JP4038501B2 - 逆モデル計算装置及び逆モデル計算方法 - Google Patents
逆モデル計算装置及び逆モデル計算方法 Download PDFInfo
- Publication number
- JP4038501B2 JP4038501B2 JP2004233503A JP2004233503A JP4038501B2 JP 4038501 B2 JP4038501 B2 JP 4038501B2 JP 2004233503 A JP2004233503 A JP 2004233503A JP 2004233503 A JP2004233503 A JP 2004233503A JP 4038501 B2 JP4038501 B2 JP 4038501B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- condition
- decision tree
- node
- rule
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
J.Ross Quinlan,C4.5:Programs for Machine Learning,Morgan Kaufmann Publishers, Inc.,1993
入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算装置であって:
前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録する時系列データ記録部と;
前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成する決定木生成部と;
ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を前記時刻tとして用いて前記出力値を被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則に含まれる説明変数の条件を、前記ある未来時刻における出力値を得るための条件として取得する条件取得部と;
前記取得された説明変数の条件が、過去の時刻における条件であるか、あるいは、未来の時刻における条件であるかを判定し、
(A)過去の時刻における条件の場合は、前記時系列データと前記取得された説明変数の条件とを用いて、前記取得された説明変数の条件の真偽を判定し、
真のときは、前記取得された説明変数の条件は、前記ある未来時刻における出力値を得るための必要条件を満たすことを決定し、
偽のときは、前記ある未来時刻において前記出力値を得ることは不可能であることを決定し、
(B)未来の時刻における条件の場合は、前記取得された説明変数の条件が、入力条件か、あるいは出力条件かを判定し、
入力条件の場合は、前記取得された説明変数の条件を、前記ある未来時刻における出力値を得るための必要条件として出力し、
出力条件の場合は、前記取得された説明変数の条件に示される前記未来の時刻における出力値を前記条件取得部に与える、
条件判定部と;
を備え
前記条件取得部は、前記条件判定部から与えられた前記未来の時刻を前記時刻tとして用いて、前記条件判定部から与えられた前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから当該検出された葉ノードに至るパスに対応づけられた規則に含まれる説明変数の条件を取得する、
ことを特徴とする。
入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算装置であって:
前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録する時系列データ記録部と;
前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成する決定木生成部と;
ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を前記時刻tとして用いて前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則を前記決定木から検出する第1の規則検出部と;
前記検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする場合は、前記検出された規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出する第1の条件算出部と;
規則が入力され、前記入力された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が、前記時刻tを含む、前記他の時刻帯と同一幅の時刻帯においてマッチする規則を前記決定木から検出する第2の規則検出部と;
前記第1の規則検出部によって検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチしない場合は、前記第1の規則検出部によって検出された規則を前記第2の規則検出部に入力する第1の入力部と;
前記第2の規則検出部によって検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データにマッチしない場合は、前記第2の規則検出部によって検出された規則を前記第2の規則検出部に入力する第2の入力部と;
前記第2の規則検出部によって検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする場合、前記第1及び第2の規則検出部によって検出された全ての規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出する第2の条件算出部と;
を備えたことを特徴とする。
入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算を逆モデル計算装置において行う逆モデル計算方法であって:
時系列データ記録部により、前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録し;
決定木生成部により、前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成し;
条件取得部により、ある未来時刻における出力値を入力として受け取り、前記ある時刻を時刻tとして用いて前記出力値を被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則に含まれる説明変数の条件を、前記ある未来時刻における出力値を得るための条件として取得し;
条件判定部により、前記取得された説明変数の条件が、過去の時刻における条件であるか、あるいは、未来の時刻における条件であるかを判定し;
(A)過去の時刻における条件の場合は、前記時系列データと前記取得された説明変数の条件とを用いて、前記取得された説明変数の条件の真偽を判定し、
真のときは、前記取得された説明変数の条件は、前記ある未来時刻における出力値を得るための必要条件を満たすことを決定し、
偽のときは、前記ある未来時刻において前記出力値を得ることは不可能であることを決定し、
(B)未来の時刻における条件の場合は、前記取得された説明変数の条件が、入力条件か、あるいは出力条件かを判定し;
入力条件の場合は、前記取得された説明変数の条件を、前記ある未来時刻における出力値を得るための必要条件として出力し;
出力条件である場合は、前記取得された説明変数の条件に示される前記未来の時刻における出力値を前記条件取得部に与え;
前記条件取得部により、前記条件判定部から与えられた前記未来の時刻を前記時刻tとして用い、前記条件判定部から与えられた前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから当該検出された葉ノードに至るパスに対応づけられた規則に含まれる説明変数の条件を取得する;
逆モデル計算方法。
入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算を逆モデル計算装置において行う逆モデル計算方法であって:
時系列データ記録部により、前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録し;
決定木生成部により、前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成し;
第1の規則検出部により、ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を前記時刻tとして用いて前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則を前記決定木から検出し;
前記検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする場合は、第1の条件算出部により、前記検出された規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出し;
マッチしない場合は、第2の規則検出部により、前記検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が、前記時刻tを含む、前記他の時刻帯と同一幅の時刻帯においてマッチする規則を前記決定木から新たに検出し;
前記新たに検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データにマッチしない場合は、前記第2の規則検出部により、前記新たに検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が、前記時刻tを含む、前記他の時刻帯と同一幅の時刻帯においてマッチする規則を前記決定木からさらに検出し;
前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする規則が検出されるまで、前記第2の規則検出部により、前記規則の検出を繰り返し行い;
前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする規則が検出された場合、第2の条件算出部により、検出された全ての規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出する;
ことを特徴とする。
図1は、本発明の第1の実施の形態に従った逆モデル計算装置8の構成を示すブロック図である。
第1の実施の形態は決定木を用いた逆方向計算の典型的な例を示したもので、検索され条件が実際に成立可能であるか否かは不明であった。本実施の形態では、検索された条件の成立可能性の判断も含めた逆方向計算について説明する。
本実施の形態では、与えられた未来時刻の出力値を、最短で現在時刻の何時刻後に取得できるかについて説明する。
本実施の形態では、決定木に含まれる複数の規則(根ノードから葉ノードへのパス)と時系列データとを用いて論理推論を行うことにより、与えられた未来時刻の出力値を得るための入力条件を算出する。
(1) Y(T-1)≦4,Y(T-2)≦5,X(T)=0,X(T-1)=0→Y(T)=6
(2) Y(T-1)≦4,Y(T-2)≦5,X(T)=0,X(T-1)=1→Y(T)=5
(3) Y(T-1)≦4,Y(T-2)≦5,X(T)=1,X(T-1)=0→Y(T)=4
(4) Y(T-1)≦4,Y(T-2)≦5,X(T)=1,X(T-1)=1→Y(T)=6
(5) Y(T-1)≦4,Y(T-2)≧6,X(T)=0 →Y(T)=5
(6) Y(T-1)≦4,Y(T-2)≧6,X(T)=1,X(T-1)=0→Y(T)=5
(7) Y(T-1)≦4,Y(T-2)≧6,X(T)=1,X(T-1)=1→Y(T)=6
(8) Y(T-1)≧5,Y(T-2)≦5,X(T)=0,X(T-2)=0→Y(T)=4
(9) Y(T-1)≧5,Y(T-2)≦5,X(T)=0,X(T-2)=1→Y(T)=5
(10) Y(T-1)≧5,Y(T-2)≦5,X(T)=1 →Y(T)=4
(11) Y(T-1)≧5,Y(T-2)≧6,X(T)=0,X(T-1)=0→Y(T)=6
(12) Y(T-1)≧5,Y(T-2)≧6,X(T)=0,X(T-1)=1→Y(T)=4
(13) Y(T-1)≧5,Y(T-2)≧6,X(T)=1 →Y(T)=5
上述した第4の実施の形態では、規則同士のマッチング及び規則と時系列データとのマッチングの時刻帯、つまり、単一化する時刻帯を、現在時刻Tを除く全時刻帯とした。第4の実施の形態では単一化する時刻帯は、T−2〜T−1までの2時刻である。しかし、規則に含まれる時刻帯が長い場合、現在時刻を除く全時刻帯で規則を単一化することは、高い推論精度が期待されるものの、多くの計算量が要求され、効率的でない場合もある。より短い時刻帯で単一化できれば効率的であるが、単一化する時刻帯を短くすると推論精度が低下する問題も生じ得る。そこで、本実施の形態では、単一化する時刻帯として有効な値を算出し、その値で単一化を行うことにより、少ない計算量で、精度の高い推論を実現する。
制御などの分野においてはプロセス出力が複数ある場合が少なくなく、それら複数の出力に対する逆方向計算を行いたい場合がある。すなわち、複数の出力を同時にある望ましい値にするような入力を求めたい、例えばある装置の温度とそれにつながる別の装置の圧力が同時にある値になるような入力を求めたいという場合がある。
図30は、合成方法1を実行する処理手順を示すフローチャートである。
図33は、合成方法2を実行する処理手順を示すフローチャートである。
図45は、合成方法3を実行する処理手順を示すフローチャートである。
2 決定木生成部
3 条件取得部
4 システム
5 条件判定部
6 入力系列生成部
7 制御対象物
8 逆モデル計算装置
11 データ入力部
12 決定木生成部
12a データ成形処理部
12b 決定木生成処理部
13 決定木合成部
14 決定木出力部
Claims (15)
- 入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算装置であって:
前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録する時系列データ記録部と;
前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成する決定木生成部と;
ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を前記時刻tとして用いて前記出力値を被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則に含まれる説明変数の条件を、前記ある未来時刻における出力値を得るための条件として取得する条件取得部と;
前記取得された説明変数の条件が、過去の時刻における条件であるか、あるいは、未来の時刻における条件であるかを判定し、
(A)過去の時刻における条件の場合は、前記時系列データと前記取得された説明変数の条件とを用いて、前記取得された説明変数の条件の真偽を判定し、
真のときは、前記取得された説明変数の条件は、前記ある未来時刻における出力値を得るための必要条件を満たすことを決定し、
偽のときは、前記ある未来時刻において前記出力値を得ることは不可能であることを決定し、
(B)未来の時刻における条件の場合は、前記取得された説明変数の条件が、入力条件か、あるいは出力条件かを判定し、
入力条件の場合は、前記取得された説明変数の条件を、前記ある未来時刻における出力値を得るための必要条件として出力し、
出力条件の場合は、前記取得された説明変数の条件に示される前記未来の時刻における出力値を前記条件取得部に与える、
条件判定部と;
を備え
前記条件取得部は、前記条件判定部から与えられた前記未来の時刻を前記時刻tとして用いて、前記条件判定部から与えられた前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから当該検出された葉ノードに至るパスに対応づけられた規則に含まれる説明変数の条件を取得する、
逆モデル計算装置。 - 前記条件判定部は、前記取得された説明変数の条件の真偽について偽の判定を下した場合は、前記ある未来時刻を増加し、増加された未来時刻における出力値を前記条件取得部に与えることを特徴とする請求項1に記載の逆モデル計算装置。
- 前記条件判定部から前記ある未来時刻における出力値を得るための必要条件として出力された前記取得された説明変数の条件に基づき、前記観測対象システムに入力する値を生成する入力系列生成部をさらに備えたことを特徴とする請求項1または2に記載の逆モデル計算装置。
- 前記観測対象システムは、前記入力される時系列の入力値に対して、複数項目の前記時系列の出力値を出力し、
前記時系列データ記録部は、前記時系列の入力値と、前記複数項目の時系列の出力値を前記時系列データとして記録し、
前記決定木生成部は、前記時系列データを用いて、前記出力値の項目ごとに前記決定木を生成し、
前記項目ごとに生成された前記決定木を合成して、各前記決定木の被説明変数の集合を1つの被説明変数とする合成決定木を生成する決定木合成部をさらに備え、
前記条件取得部は、前記ある未来時刻における複数項目の出力値を被説明変数として有する葉ノードを前記合成決定木から検出し、前記合成決定木の根ノードから前記検出された葉ノードへ至るパスに対応付けられた規則に含まれる説明変数の条件を、前記ある未来時刻において前記複数項目の出力値を得るための条件として取得する、
ことを特徴とする請求項1ないし3のいずれか一項に記載の逆モデル計算装置。 - 前記決定木合成部は:
各前記決定木に含まれる説明変数の値を定めたデータを複数生成し、生成した複数の前記データの各々毎に、各前記決定木から被説明変数を得る第1処理部と;
各前記決定木から得られた被説明変数の集合を1つの項目の値とみなし、前記複数のデータと、各前記決定木から得られた複数の前記被説明変数の集合とを用いて、前記1つの項目を被説明変数とする決定木を生成する第2処理部と;
を含むことを特徴とする請求項4に記載の逆モデル計算装置。 - 前記決定木合成部は:
各前記決定木から根ノードから葉ノードへ至るパスを取得し、各前記決定木から取得されたパスを異なる決定木間で組み合わせたパス集合を複数生成し、前記パス集合の複数の中で最も多く含まれる、葉ノード以外のノードを、前記合成決定木の根ノードとして決定する根ノード決定部と;
前記決定された根ノードを含む前記パス集合に基づき、この根ノードが取り得る値を特定し、特定された値を有する枝をこの根ノードに付加する根ノード値決定部と;
前記根ノードに付加された枝を選択し、前記根ノード及び選択された枝を有する前記パス集合を、前記決定された根ノードを含むパス集合から検出するパス集合検出部と;
検出された前記パス集合の中で、前記根ノード以外で最も多く含まれる葉ノード以外のノードを決定し、決定したノードを選択された枝に付加するノード決定部と;
前記ノード決定部で決定されたノードを含む前記検出されたパス集合を用いて、このノードが取り得る値を特定し、特定された値を有する枝をこのノードに付加するノード値決定部と;を備え、
前記パス集合検出部は、前記ノード値決定部によって付加された枝を選択し、前記根ノードから、選択された枝までのパスに含まれるノード及び枝を有する前記パス集合を検出し、
検出された前記パス集合の数が2以上である場合は、前記ノード決定部は、前記根ノードから選択された枝までのパスに含まれるノード以外で最も多く含まれる葉ノード以外のノードを決定し、決定したノードを選択された枝に付加し、前記ノード値決定部は、決定されたノードを含む前記検出されたパス集合を用いてこのノードが取り得る値を特定し、特定された値を有する枝をこのノードに付加し、前記パス集合検出部は、付加された枝を選択し、前記根ノードから、選択された枝までのパスに含まれるノード及び枝を有する前記パス集合を検出し、
検出された前記パス集合の数が2未満である場合は、前記ノード決定部は、検出された前記パス集合に含まれる葉ノードの値の集合を有するノードを、選択された枝に前記合成決定木の葉ノードとして付加し、前記パス集合検出部は、前記葉ノードが付されていない枝が存在する場合は、前記生成途中の決定木において葉ノードの付されていない枝を選択し、前記根ノードから、選択された枝までのパスに含まれるノード及び枝を有する前記パス集合を検出する、
ことを特徴とする請求項5に記載の逆モデル計算装置。 - 前記決定木合成部は:
各前記決定木における根ノードの集合としての合成ノードを、前記合成決定木の根ノードとして生成する根ノード生成部と;
各前記決定木における根ノードが取り得る値を各々対応する前記決定木から求め、求めた値を異なる決定木間で組み合わせたノード値集合を生成し、前記ノード値集合を有する枝を前記生成された根ノードに付加する根ノード値生成部と;
付加された枝を選択し、選択された枝に対応する各前記決定木の枝に続くノードに葉ノード以外のノードが含まれる場合は、選択された枝に対応する各前記決定木の枝に続く葉ノード以外のノードの集合を合成ノードとして生成し、この合成ノードを選択された枝に付加するノード生成部と;
前記ノード生成部によって生成された合成ノードを構成する各ノードが取り得る値を各々対応する前記決定木から求め、求めた値を異なる決定木間で組み合わせたノード値集合を生成し、ノード値集合を有する枝を前記合成ノードに付加するノード値生成部と;
付加された枝を選択し、選択された枝に対応する各前記決定木の枝に続くノードに葉ノード以外のノードが含まれない場合は、前記根ノード生成部によって生成された根ノードから、選択された枝までのパスに対応する各前記決定木におけるパスを特定し、各パスにおける葉ノードの値の集合を含むノードを、選択された枝に、前記合成決定木の葉ノードとして付加する葉ノード生成部と;
を含むことを特徴とする請求項5に記載の逆モデル計算装置。 - 前記決定木合成部は、前記生成された合成決定木から根ノードから葉ノードへ至るパスを選択し、前記選択されたパスに対応する各前記決定木のパスを検出し、前記検出されたパスに対応付けられた規則が成立する確率を各々算出する算出部と;
各前記規則の成立確率に基づいて、前記合成決定木において選択されたパスに対応付けられた規則が成立する確率を推定する推定部と;
前記推定された確率が所定の基準を満たさない場合は、前記選択されたパスに対応付けられた規則を前記合成決定木から削除する削除部と;
をさらに含むことを特徴とする請求項5に記載の逆モデル計算装置。 - 入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算装置であって:
前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録する時系列データ記録部と;
前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成する決定木生成部と;
ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を前記時刻tとして用いて前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則を前記決定木から検出する第1の規則検出部と;
前記検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする場合は、前記検出された規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出する第1の条件算出部と;
規則が入力され、前記入力された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が、前記時刻tを含む、前記他の時刻帯と同一幅の時刻帯においてマッチする規則を前記決定木から検出する第2の規則検出部と;
前記第1の規則検出部によって検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチしない場合は、前記第1の規則検出部によって検出された規則を前記第2の規則検出部に入力する第1の入力部と;
前記第2の規則検出部によって検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データにマッチしない場合は、前記第2の規則検出部によって検出された規則を前記第2の規則検出部に入力する第2の入力部と;
前記第2の規則検出部によって検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする場合、前記第1及び第2の規則検出部によって検出された全ての規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出する第2の条件算出部と;
を備えた逆モデル計算装置。 - 前記規則における前記時刻tと異なる他の時刻帯は、前記規則における前記時刻t以外の全ての時刻帯であることを特徴とする請求項9に記載の逆モデル計算装置。
- 前記第1又は第2の規則検出部によって検出された前記規則に含まれる前記時刻tと異なるある時刻の出力条件が、前記ある時刻以前の時刻の他の全ての条件が成立した場合に成立する確率を、前記時系列データを用いて求める確率算出部と;
前記確率が所定の閾値を満たす前記ある時刻を決定する時刻決定部と;
前記決定された前記ある時刻以前の時刻帯を、前記規則における前記時刻tと異なる他の時刻帯として決定する時刻帯決定部と;
をさらに備えたことを特徴とする請求項9に記載の逆モデル計算装置。 - 前記決定木に含まれる各規則について、前記時刻tと異なるある時刻の出力条件が、前記ある時刻以前の時刻の他の全ての条件が成立した場合に成立する確率を求め、前記各規則から求めた前記確率の平均を求める平均算出部と;
前記確率の平均が所定の閾値を満たす前記ある時刻を決定する時刻決定部と;
前記決定された前記ある時刻以前の時刻帯を、前記各規則に共通に前記時刻tと異なる他の時刻帯として適用することを決定する共通時刻帯決定部と;
をさらに備えたことを特徴とする請求項11に記載の逆モデル計算装置。 - 入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算を逆モデル計算装置において行う逆モデル計算方法であって:
時系列データ記録部により、前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録し;
決定木生成部により、前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成し;
条件取得部により、ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を時刻tとして用いて前記出力値を被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則に含まれる説明変数の条件を、前記ある未来時刻における出力値を得るための条件として取得し;
条件判定部により、前記取得された説明変数の条件が、過去の時刻における条件であるか、あるいは、未来の時刻における条件であるかを判定し;
(A)過去の時刻における条件の場合は、前記時系列データと前記取得された説明変数の条件とを用いて、前記取得された説明変数の条件の真偽を判定し、
真のときは、前記取得された説明変数の条件は、前記ある未来時刻における出力値を得るための必要条件を満たすことを決定し、
偽のときは、前記ある未来時刻において前記出力値を得ることは不可能であることを決定し、
(B)未来の時刻における条件の場合は、前記取得された説明変数の条件が、入力条件か、あるいは出力条件かを判定し;
入力条件の場合は、前記取得された説明変数の条件を、前記ある未来時刻における出力値を得るための必要条件として出力し;
出力条件である場合は、前記取得された説明変数の条件に示される前記未来の時刻における出力値を前記条件取得部に与え;
前記条件取得部により、前記条件判定部から与えられた前記未来の時刻を前記時刻tとして用い、前記条件判定部から与えられた前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから当該検出された葉ノードに至るパスに対応づけられた規則に含まれる説明変数の条件を取得する;
逆モデル計算方法。 - 前記条件判定部において前記取得された説明変数の条件の真偽について偽の判定を下した場合は、前記条件判定部により、前記ある未来時刻を増加し、
前記条件取得部により、増加された未来時刻における前記出力値を新たに入力として受け取り、前記増加された未来時刻を時刻tとして用いて前記出力値を被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則に含まれる説明変数の条件を、前記増加された未来時刻における前記出力値を得るための条件として取得する、
ことを特徴とする請求項13に記載の逆モデル計算方法。 - 入力された値に応じてある値を出力する観測対象システムに関して、前記観測対象システムがある出力値を出力する条件を求めるための逆モデル計算を逆モデル計算装置において行う逆モデル計算方法であって:
時系列データ記録部により、前記観測対象システムに入力された時系列の入力値と、前記観測対象システムから出力された時系列の出力値とを時系列データとして記録し;
決定木生成部により、前記時系列データを用いて、前記時系列における各時刻における前記出力値と、各前記時刻以前の1つ以上の時刻における前記入力値および前記各時刻より前の1つ以上の時刻における前記出力値とを含む複数のレコードを有する表を作成し、前記表において前記各時刻における出力値を被説明変数とし、前記各時刻以前の1つ以上の時刻における前記入力値および前記時刻より前の1つ以上の時刻における前記出力値を説明変数として、時刻t以前の時刻の入力値または時刻t−1以前の時刻の出力値を表す複数の説明変数から時刻tにおける被説明変数を予測する決定木を生成し;
第1の規則検出部により、ある未来時刻における出力値を入力として受け取り、前記ある未来時刻を前記時刻tとして用いて前記出力値を前記被説明変数として有する葉ノードを前記決定木から検出し、前記決定木の根ノードから前記検出された葉ノードへ至るパスに対応づけられた規則を前記決定木から検出し;
前記検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする場合は、第1の条件算出部により、前記検出された規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出し;
マッチしない場合は、第2の規則検出部により、前記検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が、前記時刻tを含む、前記他の時刻帯と同一幅の時刻帯においてマッチする規則を前記決定木から新たに検出し;
前記新たに検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データにマッチしない場合は、前記第2の規則検出部により、前記新たに検出された規則における前記時刻tと異なる他の時刻帯についての説明変数の条件が、前記時刻tを含む、前記他の時刻帯と同一幅の時刻帯においてマッチする規則を前記決定木からさらに検出し;
前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする規則が検出されるまで、前記第2の規則検出部により、前記規則の検出を繰り返し行い;
前記時刻tと異なる他の時刻帯についての説明変数の条件が前記時系列データとマッチする規則が検出された場合、第2の条件算出部により、検出された全ての規則及び前記時系列データを用いて、前記ある未来時刻における出力値を得るための条件を算出する;
逆モデル計算方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004233503A JP4038501B2 (ja) | 2003-09-02 | 2004-08-10 | 逆モデル計算装置及び逆モデル計算方法 |
US10/930,766 US20050096880A1 (en) | 2003-09-02 | 2004-09-01 | Inverse model calculation apparatus and inverse model calculation method |
CNB2004100951643A CN1318962C (zh) | 2003-09-02 | 2004-09-02 | 逆模型计算装置和逆模型计算方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003310368 | 2003-09-02 | ||
JP2004019552 | 2004-01-28 | ||
JP2004233503A JP4038501B2 (ja) | 2003-09-02 | 2004-08-10 | 逆モデル計算装置及び逆モデル計算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005242979A JP2005242979A (ja) | 2005-09-08 |
JP4038501B2 true JP4038501B2 (ja) | 2008-01-30 |
Family
ID=34556991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004233503A Expired - Fee Related JP4038501B2 (ja) | 2003-09-02 | 2004-08-10 | 逆モデル計算装置及び逆モデル計算方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20050096880A1 (ja) |
JP (1) | JP4038501B2 (ja) |
CN (1) | CN1318962C (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8316060B1 (en) * | 2005-01-26 | 2012-11-20 | 21st Century Technologies | Segment matching search system and method |
US8234309B2 (en) * | 2005-01-31 | 2012-07-31 | International Business Machines Corporation | Method for automatically modifying a tree structure |
US7770072B2 (en) * | 2007-01-16 | 2010-08-03 | Xerox Corporation | Method and system for analyzing time series data |
JP4797069B2 (ja) * | 2007-01-18 | 2011-10-19 | 富士通株式会社 | キーワード管理プログラム、キーワード管理システムおよびキーワード管理方法 |
WO2009148473A1 (en) * | 2007-12-12 | 2009-12-10 | 21Ct, Inc. | Method and system for abstracting information for use in link analysis |
NL2003696A (en) * | 2008-11-10 | 2010-05-11 | Brion Tech Inc | Scanner model representation with transmission cross coefficients. |
US20110264353A1 (en) * | 2010-04-22 | 2011-10-27 | Atkinson Christopher M | Model-based optimized engine control |
FR2962823B1 (fr) * | 2010-07-13 | 2012-08-17 | Ensuite Inf | Processeur d'analyse situationnelle |
US8738534B2 (en) * | 2010-09-08 | 2014-05-27 | Institut Telecom-Telecom Paristech | Method for providing with a score an object, and decision-support system |
JP5817241B2 (ja) * | 2011-06-20 | 2015-11-18 | 富士通株式会社 | 時系列ルール抽出装置、時系列ルール抽出方法及び時系列ルール抽出プログラム |
EP2973246A4 (en) * | 2013-03-15 | 2016-10-12 | Resilient Corp | IMPROVED EVALUATION OF AN OPERATIONAL DURABILITY WITH THE HELP OF INTELLIGENCE INDICATORS |
JP6439211B2 (ja) * | 2015-03-03 | 2018-12-19 | 国立大学法人横浜国立大学 | 説明文生成装置、説明文書作成方法およびプログラム |
US10762517B2 (en) * | 2015-07-01 | 2020-09-01 | Ebay Inc. | Subscription churn prediction |
DE102016225899A1 (de) * | 2016-12-21 | 2018-06-21 | Carl Zeiss Smt Gmbh | Verfahren und Vorrichtung zum Modifizieren von Abbildungseigenschaften eines optischen Systems für die Mikrolithographie |
US11017324B2 (en) | 2017-05-17 | 2021-05-25 | Microsoft Technology Licensing, Llc | Tree ensemble explainability system |
US10977737B2 (en) * | 2018-01-10 | 2021-04-13 | Liberty Mutual Insurance Company | Training gradient boosted decision trees with progressive maximum depth for parsimony and interpretability |
WO2023062780A1 (ja) * | 2021-10-14 | 2023-04-20 | 株式会社エイシング | 情報処理装置、方法、プログラム及びシステム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4707480A (en) * | 1983-04-14 | 1987-11-17 | United Pharmaceuticals, Inc. | Method for stabilizing a detrusor muscle while increasing detrusor muscle strength |
US5825646A (en) * | 1993-03-02 | 1998-10-20 | Pavilion Technologies, Inc. | Method and apparatus for determining the sensitivity of inputs to a neural network on output parameters |
JPH07175876A (ja) * | 1993-10-12 | 1995-07-14 | At & T Corp | ニューラルネットワークを用いたプロセスのフィードバックの制御方法とその装置 |
EP0663632B1 (de) * | 1994-01-17 | 1997-12-10 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Führung eines Prozesses |
US6708163B1 (en) * | 1999-02-24 | 2004-03-16 | Hillol Kargupta | Collective data mining from distributed, vertically partitioned feature space |
-
2004
- 2004-08-10 JP JP2004233503A patent/JP4038501B2/ja not_active Expired - Fee Related
- 2004-09-01 US US10/930,766 patent/US20050096880A1/en not_active Abandoned
- 2004-09-02 CN CNB2004100951643A patent/CN1318962C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1318962C (zh) | 2007-05-30 |
US20050096880A1 (en) | 2005-05-05 |
JP2005242979A (ja) | 2005-09-08 |
CN1604032A (zh) | 2005-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4038501B2 (ja) | 逆モデル計算装置及び逆モデル計算方法 | |
CA1216945A (en) | Probabilistic learning system | |
US11720788B2 (en) | Calculation scheme decision system, calculation scheme decision device, calculation scheme decision method, and storage medium | |
US11610038B2 (en) | Risk evaluation | |
CN112256981A (zh) | 一种基于线性和非线性传播的谣言检测方法 | |
CA3007786C (en) | Data visualization platform for event-based behavior clustering | |
Goossens et al. | Effective steering of customer journey via order-aware recommendation | |
CN106411683A (zh) | 一种关键社交信息的确定方法及装置 | |
Fischer et al. | Using a genetic algorithm to optimize a data-limited catch rule | |
CN109155008A (zh) | 利用知识引擎的特征集增强 | |
Sharma et al. | An approach to ripening of pineapple fruit with model Yolo V5 | |
Ordóñez et al. | Genetic Approach for Optimizing Ensembles of Classifiers. | |
Parmentier et al. | Autotsc: Optimization algorithm to automatically solve the time series classification problem | |
CN117152562A (zh) | 模型训练方法及装置、图像生成方法及装置 | |
CN111046912A (zh) | 特征衍生方法、装置及计算机设备 | |
CN111310453A (zh) | 一种基于深度学习的用户主题向量化表示方法和系统 | |
Delaplace et al. | Two evolutionary methods for learning bayesian network structures | |
Eken et al. | Predicting defects with latent and semantic features from commit logs in an industrial setting | |
EP3803635A1 (en) | Data visualization platform for event-based behavior clustering | |
CN103038766A (zh) | 逻辑运算系统 | |
Zeng et al. | Approximate solutions of interactive dynamic influence diagrams using model clustering | |
Lubinsky | Tree structured interpretable regression | |
da Silva et al. | Audio plugin recommendation systems for music production | |
CN113961799A (zh) | 一种图模型和ctr模型的联合训练方法和装置 | |
JP7559946B2 (ja) | モデル生成支援装置、モデル生成支援方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070615 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071002 |
|
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: 20071030 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071105 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101109 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |