JP5988419B2 - 予測方法、予測システムおよびプログラム - Google Patents
予測方法、予測システムおよびプログラム Download PDFInfo
- Publication number
- JP5988419B2 JP5988419B2 JP2012003233A JP2012003233A JP5988419B2 JP 5988419 B2 JP5988419 B2 JP 5988419B2 JP 2012003233 A JP2012003233 A JP 2012003233A JP 2012003233 A JP2012003233 A JP 2012003233A JP 5988419 B2 JP5988419 B2 JP 5988419B2
- Authority
- JP
- Japan
- Prior art keywords
- variable
- function
- unit
- kernel
- regression
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Description
Claims (21)
- 離散変数と連続変数の組み合わせの集合により与えられる説明変数から被説明変数を予測するためのコンピュータにより実行される方法であって、
予測したい前記被説明変数に対する前記説明変数を入力データとして受け付けるステップと、
前記入力データに含まれる前記集合内の前記離散変数と前記連続変数の組み合わせから
なる各要素につき、被説明変数が観測された複数の集合に関する学習データを用い、前記離散変数が一致する当該複数の集合内の要素を検索するステップと、
前記入力データの前記要素と当該入力データの要素につき検索された1以上の前記要素の各々について、連続変数から得られ被説明変数に対応するスカラーを表すスケール変数により重み付けされた2つの集合間の類似度を与える関数を適用して各関数値を計算し、前記被説明変数が観測された集合毎の各関数値の和を、前記入力データのすべての前記要素につき計算するステップと、
各前記要素につき計算された前記和を、前記被説明変数を予測するための推定式に適用して、前記各要素につき前記被説明変数の予測値を計算するステップとを含む、予測方法。 - 前記離散変数は、前記被説明変数が観測されるユニットに含まれる原材料の種類を表す値であり、前記連続変数は、前記ユニットに含まれる前記原材料に関する連続量をまとめたベクトルであり、前記スケール変数は、前記ユニットに含まれる前記原材料の体積もしくは質量または他の変数とそれらの変数を複数含む数式の計算結果で前記被説明変数に対応する値であり、前記被説明変数は、前記ユニットで消費される消費電力量である、請求項1に記載の予測方法。
- 前記関数は、
- 前記推定式は、回帰式または条件付き密度関数である、請求項1に記載の予測方法。
- 前記予測方法は、正規過程回帰、Nadaraya-Watsonカーネル回帰、関連ベクトル回帰、サポート・ベクトル回帰、Kullback-Leibler重要度推定法、最小二乗条件付き密度推定のいずれか1つのノンパラメトリック回帰または条件付き密度推定法が適用可能である、請求項1に記載の予測方法。
- 前記関数が、カーネル関数とされ、前記予測方法が、正規過程回帰を用いるものであって、前記カーネル関数に設定されるハイパー・パラメータを、前記学習データを用いて最適化するステップと、前記学習データを用い、最適化された前記ハイパー・パラメータを前記カーネル関数に設定してカーネル行列を導出するステップと、導出された前記カーネル行列を用いて前記推定式に設定するためのパラメータを計算するステップとをさらに含む、請求項1に記載の予測方法。
- 前記関数が、カーネル関数とされ、前記予測方法が、正規過程回帰を用いるものであって、前記カーネル関数に設定されるハイパー・パラメータを、前記学習データを用いて最適化するステップと、前記学習データを用い、最適化された前記ハイパー・パラメータを前記カーネル関数に設定してカーネル行列を導出するステップと、導出された前記カーネル行列を用いて前記推定式に設定するためのパラメータを計算するステップとをさらに含み、
前記最適化するステップが、前記ハイパー・パラメータを、周辺尤度最大化法を用いて最適化し、前記カーネル行列を導出するステップが、前記学習データに含まれる各前記集合につき、前記各集合に含まれる複数の前記スケール変数を用いて対角要素を計算して対角行列を導出し、前記パラメータを計算するステップが、導出された前記カーネル行列と前記対角行列とを用いて前記推定式に設定するための前記パラメータを計算することを特徴とする、請求項1に記載の予測方法。 - 離散変数と連続変数の組み合わせの集合により与えられる説明変数から被説明変数を予測するシステムであって、
予測したい前記被説明変数に対する前記説明変数を入力データとして受け付けるデータ入力部と、
前記入力データに含まれる前記集合内の前記離散変数と前記連続変数の組み合わせからなる各要素につき、被説明変数が観測された複数の集合に関する学習データを用い、前記離散変数が一致する当該複数の集合内の要素を検索する要素検索部と、
前記入力データの前記要素と当該入力データの要素につき検索された1以上の前記要素の各々について、連続変数から得られ被説明変数に対応するスカラーを表すスケール変数により重み付けされた2つの集合間の類似度を与える関数を適用して各関数値を計算し、前記被説明変数が観測された集合毎の各関数値の和を、前記入力データのすべての前記要素につき計算する関数値計算部と、
各前記要素につき計算された前記和を、前記被説明変数を予測するための推定式に適用して、前記各要素につき前記被説明変数の予測値を計算する予測値計算部とを含む、予測システム。 - 前記離散変数は、前記被説明変数が観測されるユニットに含まれる原材料の種類を表す値であり、前記連続変数は、前記ユニットに含まれる前記原材料に関する連続量をまとめたベクトルであり、前記スケール変数は、前記ユニットに含まれる前記原材料の体積もしくは質量または他の変数とそれらの変数を複数含む数式の計算結果で前記被説明変数に対応する値であり、前記被説明変数は、前記ユニットで消費される消費電力量である、請求項8に記載の予測システム。
- 前記関数は、
- 前記推定式は、回帰式または条件付き密度関数である、請求項8に記載の予測システム。
- 前記予測システムは、正規過程回帰、Nadaraya-Watsonカーネル回帰、関連ベクトル回帰、サポート・ベクトル回帰、Kullback-Leibler重要度推定法、最小二乗条件付き密度推定のいずれか1つのノンパラメトリック回帰または条件付き密度推定法が適用可能である、請求項8に記載の予測システム。
- 前記関数が、カーネル関数とされ、前記予測システムが、正規過程回帰を用いるものであり、前記カーネル関数に設定されるハイパー・パラメータを、前記学習データを用いて最適化するパラメータ最適化部と、前記学習データを用い、最適化された前記ハイパー・パラメータを前記カーネル関数に設定してカーネル行列を導出するカーネル行列導出部と、導出された前記カーネル行列を用いて前記推定式に設定するためのパラメータを計算するパラメータ計算部とをさらに含む、請求項8に記載の予測システム。
- 前記関数が、カーネル関数とされ、前記予測システムが、正規過程回帰を用いるものであり、前記カーネル関数に設定されるハイパー・パラメータを、前記学習データを用いて最適化するパラメータ最適化部と、前記学習データを用い、最適化された前記ハイパー・パラメータを前記カーネル関数に設定してカーネル行列を導出するカーネル行列導出部と、導出された前記カーネル行列を用いて前記推定式に設定するためのパラメータを計算するパラメータ計算部とをさらに含み、
前記パラメータ最適化部が、前記ハイパー・パラメータを、周辺尤度最大化法を用いて最適化し、前記カーネル行列導出部が、前記学習データに含まれる各前記集合につき、前記各集合に含まれる複数の前記スケール変数を用いて対角要素を計算して対角行列を導出し、前記パラメータ計算部が、導出された前記カーネル行列と前記対角行列とを用いて前記推定式に設定するための前記パラメータを計算することを特徴とする、請求項8に記載の予測システム。 - 離散変数と連続変数の組み合わせの集合により与えられる説明変数から被説明変数を予測するための予測方法を実行するためのコンピュータ可読なプログラムであって、前記プログラムが、
予測したい前記被説明変数に対する前記説明変数を入力データとして受け付けるステップと、
前記入力データに含まれる前記集合内の前記離散変数と前記連続変数の組み合わせからなる各要素につき、被説明変数が観測された複数の集合に関する学習データを用い、前記離散変数が一致する当該複数の集合内の要素を検索するステップと、
前記入力データの前記要素と当該入力データの要素につき検索された1以上の前記要素の各々について、連続変数から得られ被説明変数に対応するスカラーを表すスケール変数により重み付けされた2つの集合間の類似度を与える関数を適用して各関数値を計算し、前記被説明変数が観測された集合毎の各関数値の和を、前記入力データのすべての前記要素につき計算するステップと、
各前記要素につき計算された前記和を、前記被説明変数を予測するための推定式に適用して、前記各要素につき前記被説明変数の予測値を計算するステップとをコンピュータに実行させる、プログラム。 - 前記離散変数は、前記被説明変数が観測されるユニットに含まれる原材料の種類を表す値であり、前記連続変数は、前記ユニットに含まれる前記原材料に関する連続量をまとめたベクトルであり、前記スケール変数は、前記ユニットに含まれる前記原材料の体積もしくは質量または他の変数とそれらの変数を複数含む数式の計算結果で前記被説明変数に対応する値であり、前記被説明変数は、前記ユニットで消費される消費電力量である、請求項15に記載のプログラム。
- 前記関数は、
- 前記推定式は、回帰式または条件付き密度関数である、請求項15に記載のプログラム。
- 前記予測方法は、正規過程回帰、Nadaraya-Watsonカーネル回帰、関連ベクトル回帰、サポート・ベクトル回帰、Kullback-Leibler重要度推定法、最小二乗条件付き密度推定のいずれか1つのノンパラメトリック回帰または条件付き密度推定法が適用可能である、請求項15に記載のプログラム。
- 前記関数が、カーネル関数とされ、前記予測方法が、正規過程回帰を用いるものであって、前記プログラムは、前記カーネル関数に設定されるハイパー・パラメータを、前記学習データを用いて最適化するステップと、前記学習データを用い、最適化された前記ハイパー・パラメータを前記カーネル関数に設定してカーネル行列を導出するステップと、導出された前記カーネル行列を用いて前記推定式に設定するためのパラメータを計算するステップとをさらに前記コンピュータに実行させる、請求項15に記載のプログラム。
- 前記関数が、カーネル関数とされ、前記予測方法が、正規過程回帰を用いるものであって、前記プログラムは、前記カーネル関数に設定されるハイパー・パラメータを、前記学習データを用いて最適化するステップと、前記学習データを用い、最適化された前記ハイパー・パラメータを前記カーネル関数に設定してカーネル行列を導出するステップと、導出された前記カーネル行列を用いて前記推定式に設定するためのパラメータを計算するステップとをさらに前記コンピュータに実行させ、
前記最適化するステップにおいて、前記ハイパー・パラメータを、周辺尤度最大化法を用いて最適化し、前記カーネル行列を導出するステップにおいて、前記学習データに含まれる各前記集合につき、前記各集合に含まれる複数の前記スケール変数を用いて対角要素を計算して対角行列を導出し、前記パラメータを計算するステップにおいて、導出された前記カーネル行列と前記対角行列とを用いて前記推定式に設定するための前記パラメータを計算する、請求項15に記載のプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012003233A JP5988419B2 (ja) | 2012-01-11 | 2012-01-11 | 予測方法、予測システムおよびプログラム |
US13/732,693 US9087294B2 (en) | 2012-01-11 | 2013-01-02 | Prediction method, prediction system and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012003233A JP5988419B2 (ja) | 2012-01-11 | 2012-01-11 | 予測方法、予測システムおよびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013143031A JP2013143031A (ja) | 2013-07-22 |
JP5988419B2 true JP5988419B2 (ja) | 2016-09-07 |
Family
ID=48744649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012003233A Expired - Fee Related JP5988419B2 (ja) | 2012-01-11 | 2012-01-11 | 予測方法、予測システムおよびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US9087294B2 (ja) |
JP (1) | JP5988419B2 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10304006B2 (en) * | 2013-02-15 | 2019-05-28 | The Charles Stark Draper Laboratory, Inc. | Method for integrating and fusing heterogeneous data types to perform predictive analysis |
JP6152073B2 (ja) * | 2014-05-21 | 2017-06-21 | 日本電信電話株式会社 | グループ対応付け装置、方法、及びプログラム |
JP5984153B2 (ja) * | 2014-09-22 | 2016-09-06 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 情報処理装置、プログラム、及び情報処理方法 |
JP6641867B2 (ja) * | 2015-10-09 | 2020-02-05 | 日本製鉄株式会社 | 消費電力量予測方法、装置及びプログラム |
CN105701562B (zh) * | 2016-01-05 | 2019-12-17 | 上海思源弘瑞自动化有限公司 | 训练方法、所适用的预测发电功率的方法及各自系统 |
JP6466863B2 (ja) * | 2016-02-09 | 2019-02-06 | 日本電信電話株式会社 | 最適化装置、最適化方法、およびプログラム |
JP6847386B2 (ja) | 2016-09-09 | 2021-03-24 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ニューラルネットワークの正則化 |
KR102346944B1 (ko) * | 2017-07-12 | 2022-01-05 | 오씨아이 주식회사 | 태양광 발전량 및 부하량 예측을 통한 전기 에너지 충/방전 관리 시스템 및 방법 |
US20190080259A1 (en) * | 2017-09-13 | 2019-03-14 | General Electric Company | Method of learning robust regression models from limited training data |
CN108776717B (zh) * | 2018-04-25 | 2020-11-10 | 香港中文大学(深圳) | 核函数构造及数据预测方法、装置、设备和存储介质 |
JP2020071493A (ja) * | 2018-10-29 | 2020-05-07 | 株式会社神戸製鋼所 | 結果予測装置、結果予測方法、及びプログラム |
CN111985673A (zh) * | 2019-05-22 | 2020-11-24 | 三菱重工业株式会社 | 预测装置、预测系统、预测方法以及记录介质 |
CN110826021B (zh) * | 2019-10-31 | 2021-03-12 | 哈尔滨工业大学 | 一种非线性工业过程鲁棒辨识和输出估计方法 |
JP7424807B2 (ja) * | 2019-11-28 | 2024-01-30 | ファナック株式会社 | 機械学習装置、消費電力予測装置、及び制御装置 |
CN111539841A (zh) * | 2019-12-31 | 2020-08-14 | 远景智能国际私人投资有限公司 | 电量预测方法、装置、设备及可读存储介质 |
JP7414289B2 (ja) | 2021-05-24 | 2024-01-16 | 国立大学法人広島大学 | 状態推定装置、状態推定方法及びプログラム |
JP2023067596A (ja) * | 2021-11-01 | 2023-05-16 | 株式会社東芝 | パラメータベクトル値提案装置、パラメータベクトル値提案方法、パラメータ最適化方法及びパラメータベクトル値提案プログラム |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2998453B2 (ja) | 1992-09-30 | 2000-01-11 | 横河電機株式会社 | 制御の実行順序表示装置 |
JPH1075281A (ja) | 1996-08-30 | 1998-03-17 | Matsushita Electric Works Ltd | コードレス電話装置 |
JP4046309B2 (ja) | 1999-03-12 | 2008-02-13 | 株式会社東芝 | プラント監視装置 |
JP3572521B2 (ja) | 2001-12-28 | 2004-10-06 | 川崎重工業株式会社 | 砕石プラントの運転方法及び装置 |
JP2003303020A (ja) | 2002-04-12 | 2003-10-24 | Toshiba Corp | プラント監視・診断システム |
JP3868358B2 (ja) | 2002-09-27 | 2007-01-17 | 株式会社国際電気通信基礎技術研究所 | 物理系の制御方法および装置ならびに物理系の制御のためのコンピュータプログラム |
US7630945B2 (en) * | 2005-05-12 | 2009-12-08 | Yahoo! Inc. | Building support vector machines with reduced classifier complexity |
JP5005208B2 (ja) | 2005-10-28 | 2012-08-22 | 株式会社国際バイオインフォマティクス研究所 | 予測方法、予測装置および予測プログラム |
JP5011830B2 (ja) * | 2006-06-09 | 2012-08-29 | 富士通セミコンダクター株式会社 | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
JP5125071B2 (ja) * | 2006-11-20 | 2013-01-23 | 富士通株式会社 | スケール算出プログラム、スケール算出装置およびスケール算出方法 |
EP1967996A1 (en) | 2007-03-09 | 2008-09-10 | Omron Corporation | Factor estimating support device and method of controlling the same, and factor estimating support program |
US7555399B1 (en) * | 2007-04-23 | 2009-06-30 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for detecting changes in sensor sample streams |
JP5198994B2 (ja) | 2008-09-19 | 2013-05-15 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 所要時間予測システム、方法及びプログラム |
KR101360790B1 (ko) | 2009-04-22 | 2014-02-11 | 한국전력공사 | 발전소 계측기 성능 감시 예측 방법 |
JP5570008B2 (ja) | 2010-03-23 | 2014-08-13 | インターナショナル・ビジネス・マシーンズ・コーポレーション | カーネル回帰システム、方法及びプログラム |
-
2012
- 2012-01-11 JP JP2012003233A patent/JP5988419B2/ja not_active Expired - Fee Related
-
2013
- 2013-01-02 US US13/732,693 patent/US9087294B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20130179380A1 (en) | 2013-07-11 |
US9087294B2 (en) | 2015-07-21 |
JP2013143031A (ja) | 2013-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5988419B2 (ja) | 予測方法、予測システムおよびプログラム | |
Erickson et al. | Comparison of Gaussian process modeling software | |
JP4627674B2 (ja) | データ処理方法及びプログラム | |
US8595155B2 (en) | Kernel regression system, method, and program | |
Li et al. | Analysis of computational approaches for motif discovery | |
Maziarz et al. | On longitudinal prediction with time-to-event outcome: comparison of modeling options | |
WO2012176519A1 (ja) | 予測装置、予測方法及び予測プログラム | |
Rosen et al. | Automatic estimation of multivariate spectra via smoothing splines | |
Fauvernier et al. | Multi-dimensional penalized hazard model with continuous covariates: applications for studying trends and social inequalities in cancer survival | |
JP6791151B2 (ja) | 最適化システム、最適化方法および最適化プログラム | |
JP2024516656A (ja) | 産業特定機械学習アプリケーション | |
Nan et al. | A varying-coefficient Cox model for the effect of age at a marker event on age at menopause | |
Richards et al. | Spatial deformation for nonstationary extremal dependence | |
Yan et al. | Functional principal components analysis on moving time windows of longitudinal data: dynamic prediction of times to event | |
JP6012860B2 (ja) | 作業時間推定装置 | |
Zhu et al. | On distribution-weighted partial least squares with diverging number of highly correlated predictors | |
US20180144518A1 (en) | Enhanced triplet embedding and triplet creation for high-dimensional data visualizations | |
US20210248293A1 (en) | Optimization device and optimization method | |
Marjoram | Approximation bayesian computation | |
CN112991026A (zh) | 一种商品推荐方法、系统、设备及计算机可读存储介质 | |
Yu et al. | Regression calibration in semiparametric accelerated failure time models | |
Balder et al. | Primal–dual linear Monte Carlo algorithm for multiple stopping—an application to flexible caps | |
JP5860828B2 (ja) | 行動確率推定装置、方法、及びプログラム | |
CN112581250B (zh) | 模型生成方法、装置、计算机设备和存储介质 | |
Johnson et al. | On path restoration for censored outcomes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140807 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160225 |
|
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: 20160712 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20160712 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160805 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5988419 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |