JP6522561B2 - 予測装置、予測方法及びプログラム - Google Patents
予測装置、予測方法及びプログラム Download PDFInfo
- Publication number
- JP6522561B2 JP6522561B2 JP2016151446A JP2016151446A JP6522561B2 JP 6522561 B2 JP6522561 B2 JP 6522561B2 JP 2016151446 A JP2016151446 A JP 2016151446A JP 2016151446 A JP2016151446 A JP 2016151446A JP 6522561 B2 JP6522561 B2 JP 6522561B2
- Authority
- JP
- Japan
- Prior art keywords
- regression
- space
- spatio
- estimated
- observation period
- 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
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
110 空間内挿推定部
120 空間回帰分析部
130 時空間変数予測部
131 分解部
132 分解行列決定部
133 回帰係数予測部
Claims (9)
- 逐次観測される時空間データに基づき推定される回帰係数により時空間変数値を予測する予測装置であって、
逐次更新される各観測期間において観測された時空間データに対して空間内挿推定を実行することによって、前記観測期間における所定の地点での時空間変数値を推定する空間内挿推定部と、
前記観測期間において観測された時空間データと推定された時空間変数値とに対して空間回帰分析を実行することによって、前記観測期間における任意地点での時空間変数値を決定するための回帰関数を推定する空間回帰分析部と、
前記推定された回帰関数の回帰係数から前記観測期間の将来時点の回帰係数を推定し、前記推定した将来時点の回帰係数による前記回帰関数に従って将来時点における任意地点での時空間変数値を予測する時空間変数予測部と、
を有し、
前記空間内挿推定は、クリギング又はガウス過程回帰に基づく予測装置。 - 逐次観測される時空間データに基づき推定される回帰係数により時空間変数値を予測する予測装置であって、
逐次更新される各観測期間において観測された時空間データに対して空間内挿推定を実行することによって、前記観測期間における所定の地点での時空間変数値を推定する空間内挿推定部と、
前記観測期間において観測された時空間データと推定された時空間変数値とに対して空間回帰分析を実行することによって、前記観測期間における任意地点での時空間変数値を決定するための回帰関数を推定する空間回帰分析部と、
前記推定された回帰関数の回帰係数から前記観測期間の将来時点の回帰係数を推定し、前記推定した将来時点の回帰係数による前記回帰関数に従って将来時点における任意地点での時空間変数値を予測する時空間変数予測部と、
を有し、
前記空間回帰分析は、前記回帰関数としてカーネル関数を用いる予測装置。 - 逐次観測される時空間データに基づき推定される回帰係数により時空間変数値を予測する予測装置であって、
逐次更新される各観測期間において観測された時空間データに対して空間内挿推定を実行することによって、前記観測期間における所定の地点での時空間変数値を推定する空間内挿推定部と、
前記観測期間において観測された時空間データと推定された時空間変数値とに対して空間回帰分析を実行することによって、前記観測期間における任意地点での時空間変数値を決定するための回帰関数を推定する空間回帰分析部と、
前記推定された回帰関数の回帰係数から前記観測期間の将来時点の回帰係数を推定し、前記推定した将来時点の回帰係数による前記回帰関数に従って将来時点における任意地点での時空間変数値を予測する時空間変数予測部と、
を有し、
前記空間回帰分析は、k平均法を用いたクラスタリング手法により前記回帰関数の中心位置パラメータに関する目的変数を最小化する予測装置。 - 時空間変数値を決定するための回帰関数の過去の回帰係数から将来の回帰係数を予測する予測装置であって、
前記将来の回帰係数を表す第1の行列が前記過去の回帰係数を表す第2の行列と未知パラメータを表す第3の行列との積を用いて表現可能であるとき、所定のランクを有する2つの低ランク行列によって前記第3の行列を分解する分解部と、
前記第2の行列と前記第3の行列との積と前記第1の行列との差分を最小化する前記2つの低ランク行列を決定する分解行列決定部と、
前記決定された低ランク行列から前記将来の回帰係数を予測する回帰係数予測部と、
を有する予測装置。 - 逐次観測される時空間データに基づき推定される回帰係数により時空間変数値を予測する予測装置により実行される予測方法であって、
逐次更新される各観測期間において観測された時空間データに対して空間内挿推定を実行することによって、前記観測期間における所定の地点での時空間変数値を推定するステップと、
前記観測期間において観測された時空間データと推定された時空間変数値とに対して空間回帰分析を実行することによって、前記観測期間における任意地点での時空間変数値を決定するための回帰関数を推定するステップと、
前記推定された回帰関数の回帰係数から前記観測期間の将来時点の回帰係数を推定し、前記推定した将来時点の回帰係数による前記回帰関数に従って将来時点における任意地点での時空間変数値を予測するステップと、
を有し、
前記空間内挿推定は、クリギング又はガウス過程回帰に基づく予測方法。 - 逐次観測される時空間データに基づき推定される回帰係数により時空間変数値を予測する予測装置により実行される予測方法であって、
逐次更新される各観測期間において観測された時空間データに対して空間内挿推定を実行することによって、前記観測期間における所定の地点での時空間変数値を推定するステップと、
前記観測期間において観測された時空間データと推定された時空間変数値とに対して空間回帰分析を実行することによって、前記観測期間における任意地点での時空間変数値を決定するための回帰関数を推定するステップと、
前記推定された回帰関数の回帰係数から前記観測期間の将来時点の回帰係数を推定し、前記推定した将来時点の回帰係数による前記回帰関数に従って将来時点における任意地点での時空間変数値を予測するステップと、
を有し、
前記空間回帰分析は、前記回帰関数としてカーネル関数を用いる予測方法。 - 逐次観測される時空間データに基づき推定される回帰係数により時空間変数値を予測する予測装置により実行される予測方法であって、
逐次更新される各観測期間において観測された時空間データに対して空間内挿推定を実行することによって、前記観測期間における所定の地点での時空間変数値を推定するステップと、
前記観測期間において観測された時空間データと推定された時空間変数値とに対して空間回帰分析を実行することによって、前記観測期間における任意地点での時空間変数値を決定するための回帰関数を推定するステップと、
前記推定された回帰関数の回帰係数から前記観測期間の将来時点の回帰係数を推定し、前記推定した将来時点の回帰係数による前記回帰関数に従って将来時点における任意地点での時空間変数値を予測するステップと、
を有し、
前記空間回帰分析は、k平均法を用いたクラスタリング手法により前記回帰関数の中心位置パラメータに関する目的変数を最小化する予測方法。 - 時空間変数値を決定するための回帰関数の過去の回帰係数から将来の回帰係数を予測する予測装置により実行される予測方法であって、
前記将来の回帰係数を表す第1の行列が前記過去の回帰係数を表す第2の行列と未知パラメータを表す第3の行列との積を用いて表現可能であるとき、所定のランクを有する2つの低ランク行列によって前記第3の行列を分解するステップと、
前記第2の行列と前記第3の行列との積と前記第1の行列との差分を最小化する前記2つの低ランク行列を決定するステップと、
前記決定された低ランク行列から前記将来の回帰係数を予測するステップと、
を有する予測方法。 - 請求項1乃至4何れか一項記載の予測装置の各部としてプロセッサを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016151446A JP6522561B2 (ja) | 2016-08-01 | 2016-08-01 | 予測装置、予測方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016151446A JP6522561B2 (ja) | 2016-08-01 | 2016-08-01 | 予測装置、予測方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018022237A JP2018022237A (ja) | 2018-02-08 |
JP6522561B2 true JP6522561B2 (ja) | 2019-05-29 |
Family
ID=61165638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016151446A Active JP6522561B2 (ja) | 2016-08-01 | 2016-08-01 | 予測装置、予測方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6522561B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783032B (zh) * | 2020-06-30 | 2023-07-04 | 北京百度网讯科技有限公司 | 目标时空观测数据的获得方法、装置、设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11259444A (ja) * | 1998-03-12 | 1999-09-24 | Toshiba Corp | 関数近似モデル学習装置及び方法並びに関数近似モデル学習用プログラムを記録した記録媒体 |
JP2006053764A (ja) * | 2004-08-12 | 2006-02-23 | National Institute Of Information & Communication Technology | 個人運動再現システム、個人運動再現方法、個人運動再現プログラムおよび個人運動再現プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2008090606A (ja) * | 2006-10-02 | 2008-04-17 | Advanced Telecommunication Research Institute International | エージェントコントローラ及びコンピュータプログラム |
JP4854019B2 (ja) * | 2006-11-29 | 2012-01-11 | 独立行政法人情報通信研究機構 | 意見収集システム、意見収集方法および意見収集プログラム |
JP5789421B2 (ja) * | 2011-06-10 | 2015-10-07 | アズビル株式会社 | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
JP5437328B2 (ja) * | 2011-08-09 | 2014-03-12 | 日本電信電話株式会社 | 観測値信頼度評価装置、観測値信頼度評価方法及び観測値信頼度評価プログラム |
US9014795B1 (en) * | 2012-09-25 | 2015-04-21 | University Of South Florida | Systems and methods for determining a cardiovascular condition of a subject |
US9411897B2 (en) * | 2013-02-06 | 2016-08-09 | Facebook, Inc. | Pattern labeling |
JP6635418B2 (ja) * | 2016-06-07 | 2020-01-22 | 日本電信電話株式会社 | 流量予測装置、パターン推定装置、流量予測方法、パターン推定方法、及びプログラム |
-
2016
- 2016-08-01 JP JP2016151446A patent/JP6522561B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018022237A (ja) | 2018-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fathi et al. | An improvement in RBF learning algorithm based on PSO for real time applications | |
US10896382B2 (en) | Inverse reinforcement learning by density ratio estimation | |
US10896383B2 (en) | Direct inverse reinforcement learning with density ratio estimation | |
Niedźwiecki et al. | Application of regularized Savitzky–Golay filters to identification of time-varying systems | |
JP2018520435A (ja) | 歩行者の流動を求める方法及びシステム | |
Park et al. | Bayesian active learning of neural firing rate maps with transformed gaussian process priors | |
JP6522561B2 (ja) | 予測装置、予測方法及びプログラム | |
Rudenko et al. | Function approximation using robust radial basis function networks | |
Fung et al. | On-line supervised adaptive training using radial basis function networks | |
Marchesini et al. | Improving deep policy gradients with value function search | |
US10378997B2 (en) | Change detection using directional statistics | |
Ruiz-Medina et al. | Functional maximum-likelihood estimation of ARH (p) models | |
US9508026B2 (en) | System and a method for camera motion analysis and understanding from a video sequence | |
Mohamadipanah et al. | Deep kernel recursive least-squares algorithm | |
Manss et al. | Consensus based distributed sparse Bayesian learning by fast marginal likelihood maximization | |
WO2020145252A1 (ja) | データ解析装置、方法、及びプログラム | |
Buchnik et al. | GSP-KalmanNet: Tracking Graph Signals via Neural-Aided Kalman Filtering | |
Ijima et al. | Deterministic regression methods for unbiased estimation of time-varying autoregressive parameters from noisy observations | |
Tolakanahalli et al. | Time series prediction of lung cancer patients' breathing pattern based on nonlinear dynamics | |
Van Deusen | An EM algorithm for capture-recapture estimation | |
Thomas et al. | Generalized swept approximate message passing based kalman filtering for dynamic sparse Bayesian learning | |
KR102198733B1 (ko) | 밀도 비 추정을 이용한 직접 역 강화 학습 | |
John et al. | Solving person re-identification in non-overlapping camera using efficient gibbs sampling | |
Amari | Independent component analysis (ICA) and method of estimating functions | |
Kerkri et al. | Robust nonlinear partial least squares regression using the BACON algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180205 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190205 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190402 |
|
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: 20190423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190424 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6522561 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |