JP6935765B2 - 動的分布推定装置、方法、及びプログラム - Google Patents
動的分布推定装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6935765B2 JP6935765B2 JP2018023593A JP2018023593A JP6935765B2 JP 6935765 B2 JP6935765 B2 JP 6935765B2 JP 2018023593 A JP2018023593 A JP 2018023593A JP 2018023593 A JP2018023593 A JP 2018023593A JP 6935765 B2 JP6935765 B2 JP 6935765B2
- Authority
- JP
- Japan
- Prior art keywords
- component
- data
- statistic
- sample
- update
- 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
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Complex Calculations (AREA)
Description
本実施形態の提案アルゴリズムは、十分統計量のみの保持でパラメタ更新が可能であり、到着済み観客の到着時間全てを保持する必要がない。これはプライバシー保護の観点からも優れている。
本実施形態の提案アルゴリズムは、前述した統計量と新たに観測されたデータから計算される量を用いて更新される。全てのデータを利用して計算するバッチ型手法と比べて短い処理でパラメタ更新処理を行うことができる。特に前述のようなライブやスポーツイベントでは来場者数は数万人規模に及び、各時刻での全データを利用したバッチ処理は避けられることが好ましい。
本実施形態の提案アルゴリズムによって各時刻毎に出力されるパラメタは、前時刻におけるパラメタから連続的に変化した値となる。各時刻でバッチ型手法を適用し直す処理を行うと、目的関数の異なる局所最適解に到達することで前時刻とは全く異なるパラメタが出力される可能性があり、これは実用上好ましくないが、本実施形態にはそのような問題がない。
12,212 記憶部
13, 213 パラメタ記録部
14 観測データ数記録部
15 閾値記録部
16, 216 統計量記録部
17, 217 初期化処理部
18, 218 更新処理部
19 負担率更新部
20 モーメント更新部
21,221 統計量更新部
22, 222 パラメタ更新部
23, 223 パラメタ処理部
24 入出力部
30 外部装置
100,200 動的分布推定装置
219 潜在変数パラメタ更新部
Claims (6)
- 観測されるデータの分布を表す、複数のコンポーネントを混合した混合ガウスモデルのパラメタをオンラインで推定する動的分布推定装置であって、
新たに観測されたサンプルのデータに基づいて、前記新たに観測されたサンプルのデータが各コンポーネントに所属する度合いを表す負担率、及びまだ観測されていない各サンプルのデータが各コンポーネントに所属する度合いを表す負担率を更新する負担率更新部と、
前記観測されていない各サンプルのデータが各コンポーネントに所属すると仮定した場合の、前記観測されていないサンプルのデータのモーメントを更新するモーメント更新部と、
前記新たに観測されたサンプルのデータが各コンポーネントに所属する度合いを表す負担率に基づいて、観測されたサンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
前記観測されていない各サンプルのデータが各コンポーネントに所属する度合いが表す負担率に基づいて、全サンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
前記新たに観測されたサンプルのデータが各コンポーネントに所属する度合いが表す負担率に基づいて、各コンポーネントについて、前記コンポーネントに所属する、観測されたサンプルのデータの統計量を更新し、
各コンポーネントについて、前記新たに観測された各サンプルのデータが前記コンポーネントに所属すると仮定した場合の、前記観測されていないサンプルのデータのモーメント、観測されたサンプルのうち、前記コンポーネントに所属するサンプル数の統計量、及び全サンプルのうち、前記コンポーネントに所属するサンプル数の統計量に基づいて、前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量を更新する統計量更新部と、
各コンポーネントについて、全サンプルのうち、前記コンポーネントに所属するサンプル数の統計量、前記コンポーネントに所属する、前記観測されたサンプルのデータの統計量、及び前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量に基づいて、前記コンポーネントに関するパラメタを更新するパラメタ更新部と、
を含み、
予め定められたパラメタ更新タイミングが到来する毎に、前記負担率更新部による更新、前記モーメント更新部による更新、前記統計量更新部による更新、及び前記パラメタ更新部による更新を繰り返す
動的分布推定装置。 - 観測されるデータの分布を表す、複数のコンポーネントを混合した混合ガウスモデルのパラメタをオンラインで推定する動的分布推定装置であって、
新たに観測されたサンプルのデータに基づいて、前記新たに観測されたサンプルのデータについての、各コンポーネントの潜在変数に関する変分分布のパラメタ、及び新たに観測されたサンプルを含む、既に観測されたサンプル集合のデータについての、各コンポーネントの潜在変数に関する変分分布のパラメタを更新する潜在変数パラメタ更新部と、
前記新たに観測されたサンプルのデータについての、各コンポーネントに対する変分分布のパラメタに基づいて、観測されたサンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
既に観測されたサンプル集合のデータについての、各コンポーネントに対する変分分布のパラメタに基づいて、まだ観測されていないサンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
前記新たに観測されたサンプルのデータについての、各コンポーネントに対する変分分布のパラメタに基づいて、各コンポーネントについて、前記コンポーネントに所属する、観測されたサンプルのデータの統計量を更新し、
前記既に観測されたサンプル集合のデータと、前記観測されていないサンプルのうち、各コンポーネントに所属するサンプル数の統計量とに基づいて、前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量を更新する統計量更新部と、
各コンポーネントについて、全サンプルのうち、前記コンポーネントに所属するサンプル数、前記コンポーネントに所属する、前記観測されたサンプルのデータの統計量、及び前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量に基づいて、前記コンポーネントのパラメタに関する変分分布のパラメタを更新するパラメタ更新部と、
を含み、
予め定められたパラメタ更新タイミングが到来する毎に、前記潜在変数パラメタ更新部による更新、前記統計量更新部による更新、及び前記パラメタ更新部による更新を繰り返す
動的分布推定装置。 - 前記パラメタ更新タイミングは、前記新たに観測されたサンプルのデータが得られたタイミング、前記新たに観測されたサンプルのデータが予め定められた個数だけ得られたタイミング、及び予め定められた更新時期が到来したタイミングの何れかである請求項1又は請求項2に記載の動的分布推定装置。
- 観測されるデータの分布を表す、複数のコンポーネントを混合した混合ガウスモデルのパラメタをオンラインで推定する動的分布推定装置における動的分布推定方法であって、
負担率更新部が、新たに観測されたサンプルのデータに基づいて、前記新たに観測されたサンプルのデータが各コンポーネントに所属する度合いを表す負担率、及びまだ観測されていない各サンプルのデータが各コンポーネントに所属する度合いを表す負担率を更新するステップと、
モーメント更新部が、前記観測されていない各サンプルのデータが各コンポーネントに所属すると仮定した場合の、前記観測されていないサンプルのデータのモーメントを更新するステップと、
統計量更新部が、前記新たに観測されたサンプルのデータが各コンポーネントに所属する度合いを表す負担率に基づいて、観測されたサンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
前記観測されていない各サンプルのデータが各コンポーネントに所属する度合いが表す負担率に基づいて、全サンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
前記新たに観測されたサンプルのデータが各コンポーネントに所属する度合いが表す負担率に基づいて、各コンポーネントについて、前記コンポーネントに所属する、観測されたサンプルのデータの統計量を更新し、
各コンポーネントについて、前記新たに観測された各サンプルのデータが前記コンポーネントに所属すると仮定した場合の、前記観測されていないサンプルのデータのモーメント、観測されたサンプルのうち、前記コンポーネントに所属するサンプル数の統計量、及び全サンプルのうち、前記コンポーネントに所属するサンプル数の統計量に基づいて、前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量を更新するステップと、
パラメタ更新部が、各コンポーネントについて、全サンプルのうち、前記コンポーネントに所属するサンプル数の統計量、前記コンポーネントに所属する、前記観測されたサンプルのデータの統計量、及び前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量に基づいて、前記コンポーネントに関するパラメタを更新するステップと、
を含み、
予め定められたパラメタ更新タイミングが到来する毎に、前記負担率更新部による更新、前記モーメント更新部による更新、前記統計量更新部による更新、及び前記パラメタ更新部による更新を繰り返す
動的分布推定方法。 - 観測されるデータの分布を表す、複数のコンポーネントを混合した混合ガウスモデルのパラメタをオンラインで推定する動的分布推定装置における動的分布推定方法であって、
潜在変数パラメタ更新部が、新たに観測されたサンプルのデータに基づいて、前記新たに観測されたサンプルのデータについての、各コンポーネントの潜在変数に関する変分分布のパラメタ、及び新たに観測されたサンプルを含む、既に観測されたサンプル集合のデータについての、各コンポーネントの潜在変数に関する変分分布のパラメタを更新するステップと、
統計量更新部が、前記新たに観測されたサンプルのデータについての、各コンポーネントに対する変分分布のパラメタに基づいて、観測されたサンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
既に観測されたサンプル集合のデータについての、各コンポーネントに対する変分分布のパラメタに基づいて、まだ観測されていないサンプルのうち、各コンポーネントに所属するサンプル数の統計量を更新し、
前記新たに観測されたサンプルのデータについての、各コンポーネントに対する変分分布のパラメタに基づいて、各コンポーネントについて、前記コンポーネントに所属する、観測されたサンプルのデータの統計量を更新し、
前記既に観測されたサンプル集合のデータと、前記観測されていないサンプルのうち、各コンポーネントに所属するサンプル数の統計量とに基づいて、前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量を更新するステップと、
パラメタ更新部が、各コンポーネントについて、全サンプルのうち、前記コンポーネントに所属するサンプル数、前記コンポーネントに所属する、前記観測されたサンプルのデータの統計量、及び前記コンポーネントに所属する、前記観測されていないサンプルのデータの統計量に基づいて、前記コンポーネントのパラメタに関する変分分布のパラメタを更新するステップと、
を含み、
予め定められたパラメタ更新タイミングが到来する毎に、前記潜在変数パラメタ更新部による更新、前記統計量更新部による更新、及び前記パラメタ更新部による更新を繰り返す
動的分布推定方法。 - コンピュータを、請求項1〜請求項3の何れか1項に記載の動的分布推定装置の各部として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018023593A JP6935765B2 (ja) | 2018-02-13 | 2018-02-13 | 動的分布推定装置、方法、及びプログラム |
PCT/JP2019/004677 WO2019159845A1 (ja) | 2018-02-13 | 2019-02-08 | 動的分布推定装置、方法、及びプログラム |
US16/969,052 US20210035000A1 (en) | 2018-02-13 | 2019-02-08 | Dynamic distribution estimation device, method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018023593A JP6935765B2 (ja) | 2018-02-13 | 2018-02-13 | 動的分布推定装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019139597A JP2019139597A (ja) | 2019-08-22 |
JP6935765B2 true JP6935765B2 (ja) | 2021-09-15 |
Family
ID=67619409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018023593A Active JP6935765B2 (ja) | 2018-02-13 | 2018-02-13 | 動的分布推定装置、方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210035000A1 (ja) |
JP (1) | JP6935765B2 (ja) |
WO (1) | WO2019159845A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7438008B2 (ja) | 2020-04-28 | 2024-02-26 | 花王株式会社 | 商品の販売数予測方法、装置及びプログラム、発注量決定方法、装置及びプログラム |
-
2018
- 2018-02-13 JP JP2018023593A patent/JP6935765B2/ja active Active
-
2019
- 2019-02-08 US US16/969,052 patent/US20210035000A1/en active Pending
- 2019-02-08 WO PCT/JP2019/004677 patent/WO2019159845A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP2019139597A (ja) | 2019-08-22 |
US20210035000A1 (en) | 2021-02-04 |
WO2019159845A1 (ja) | 2019-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503623B (zh) | 基于卷积神经网络的人脸图像年龄估算方法 | |
Fan et al. | Learning continuous-time social network dynamics | |
TW201237647A (en) | Method and system for identifying rare-event failure rates | |
JP5870189B1 (ja) | 個別電気機器稼働状態推定装置、およびその方法 | |
US11593693B2 (en) | System and method for tree-based machine learning | |
Choi et al. | Efficient targeting of sensor networks for large-scale systems | |
Zougab et al. | A Bayesian approach to bandwidth selection in univariate associate kernel estimation | |
Lim | Stochastic approximation over multidimensional discrete sets with applications to inventory systems and admission control of queueing networks | |
JP6935765B2 (ja) | 動的分布推定装置、方法、及びプログラム | |
WO2020013236A1 (ja) | データ解析装置、方法、及びプログラム | |
JP2001312712A (ja) | 非線形時系列予測方法及び非線形時系列予測プログラムを記録した記録媒体 | |
Hasler et al. | Vine Copulas for Imputation of Monotone Non‐response | |
JP6099099B2 (ja) | 収束判定装置、方法、及びプログラム | |
JP2017192041A (ja) | 品質劣化推定装置、品質劣化推定方法、及びプログラム | |
Landauskas et al. | Modelling of stock prices by the Markov chain Monte Carlo method | |
Noubary | A procedure for prediction of sports records | |
JP6558860B2 (ja) | 推定装置、予測装置、方法、及びプログラム | |
Shittaka et al. | An evolutionary game model and MCMC estimation for analyzing stochastic properties of traffic state on a road network | |
Suparman et al. | Hierarchical Bayesian of ARMA models using simulated annealing algorithm | |
Xu et al. | Modeling and predicting chaotic circuit data | |
Lee | A Bayesian inference for fixed effect panel probit model | |
Galdino | Interval continuous-time Markov chains simulation | |
Ouzienko et al. | Prediction of attributes and links in temporal social networks | |
WO2022074711A1 (ja) | 学習方法、推定方法、学習装置、推定装置、及びプログラム | |
Oh | Stochastic population projections on an uncertainty for the future Korea |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210427 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210625 |
|
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: 20210727 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210809 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6935765 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |