JP6449456B2 - 確率的システムの注目指標の統計量を最小化するパラメータセットを探索するシステム - Google Patents
確率的システムの注目指標の統計量を最小化するパラメータセットを探索するシステム Download PDFInfo
- Publication number
- JP6449456B2 JP6449456B2 JP2017521322A JP2017521322A JP6449456B2 JP 6449456 B2 JP6449456 B2 JP 6449456B2 JP 2017521322 A JP2017521322 A JP 2017521322A JP 2017521322 A JP2017521322 A JP 2017521322A JP 6449456 B2 JP6449456 B2 JP 6449456B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter set
- parameter
- evaluated
- attention index
- value
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Description
Claims (15)
- パラメータセットから注目指標の評価値を出力する確率的システムの前記注目指標の統計量、を最小化するパラメータセットを探索する、システムであって、
プロセッサと、メモリと、を含み、
前記メモリは、評価済みパラメータセットと、前記評価済みパラメータセットそれぞれの前記注目指標の評価値と、を含む評価情報を保持し、
前記プロセッサは、探索処理を繰り返し、
前記探索処理において、
1以上のパラメータセットからなる第1パラメータセット集合を取得し、
前記第1パラメータセット集合が所定の精度で収束していないと判定した場合、
前記第1パラメータセット集合のパラメータセットそれぞれについて、
前記評価情報から第1評価済みパラメータセット集合及び対応する前記注目指標の評価値を選択し、
前記第1評価済みパラメータセット集合のパラメータセットそれぞれとの距離に基づいて、前記第1評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値に対応する第1重みを算出し、
前記第1評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値と、前記第1重みとに基づいて、前記第1パラメータセット集合の当該パラメータセットの前記注目指標の統計量の推定値を算出し、
前記第1パラメータセット集合から、1以上のパラメータセットからなり、前記第1パラメータセット集合と異なる新パラメータセット集合候補、を所定のアルゴリズムを用いて、生成し、
前記新パラメータセット集合候補のパラメータセットそれぞれについて、
前記評価情報から第2評価済みパラメータセット集合及び対応する前記注目指標の評価値を選択し、
前記第2評価済みパラメータセット集合のパラメータセットそれぞれとの距離に基づいて、前記第2評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値に対応する第2重みを算出し、
前記第2評価済みパラメータセット集合のパラメータセットそれぞれの注目指標の評価値と前記第2重みとに基づいて、前記新パラメータセット集合候補の当該パラメータセットの注目指標の統計量の推定値を算出し、
前記第1パラメータセット集合及び前記新パラメータセット集合候補のパラメータセットそれぞれの前記注目指標の統計量の推定値の大きさ、に基づいて、前記第1パラメータセット集合と前記新パラメータセット集合候補から、1以上のパラメータセットからなる新パラメータセット集合に含めるパラメータセットを選択し、
前記新パラメータセット集合を、次回の探索処理における第1パラメータセット集合として採用する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、
前記第1パラメータセット集合のパラメータセットのばらつき、又は前記第1パラメータセット集合と、前記第1パラメータセット集合と異なる、過去の探索処理における第1パラメータセット集合と、の距離に基づいて、前記第1パラメータセット集合が前記所定の精度で収束しているか否かを判定する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、前記第1パラメータセット集合のパラメータセットそれぞれについて、前記第1評価済みパラメータセット集合のパラメータセットそれぞれとの距離の逆数に基づいて、前記第1重みを算出する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、
前記第1パラメータセット集合のパラメータセットそれぞれについて、前記第1評価済みパラメータセット集合のパラメータセットそれぞれとの距離を、ガウス関数に代入した値に基づいて、前記第1重みを算出し、
前記ガウス関数は、前記第1評価済みパラメータセット集合のパラメータセットそれぞれと、前記第1評価済みパラメータセット集合の重心と、の距離の平均値に基づくスケールを有する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、
前記第1パラメータセット集合のパラメータセットそれぞれについて、
前記第1評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値それぞれに基づくステップ関数と、前記第1重みと、に基づいて、前記第1パラメータセット集合の当該パラメータセットの前記注目指標が従う推定分布関数を生成し、
前記推定分布関数から、前記第1パラメータセット集合の当該パラメータセットの前記注目指標の統計量の推定値を算出する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、前記新パラメータセット集合候補のパラメータセットそれぞれについて、前記第2評価済みパラメータセット集合のパラメータセットそれぞれとの距離の逆数に基づいて、前記第2重みを算出する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、
前記新パラメータセット集合候補のパラメータセットそれぞれについて、前記第2評価済みパラメータセット集合のパラメータセットそれぞれとの距離を、ガウス関数に代入した値に基づいて、前記第2重みを算出し、
前記ガウス関数は、前記第2評価済みパラメータセット集合のパラメータセットそれぞれと、前記第2評価済みパラメータセット集合の重心と、の距離の平均値に基づくスケールを有する、システム。 - 請求項1に記載のシステムであって、
前記プロセッサは、
前記新パラメータセット集合候補のパラメータセットそれぞれについて、
前記第2評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値それぞれに基づくステップ関数と、前記第1重みと、に基づいて、前記新パラメータセット集合候補の当該パラメータセットの前記注目指標が従う推定分布関数を生成し、
前記推定分布関数から、前記新パラメータセット集合候補の当該パラメータセットの前記注目指標の統計量の推定値を算出する、システム。 - システムが、パラメータセットから注目指標の評価値を出力する確率的システムの前記注目指標の統計量、を最小化するパラメータセットを探索する、方法であって、
前記システムは、評価済みパラメータセットと、前記評価済みパラメータセットそれぞれの前記注目指標の評価値と、を含む評価情報を保持し、
前記方法は、前記システムが探索処理を繰り返し、
前記探索処理において、前記システムが、
1以上のパラメータセットからなる第1パラメータセット集合を取得し、
前記第1パラメータセット集合が所定の精度で収束していないと判定した場合、
前記第1パラメータセット集合のパラメータセットそれぞれについて、
前記評価情報から第1評価済みパラメータセット集合及び対応する前記注目指標の評価値を選択し、
前記第1評価済みパラメータセット集合のパラメータセットそれぞれとの距離に基づいて、前記第1評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値に対応する第1重みを算出し、
前記第1評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値と、前記第1重みとに基づいて、前記第1パラメータセット集合の当該パラメータセットの前記注目指標の統計量の推定値を算出し、
前記第1パラメータセット集合から、1以上のパラメータセットからなり、前記第1パラメータセット集合と異なる新パラメータセット集合候補、を所定のアルゴリズムを用いて、生成し、
前記新パラメータセット集合候補のパラメータセットそれぞれについて、
前記評価情報から第2評価済みパラメータセット集合及び対応する前記注目指標の評価値を選択し、
前記第2評価済みパラメータセット集合のパラメータセットそれぞれとの距離に基づいて、前記第2評価済みパラメータセット集合のパラメータセットそれぞれの前記注目指標の評価値に対応する第2重みを算出し、
前記第2評価済みパラメータセット集合のパラメータセットそれぞれの注目指標の評価値と前記第2重みとに基づいて、前記新パラメータセット集合候補の当該パラメータセットの注目指標の統計量の推定値を算出し、
前記第1パラメータセット集合及び前記新パラメータセット集合候補のパラメータセットそれぞれの前記注目指標の統計量の推定値の大きさ、に基づいて、前記第1パラメータセット集合と前記新パラメータセット集合候補から、1以上のパラメータセットからなる新パラメータセット集合に含めるパラメータセットを選択し、
前記新パラメータセット集合を、次回の探索処理における第1パラメータセット集合として採用する、方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/065588 WO2016194051A1 (ja) | 2015-05-29 | 2015-05-29 | 確率的システムの注目指標の統計量を最小化するパラメータセットを探索するシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2016194051A1 JPWO2016194051A1 (ja) | 2018-03-29 |
JP6449456B2 true JP6449456B2 (ja) | 2019-01-09 |
Family
ID=57442316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017521322A Active JP6449456B2 (ja) | 2015-05-29 | 2015-05-29 | 確率的システムの注目指標の統計量を最小化するパラメータセットを探索するシステム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6449456B2 (ja) |
WO (1) | WO2016194051A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210232957A1 (en) * | 2018-06-07 | 2021-07-29 | Nec Corporation | Relationship analysis device, relationship analysis method, and recording medium |
JP7017711B2 (ja) * | 2018-06-07 | 2022-02-09 | 日本電気株式会社 | 関係性分析装置、関係性分析方法およびプログラム |
JP7058386B2 (ja) * | 2018-06-07 | 2022-04-22 | 日本電気株式会社 | 分析装置、分析方法およびプログラム |
WO2020196866A1 (ja) * | 2019-03-28 | 2020-10-01 | 株式会社 東芝 | 情報処理装置、情報処理システム、情報処理方法、記憶媒体およびプログラム |
JP2024080439A (ja) | 2022-12-02 | 2024-06-13 | 株式会社日立製作所 | シミュレーションシステム及びシミュレーション方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1739582A1 (en) * | 2005-06-29 | 2007-01-03 | Siemens Aktiengesellschaft | Probabilistic design tool for optimizing a technical system |
JP4821284B2 (ja) * | 2005-11-18 | 2011-11-24 | Jfeスチール株式会社 | 操業結果予測方法及びそのシステム |
-
2015
- 2015-05-29 WO PCT/JP2015/065588 patent/WO2016194051A1/ja active Application Filing
- 2015-05-29 JP JP2017521322A patent/JP6449456B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JPWO2016194051A1 (ja) | 2018-03-29 |
WO2016194051A1 (ja) | 2016-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6449456B2 (ja) | 確率的システムの注目指標の統計量を最小化するパラメータセットを探索するシステム | |
US8984022B1 (en) | Automating growth and evaluation of segmentation trees | |
US20190244299A1 (en) | System and method for evaluating decision opportunities | |
Gleeson et al. | Systemic risk in banking networks without monte carlo simulation | |
JP6855604B2 (ja) | 短期利益を予測する方法、装置、コンピューターデバイス、プログラムおよび記憶媒体 | |
US10074142B1 (en) | Computational architecture and method for a time-varying control system | |
Sampath et al. | A generalized decision support framework for large‐scale project portfolio decisions | |
JP6219528B2 (ja) | シミュレーションシステム、及びシミュレーション方法 | |
TWI781461B (zh) | 資訊處理裝置、資訊處理方法及程式 | |
CN116911994B (zh) | 对外贸易风险预警系统 | |
Wu et al. | Stochastic modeling of artificial neural networks for real-time hydrological forecasts based on uncertainties in transfer functions and ANN weights | |
Berteloot et al. | A novel credit rating migration modeling approach using macroeconomic indicators | |
US20140344021A1 (en) | Reactive competitor price determination using a competitor response model | |
US20140344022A1 (en) | Competitor response model based pricing tool | |
CN111325350B (zh) | 可疑组织发现系统和方法 | |
CN114170000A (zh) | 信用卡用户风险类别识别方法、装置、计算机设备和介质 | |
EP4248292A1 (en) | Systems and methods for confidence interval transaction settlement range predictions | |
Fair et al. | Endogenous labour flow networks | |
Aleksandrova et al. | Performance evaluation of machine learning models for credit risk prediction | |
US20240127214A1 (en) | Systems and methods for improving machine learning models | |
Balibek et al. | A visual interactive approach for scenario-based stochastic multi-objective problems and an application | |
Rodin | Growing small businesses using software system for intellectual analysis of financial performance | |
CN116862078B (zh) | 一种换电套餐用户逾期的预测方法、系统、装置及介质 | |
US20230244535A1 (en) | Resource tuning with usage forecasting | |
Sadoghi | Measuring systemic risk: Robust ranking techniques approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171101 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171101 |
|
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: 20181113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181205 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6449456 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |