予測部１２に送信する。予測部１２は、回帰係数算出部１４から受信した回帰係数と、データ収集部１１から受信したデータと、を線形回帰式に代入して連続的に予測値を算出する。

Robert Tibshirani， "Regression Shrinkage and Selection via the Lasso", Journal of the Royal Statistical Society, Series B (Methodological), 1996, Vol. 58, No. 1, pp.267-288

Ｌ１正則化により、多くの説明変数を使用する場合にも回帰係数を求めることはできるようになるが、予測に影響を及ぼすセンサの範囲、及びデータ計測時間の範囲は事前に既知でないため、広めに範囲を設定することになる。そのため、入力として使用するデータの数が非常に多くなり、データを収集及び伝送する回線容量を圧迫し、また、学習過程における計算処理量も膨大になる、という問題が発生する。

本開示では、回帰係数を求める際に使用するデータの数を低減し、データを収集及び伝送する回線容量を低減し、学習過程における計算処理量を低減する、ことを目的とする。

本開示の第１態様のデータ予測装置は、収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信するデータ収集部と、Ｌ１正則化により回帰係数を求める第１算出法を用いて、前記データ収集部から受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を前記データ収集部に送信する第１回帰係数算出部と、回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定する判定部と、前記判定部で判定された算出法を用いて回帰係数を算出する第２回帰係数算出部と、前記判定部で判定された算出法が前記第１算出法である場合、前記データ収集部から受信した前記複数のデータを使用し、前記判定部で判定された算出法が前記第２算出法である場合、前記データ収集部から受信した前記選択データを使用し、使用したデータ及び前記第２回帰係数算出部で算出された回帰係数に基づいて予測した予測結果を出力する予測部と、を含む。

本開示の第２態様は、第１態様のデータ予測装置であって、前記予測結果と実測値との誤差であって所定値以上の誤差の発生回数を監視する誤差監視部をさらに含み、前記判定部は、前記第２算出法を用いると判定した状態で、前記誤差監視部で監視された前記誤差の発生回数が所定回数以上になった場合は、前記第１算出法を用いると判定する。

本開示の第３態様は、第１態様のデータ予測装置であって、予め設定された事象が発生したか否かを判定する事象判定部をさらに含み、前記判定部は、前記第２算出法を用いると判定した状態で、前記事象判定部で前記事象が発生したことが判定された場合、前記第１算出法を用いると判定する。

本開示の第４態様は、第１態様〜第３態様のいずれかのデータ予測装置であって、前記予測結果と実測値との誤差であって所定値以上の誤差の発生回数を監視する誤差監視部をさらに含み、前記判定部は、前記誤差監視部で監視された前記誤差の発生回数が所定回数以上になった場合は、前記第１回帰係数算出部に対して、前記第１算出法による回帰係数の再算出の指示、及び前記データ収集部に対する選択情報の再送信の指示を行い、前記第１回帰係数算出部は、前記判定部からの指示に応じて回帰係数の再算出及び選択情報の再送信を行い、前記データ収集部は、前記判定部からの指示に応じて再送信された選択情報に応じて、前記第１回帰係数算出部に対する選択データの再送信を行う。

本開示の第５態様はプログラムであって、収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信し、Ｌ１正則化により回帰係数を求める第１算出法を用いて、受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を送信し、回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定し、判定された算出法を用いて回帰係数を算出し、判定された算出法が前記第１算出法である場合、受信した前記複数のデータを使用し、判定された算出法が前記第２算出法である場合、受信した前記選択データを使用し、使用したデータ及び算出された回帰係数に基づいて予測した予測結果を出力する、データ予測処理をコンピュータに実行させる。

本開示の第６態様は、データ予測方法であって、コンピュータが、収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信し、Ｌ１正則化により回帰係数を求める第１算出法を用いて、受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を送信し、回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定し、判定された算出法を用いて回帰係数を算出し、判定された算出法が前記第１算出法である場合、受信した前記複数のデータを使用し、判定された算出法が前記第２算出法である場合、受信した前記選択データを使用し、使用したデータ及び算出された回帰係数に基づいて予測した予測結果を出力する。

本開示では、データの数を低減し、データを収集及び伝送する回線容量を低減し、学習過程における計算処理量を低減する、ことができる。

線形回帰式によるデータの予測を説明する模式図である。 関連技術のデータ予測装置を例示するブロック図である。 本実施形態のデータ予測装置の基本例を例示するブロック図である。 本実施形態のデータ予測装置の拡張例を例示するブロック図である。 本実施形態のデータ予測装置の拡張例のハードウェア構成図を例示するブロック図である。 本実施形態の拡張例の学習フェーズの処理の流れを例示する模式図である。 本実施形態の拡張例の予測フェーズの処理の流れを例示する模式図である。 本実施形態の拡張例の再算出及び再選択フェーズの処理の流れを例示する模式図である。 本実施形態のデータ予測装置を例示するブロック図である。

本実施形態のデータ予測装置２０を図３に例示する。データ収集部２１は多数のセンサＳ_１，Ｓ_２，Ｓ_３，…の各々からデータを収集し、予測部２２及び学習区間選択部２３に同じデータを送信する。データ収集部２１が、予測部２２及び学習区間選択部２３に送信するデータとしては、多数のセンサＳ_１，Ｓ_２，Ｓ_３，…から収集した複数のデータ、及び後述する第１回帰係数算出部２５から受信した選択情報に基づいて収集した複数のデータから選択した選択データがある。

学習区間選択部２３では、予測しようとする事象が現れていることが予測されるデータ区間をルールベースで選択し、学習するべきデータを第１回帰係数算出部２５及び第２回帰係数算出部２４に送信する。すなわち、学習区間選択部２３は、予測しようとする事象が現れていないことが予測される区間に存在する不要なデータ及び変化の乏しいデータを取り除く。

第１回帰係数算出部２５は、Ｌ１正則化により近似解の回帰係数を求める第１算出法を用いて、データ収集部２１から送信され、かつ学習区間選択部２３で選択された複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数を選択し、選択した回帰係数を示す情報を、データ収集部２１及び第２回帰係数算出部２４の各々に送信する。

データ収集部２１では、第１回帰係数算出部２５から受信した情報に基づいて、収集した複数のデータから絶対値が閾値以上の回帰係数に対応するデータを選択し、選択したデータを選択データとして予測部２２、学習区間選択部２３、及び誤差監視部２６の各々に送信する。第１回帰係数算出部２５からデータ収集部２１に送信される情報は、データ収集部２１においてデータを選択するために使用されるので、以下では選択情報という。

なお、データ収集部２１では、絶対値が閾値以上の回帰係数に対応するデータが選択データとして選択され、絶対値が閾値未満の回帰係数に対応するデータが削除される。このため、データ収集部２１に送信する選択情報としては、絶対値が閾値以上の回帰係数を示す情報に代えて、絶対値が閾値未満の回帰係数を示す情報を用い、データ収集部２１において、絶対値が閾値未満の回帰係数に対応するデータを削除することにより、選択データを得るようにしてもよい。

第２回帰係数算出部２４は、データ収集部２１から送信され、かつ学習区間選択部２３を通過した選択データを使用して、Ｌ１正則化ではなく、Ｌ２正則化または重回帰を用いて回帰係数を求める。

第２回帰係数算出部２４で算出された回帰係数は、Ｌ２正則化または重回帰を用いた回帰計算による予測が行われる予測部２２に送信される。データ収集部２１では、選択データを予測部２２及び学習区間選択部２３に送信する。即ち、データ収集部２１は、全てのセンサＳ_１，Ｓ_２，Ｓ_３，…の各々からデータを収集するが、データの送信は、選択的に行う。

予測部２２では、データ収集部２１から受信した選択データと、第２回帰係数算出部２４から受信した回帰係数とを用いて、線形回帰式で予測した予測結果を出力する。

すなわち、予測結果は、絶対値が閾値未満の回帰係数に対応するデータが削除され、絶対値が閾値以上の回帰係数と絶対値が閾値以上の回帰係数に対応するデータとから算出されるため、学習過程で使用するデータ量が低減され、計算処理量を低減することができる。

誤差監視部２６では、予測部２２による予測結果と、データ収集部２１で収集されたデータである実測値との差である誤差を監視し、所定値以上の誤差が所定回数(許容回数)以上発生した場合に、データ収集部２１と第１回帰係数算出部２５に、再選択指示を送信する。データ収集部２１は、この再選択指示により、選択データの再選択が終わるまでの一定期間、選択データではなく、全てのデータを後段に送信するようになり、第１回帰係数算出部２５では、再度、全てのデータを対象にしたＬ１正則化によるデータの選択が行われる。この際、Ｌ２正則化または重回帰による予測結果の誤差が、Ｌ１正則化による予測結果の誤差よりも大きい場合にのみ、選択データの再選択を行い、Ｌ２正則化または重回帰による予測結果の誤差が、Ｌ１正則化による予測結果の誤差以下である場合には、再選択を行わない。

なお、誤差監視部２６では、予測部２２による予測結果と、実測値の差である誤差を監視し、所定値以上の誤差が所定回数(許容回数)以上発生した場合に、第２回帰係数算出部２４で、回帰係数の再算出を行うようにしてもよい。回帰係数の再算出後、所定値以上の誤差が所定回数（許容回数）以上発生した場合に、データ収集部２１と第１回帰係数算出部２５に、再選択指示を送信するようにしてもよい。

本実施形態のデータ予測装置２０の拡張例であるデータ予測装置６０を図４に例示する。データ予測装置２０と同様の構成及び作用については、説明を適宜省略する。図４のデータ予測装置６０は、データの傾向などに応じて、回帰係数の算出の際に使用する回帰係数算出法を選択する判定部６７を有する点で、図３のデータ予測装置２０と異なる。

データ収集部６１は多数のセンサＳ_１，Ｓ_２，Ｓ_３，…からデータを収集し、予測部６２及び学習区間選択部６３に同じデータを送信する。学習区間選択部６３では、予測しようとする事象が現れていそうなデータ区間をルールベースで選択し、学習するべきデータを回帰係数算出部６４に送信する。

データ予測装置２０では、第２回帰係数算出部２４で回帰係数を算出する際に、例えば、Ｌ２正則化または重回帰を使用しているが、データ予測装置６０では、第２回帰係数算出部６４で回帰係数を算出する際に、判定部６７の判定結果に応じて、使用する回帰係数算出法を選択する。使用する回帰係数算出法は、例えば、以下の２つから選択される。
１）選択データを使用する重回帰またはＬ２正則化（第２算出法）
２）全てのデータを使用するＬ１正則化（第１算出法）

誤差監視部６６において、所定値以上の予測誤差（誤差）が所定回数（許容回数）以上発生したことが検出されるまでは、判定部６７は、１）の回帰係数算出法を選択することを判定し、第２回帰係数算出部６４は、選択データを使用して、１）の回帰係数算出法で回帰係数を算出する。誤差監視部６６において、所定値以上の予測誤差が所定回数（許容回数）以上発生したことが検出された場合、判定部６７は、回帰係数算出法を１）から２）に切り替えることを判定する。

第２回帰係数算出部６４は、判定部６７の判定に基づいて、２）の回帰係数算出法で全てのデータを使用して回帰係数を算出する。これにより、データに応じて、より誤差の少ない回帰係数算出法を選択することができる。

なお、学習区間選択部６３において、事前に設定された事象（例えば、降雨など）が発生したか否かをルールベースで判定する事象判定部をさらに含み、事象判定部が学習するべきデータが更新されたことを判定した場合にも、判定部６７は、２）の回帰係数算出法を選択することを判定してもよい。これにより、学習するべきデータが更新された場合においても、より誤差の少ない回帰係数算出法を選択することができる。

図５に、データ予測装置６０のハードウェア構成を例示する。データ予測装置６０は、一例として、図５に示すように、ＣＰＵ（Central Processing Unit）５１、一次記憶部５２、二次記憶部５３、及び、外部インタフェース５４を含む。ＣＰＵ５１は、ハードウェアであるプロセッサの一例である。ＣＰＵ５１、一次記憶部５２、二次記憶部５３、及び、外部インタフェース５４は、バス５９を介して相互に接続されている。

一次記憶部５２は、例えば、ＲＡＭ（Random Access Memory）などの揮発性のメモリである。二次記憶部５３は、例えば、ＨＤＤ（Hard Disk Drive）、又はＳＳＤ（Solid State Drive）などの不揮発性のメモリである。

二次記憶部５３は、プログラム格納領域５３Ａ及びデータ格納領域５３Ｂを含む。プログラム格納領域５３Ａは、一例として、データ予測プログラムなどのプログラムを記憶している。データ格納領域５３Ｂは、一例として、センサからのデータ及びデータ予測処理中の中間データなどを記憶する。

ＣＰＵ５１は、プログラム格納領域５３Ａからデータ予測プログラムを読み出して一次記憶部５２に展開する。ＣＰＵ５１は、データ予測プログラムをロードして実行することで、図４のデータ収集部６１、予測部６２、学習区間選択部６３、第２回帰係数算出部６４、第１回帰係数算出部６５、誤差監視部６６、及び判定部６７として動作する。

なお、データ予測プログラムなどのプログラムは、外部サーバに記憶され、ネットワークを介して、一次記憶部５２に展開されてもよい。また、データ予測プログラムなどのプログラムは、Digital Versatile Disc（ＤＶＤ）などの非一時的記録媒体に記憶され、記録媒体読込装置を介して、一次記憶部５２に展開されてもよい。

外部インタフェース５４には外部装置が接続され、外部インタフェース５４は、外部装置とＣＰＵ５１との間の各種情報の送受信を司る。図５では、外部インタフェース５４に、センサ３１Ａ、及び危険報知システム３１Ｂが接続されている例を示している。なお、センサ３１Ａは、多数のセンサを含む。

データ予測装置６０で予測されたデータは、例えば、外部インタフェース５４に接続される危険報知システム３１Ｂに送信され、危険報知システム３１Ｂにおける危険報知処理に使用されてもよい。また、データ予測装置１０で予測されたデータは、例えば、外部インタフェース５４に接続される外部記憶装置に記録されてもよいし、外部インタフェース５４に接続されるディスプレイの画面に文字または画像として表示されてもよい。

また、データ予測装置６０は、専用装置であってもよいし、ワークステーション、パーソナルコンピュータ、またはタブレットなどの汎用装置であってもよい。

図６〜図８に、データ予測装置６０におけるデータ予測処理を例示する。図６は、学習フェーズの流れを例示する。

データ収集部６１は、手順Ｓ２０１で、例えば、多数のセンサを含むセンサ３１Ａからデータを収集する。データ収集部６１は、手順Ｓ２０２で、学習区間選択部６３に、収集したデータを送信する。

学習区間選択部６３は、手順Ｓ２０３で、予測に適切そうなデータ区間を選択して第２回帰係数算出部６４と第１回帰係数算出部６５に送信する。第１回帰係数算出部６５は、Ｌ１正則化を用いて回帰係数を算出し、絶対値が閾値以上の回帰係数を選択して、第２回帰係数算出部６４とデータ収集部６１に送信する。

第２回帰係数算出部６４は、手順Ｓ２０５で、第１回帰係数算出部６５で選択されたデータを使用して、通常の回帰算出法、例えば、Ｌ２正則化または重回帰により、回帰係数を求めて予測部６２に送信する。

図７は、予測フェーズの流れを例示する。データ収集部６１は、手順Ｓ２０６で、手順Ｓ２０４で選択されたデータを予測部６２及び誤差監視部６６に送信する。予測部６２は、手順Ｓ２０７で、手順Ｓ２０５で求めた回帰係数とデータとに基づいて、予測結果を算出し、誤差監視部６６に送信すると共に、例えば、外部記憶装置に記憶する。

図８は、誤差監視及び再算出及び再選択フェーズの流れを例示する。誤差監視部６６は、手順Ｓ２０８で、予測結果とデータ（実測値）との予測誤差を算出し、所定値以上の予測誤差が所定回数（許容回数）以上発生した場合、データ収集部６１及び判定部６７に、回帰係数算出法の切り替えを指示する。

回帰係数算出法の切り替えが指示されると、データ収集部６１は、全てのデータを学習区間選択部６３に送信し、判定部６７は、第２回帰係数算出部６４で、全てのデータを使用して、Ｌ１正則化により回帰係数を算出することを判定し、手順Ｓ２０９で、当該判定結果を第２回帰係数算出部６４に送信する。第２回帰係数算出部６４は、判定部６７の判定を受信すると、回帰係数の算出法を切り替える。

誤差監視部６６は、手順Ｓ２１０で、予測結果とデータ（実測値）との予測誤差を算出し、所定値以上の予測誤差が所定回数（許容回数）以上発生した場合、データ収集部６１及び判定部６７に、再選択を指示する。

再選択が指示されると、データ収集部６１は、全てのデータを学習区間選択部６３に送信し、判定部６７は、再選択を行うことを判定し、手順Ｓ２１１で、当該判定結果を第１回帰係数算出部６５に送信する。第１回帰係数算出部６５は、判定部６７の判定を受信すると、回帰係数の再選択を行う。

本実施形態によれば、Ｌ１正則化で算出した回帰係数だけを予測に用いる場合より、予測誤差が大きくなる傾向を示す場合があるが、予測誤差が大きい場合、あるいは、定期的に、データの再選択を行うことにより、予測誤差をある範囲に収めることが可能である。

なお、回帰係数算出法を、第１回帰係数算出部６５で選択済みのデータを使用するＬ２正則化または重回帰から全てのデータを使用するＬ１正則化に切り替える例について説明したが、本実施形態はこれに限定されない。回帰係数算出法を、全てのデータを使用するＬ１正則化から、第１回帰係数算出部６５で選択済みのデータを使用するＬ２正則化または重回帰に切り替えるようにしてもよい。

なお、データ予測装置６０は、図９に例示するように、データ収集装置３２Ａ、学習装置３２Ｂ及び予測装置３２Ｃを含んでいてもよい。データ収集装置３２Ａは、データ収集部６１を含み、学習装置３２Ｂは、学習区間選択部６３、第２回帰係数算出部６４、第１回帰係数算出部６５、誤差監視部６６、及び判定部６７を含み、予測装置３２Ｃは予測部６２を含む。

センサ３１Ａとデータ収集部６１との間、及び、予測部６２と、例えば、危険報知システム３１Ｂなどの予測結果の出力先との間は、伝送回線で接続されている。また、図９に示される例では、データ収集部６１と学習区間選択部６３との間、第２回帰係数算出部６４と予測部６２との間も伝送回線で接続されている。

本開示のデータ予測装置は、収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信するデータ収集部と、Ｌ１正則化により回帰係数を求める第１算出法を用いて、前記データ収集部から受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を前記データ収集部に送信する第１回帰係数算出部と、回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定する判定部と、前記判定部で判定された算出法を用いて回帰係数を算出する第２回帰係数算出部と、前記判定部で判定された算出法が前記第１算出法である場合、前記データ収集部から受信した前記複数のデータを使用し、前記判定部で判定された算出法が前記第２算出法である場合、前記データ収集部から受信した前記選択データを使用し、使用したデータ及び前記第２回帰係数算出部で算出された回帰係数に基づいて予測した予測結果を出力する予測部と、を含む。

本開示では、これにより、データの数を低減し、データを収集及び伝送する回線容量を低減し、学習過程における計算処理量を低減する、ことができる。なお、データ収集部６１から後段に送信するデータの数を低減する代わりに、データ収集部６１がデータを受信するセンサの数を低減してもよい。

本開示では、第２回帰係数算出部６５での算出に、通常の回帰係数算出法を使用する場合があるため、算出コストを低減することができ、算出リソースの少ない環境における処理を可能にする。

６１ データ収集部
６２ 予測部
６６ 誤差監視部
６４ 第２回帰係数算出部
６５ 第１回帰係数算出部
３１Ａ センサ
５１ ＣＰＵ
５２ 一次記憶部
５３ 二次記憶部

Claims (6)

1. 収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信するデータ収集部と、
   Ｌ１正則化により回帰係数を求める第１算出法を用いて、前記データ収集部から受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を前記データ収集部に送信する第１回帰係数算出部と、
   回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定する判定部と、
   前記判定部で判定された算出法を用いて回帰係数を算出する第２回帰係数算出部と、
   前記判定部で判定された算出法が前記第１算出法である場合、前記データ収集部から受信した前記複数のデータを使用し、前記判定部で判定された算出法が前記第２算出法である場合、前記データ収集部から受信した前記選択データを使用し、使用したデータ及び前記第２回帰係数算出部で算出された回帰係数に基づいて予測した予測結果を出力する予測部と、
   を含む、データ予測装置。
2. 前記予測結果と実測値との誤差であって所定値以上の誤差の発生回数を監視する誤差監視部をさらに含み、
   前記判定部は、前記第２算出法を用いると判定した状態で、前記誤差監視部で監視された前記誤差の発生回数が所定回数以上になった場合は、前記第１算出法を用いると判定する、
   請求項１に記載のデータ予測装置。
3. 予め設定された事象が発生したか否かを判定する事象判定部をさらに含み、
   前記判定部は、前記第２算出法を用いると判定した状態で、前記事象判定部で前記事象が発生したことが判定された場合、前記第１算出法を用いると判定する、
   請求項１に記載のデータ予測装置。
4. 前記予測結果と実測値との誤差であって所定値以上の誤差の発生回数を監視する誤差監視部をさらに含み、
   前記判定部は、前記誤差監視部で監視された前記誤差の発生回数が所定回数以上になった場合は、前記第１回帰係数算出部に対して、前記第１算出法による回帰係数の再算出の指示、及び前記データ収集部に対する選択情報の再送信の指示を行い、
   前記第１回帰係数算出部は、前記判定部からの指示に応じて回帰係数の再算出及び選択情報の再送信を行い、
   前記データ収集部は、前記判定部からの指示に応じて再送信された選択情報に応じて、前記第１回帰係数算出部に対する選択データの再送信を行う、
   請求項１〜請求項３のいずれか１項に記載のデータ予測装置。
5. 収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信し、
   Ｌ１正則化により回帰係数を求める第１算出法を用いて、受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を送信し、
   回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定し、
   判定された算出法を用いて回帰係数を算出し、
   判定された算出法が前記第１算出法である場合、受信した前記複数のデータを使用し、判定された算出法が前記第２算出法である場合、受信した前記選択データを使用し、使用したデータ及び算出された回帰係数に基づいて予測した予測結果を出力する、
   データ予測処理をコンピュータに実行させるためのプログラム。
6. コンピュータが、
   収集した複数のデータ、及び受信した選択情報に基づいて前記複数のデータから選択した選択データを送信し、
   Ｌ１正則化により回帰係数を求める第１算出法を用いて、受信した前記複数のデータに基づいて回帰係数を算出し、算出した回帰係数のうち絶対値が閾値以上の回帰係数に対応するデータを選択するための選択情報を送信し、
   回帰係数を算出する際に、前記第１算出法、及び前記第１算出法と異なる第２算出法のいずれの算出法を用いるかを判定し、
   判定された算出法を用いて回帰係数を算出し、
   判定された算出法が前記第１算出法である場合、受信した前記複数のデータを使用し、判定された算出法が前記第２算出法である場合、受信した前記選択データを使用し、使用したデータ及び算出された回帰係数に基づいて予測した予測結果を出力する、
   データ予測方法。