JP6950504B2 - 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 - Google Patents
異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 Download PDFInfo
- Publication number
- JP6950504B2 JP6950504B2 JP2017236217A JP2017236217A JP6950504B2 JP 6950504 B2 JP6950504 B2 JP 6950504B2 JP 2017236217 A JP2017236217 A JP 2017236217A JP 2017236217 A JP2017236217 A JP 2017236217A JP 6950504 B2 JP6950504 B2 JP 6950504B2
- Authority
- JP
- Japan
- Prior art keywords
- betti
- series
- radius
- candidate extraction
- numbers
- 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
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0418—Architecture, e.g. interconnection topology using chaos or fractal principles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1は、実施例1にかかる抽出装置の全体例を説明する図である。図1に示すように、実施例1にかかる抽出装置10は、教師なしの時系列データである学習データに対して、パーシステントホモロジ変換を実行してベッチ系列を生成する。そして、抽出装置10は、ベッチ系列を特徴量として機械学習や深層学習(ディープラーニング(DL)・Deep Learning)などを用いた判別処理(学習処理)を実行して、学習データを事象ごとに正しく判別(分類)できるように、ニューラルネットワーク(NN:Neural Network)などを学習する。
図2は、実施例1にかかる抽出装置10の機能構成を示す機能ブロック図である。図2に示すように、抽出装置10は、通信部11と記憶部12と制御部20を有する。
まず、図4から図6を用いて、特開2017−97643号公報と同様の手法によるベッチ系列の生成を簡単に説明する。特開2017−97643号公報では、ベッチ数を計算する半径の区間[rmin,rmax]をm−1等分し、各半径ri(i=1,・・・,m)におけるベッチ数B(ri)を計算し、ベッチ数を並べた[B(r1),B(r2),B(r3),・・・,B(rm)]のベッチ系列を生成する。
手法1は、半径の大きさが大きくなるにつれてベッチ数の変化がより詳細に表されたベッチ系列を構成して、擬似アトラクタの性質を保存する手法である。図7は、ベッチ数を計算する半径の間隔を単調減少させる例を説明する図である。図7に示すように、手法1は、半径riのiが増加するにつれて、半径riの間隔を単調減少させることで、半径が大きい部分の変化を重要視する。
例えば、系列生成部21は、半径ri(i=1,・・・,m)におけるベッチ数B(ri)を計算する。ここで、ベッチ数を計算する半径の区間を[rmin,rmax]とし、rmin=r1<r2<・・・rm=rmaxとする。
次に、上述した処理について説明する。ここでは、一例として、間引きによる改良ベッチ系列の生成処理について説明する。図9は、処理の流れを示すフローチャートである。
上述したように、抽出装置10は、時系列データに対してトポロジカルデータアナリシスを適用し、擬似アトラクタの形状の変化を検知する教師なし学習を行う際、半径が大きいほど変化を表す量として重要な意味を持つ性質を残した改良ベッチ系列を生成することができる。このため、抽出装置10は、疑似アトラクタの形状変化に基づいて時系列データの教師なし学習を行うことができ、時系列データの構造的な変化に基づく教師なし学習を行うことができる。
実施例1の学習は、DLに限らずに他の機械学習を採用することができる。また、間隔アトラクタの次元数も任意に設定することができる。なお、学習後に推定対象のデータのラベル推定を行う場合、学習時と同様の処理を行って学習モデルに入力する。
図12は、ハードウェア構成例を説明する図である。図12に示すように、抽出装置10は、通信インタフェース10a、HDD(Hard Disk Drive)10b、メモリ10c、プロセッサ10dを有する。また、図12に示した各部は、バス等で相互に接続される。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
11 通信部
12 記憶部
13 学習データDB
14 学習結果DB
20 制御部
21 系列生成部
22 学習部
Claims (6)
- コンピュータに、
複数の時系列データからそれぞれ生成した複数の擬似アトラクタを、パーシステントホモロジ変換して得られたベッチ数による複数のベッチ系列を生成し、
前記複数のベッチ系列から、前記ベッチ数を生成する際の半径が大きい領域を当該半径が小さい領域よりも重みづけた複数の変換ベッチ系列を生成し、
前記複数の変換ベッチ系列におけるベッチ数に基づき、前記複数の時系列データから異常候補を抽出する、
処理をコンピュータに実行させる異常候補抽出プログラム。 - 前記ベッチ数を計算する半径の間隔を単調減少させる関数を用いて決定し、決定した間隔で前記ベッチ数を算出し、算出した各ベッチ数を用いて、前記複数の変換ベッチ系列を生成する処理を実行させる請求項1に記載の異常候補抽出プログラム。
- 前記複数のベッチ系列に含まれる各半径のベッチ数から、半径が大きくなるに連れて単調減少する間隔でベッチ数を取得し、取得した各半径のベッチ数を用いて、前記複数の変換ベッチ系列を生成する処理を前記コンピュータに実行させる請求項1に記載の異常候補抽出プログラム。
- 前記複数のベッチ系列に含まれる各半径のベッチ数に、半径に対して単調増加する重みを乗算した複数の重み付きベッチ数を算出して、算出した前記複数の重み付きベッチ数を用いて、前記複数の変換ベッチ系列を生成する処理を前記コンピュータに実行させる請求項1に記載の異常候補抽出プログラム。
- コンピュータが、
複数の時系列データからそれぞれ生成した複数の擬似アトラクタを、パーシステントホモロジ変換して得られたベッチ数による複数のベッチ系列を生成し、
前記複数のベッチ系列から、前記ベッチ数を生成する際の半径が大きい領域を当該半径が小さい領域よりも重みづけた複数の変換ベッチ系列を生成し、
前記複数の変換ベッチ系列におけるベッチ数に基づき、前記複数の時系列データから異常候補を抽出する、
処理を実行する異常候補抽出方法。 - 複数の時系列データからそれぞれ生成した複数の擬似アトラクタを、パーシステントホモロジ変換して得られたベッチ数による複数のベッチ系列を生成する第1生成部と、
前記複数のベッチ系列から、前記ベッチ数を生成する際の半径が大きい領域を当該半径が小さい領域よりも重みづけた複数の変換ベッチ系列を生成する第2生成部と、
前記複数の変換ベッチ系列におけるベッチ数に基づき、前記複数の時系列データから異常候補を抽出する抽出部と
を有する異常候補抽出装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017236217A JP6950504B2 (ja) | 2017-12-08 | 2017-12-08 | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 |
US16/207,350 US20190180194A1 (en) | 2017-12-08 | 2018-12-03 | Computer-readable recording medium, abnormality candidate extraction method, and abnormality candidate extraction apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017236217A JP6950504B2 (ja) | 2017-12-08 | 2017-12-08 | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019105871A JP2019105871A (ja) | 2019-06-27 |
JP6950504B2 true JP6950504B2 (ja) | 2021-10-13 |
Family
ID=66697023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017236217A Active JP6950504B2 (ja) | 2017-12-08 | 2017-12-08 | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20190180194A1 (ja) |
JP (1) | JP6950504B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3324183B1 (en) * | 2015-07-15 | 2019-03-13 | Osaka University | Image analysis device, image analysis method, image analysis system, image analysis program, and recording medium |
WO2020026327A1 (ja) * | 2018-07-31 | 2020-02-06 | 日本電気株式会社 | 情報処理装置、制御方法、及びプログラム |
US12039722B2 (en) | 2019-03-26 | 2024-07-16 | Osaka University | Image analysis method, storage medium, image analysis device, and image analysis system |
JP6641056B1 (ja) * | 2019-07-16 | 2020-02-05 | 株式会社東芝 | 機器の異常診断方法および機器の異常診断システム |
KR102525187B1 (ko) | 2021-05-12 | 2023-04-24 | 네이버클라우드 주식회사 | 시계열 기반 이상 탐지 방법 및 시스템 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08314530A (ja) * | 1995-05-23 | 1996-11-29 | Meidensha Corp | 故障予知装置 |
JPH11296496A (ja) * | 1998-04-09 | 1999-10-29 | Hitachi Ltd | パターン認識装置 |
JP6606997B2 (ja) * | 2015-11-25 | 2019-11-20 | 富士通株式会社 | 機械学習プログラム、機械学習方法及び情報処理装置 |
-
2017
- 2017-12-08 JP JP2017236217A patent/JP6950504B2/ja active Active
-
2018
- 2018-12-03 US US16/207,350 patent/US20190180194A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20190180194A1 (en) | 2019-06-13 |
JP2019105871A (ja) | 2019-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6950504B2 (ja) | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 | |
Zheng et al. | Generalized composite multiscale permutation entropy and Laplacian score based rolling bearing fault diagnosis | |
JP7131351B2 (ja) | 学習方法、学習プログラムおよび学習装置 | |
EP4053757A1 (en) | Degradation suppression program, degradation suppression method, and information processing device | |
JP7304223B2 (ja) | ハイブリッド学習技法を生成するための方法およびシステム | |
JPWO2016084326A1 (ja) | 情報処理システム、情報処理方法、及び、プログラム | |
JP2019016193A (ja) | 分析方法、分析装置及び分析プログラム | |
US11640553B2 (en) | Method for analyzing time-series data based on machine learning and information processing apparatus | |
JP7040065B2 (ja) | 検出プログラム、検出方法および検出装置 | |
JP2017033175A (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP6954070B2 (ja) | 判別プログラム、判別方法および判別装置 | |
JP7119901B2 (ja) | 分析装置、分析方法および分析プログラム | |
JP2018181052A (ja) | モデル同定装置、予測装置、監視システム、モデル同定方法および予測方法 | |
EP3923228B1 (en) | Data analysis method, device and program | |
JP6950505B2 (ja) | 判別プログラム、判別方法および判別装置 | |
CN114120180A (zh) | 一种时序提名的生成方法、装置、设备及介质 | |
JP7234742B2 (ja) | 特徴量抽出方法、特徴量抽出プログラムおよび特徴量抽出装置 | |
CN115769194A (zh) | 跨数据集的自动数据链接 | |
JP5882259B2 (ja) | 信号処理装置、方法、及びプログラム | |
CN117574098B (zh) | 一种学习专注度分析方法以及相关装置 | |
TWI824681B (zh) | 裝置管理系統、裝置的障礙原因推測方法以及非暫時性地記憶程式的記憶媒體 | |
EP4258184A1 (en) | Action sequence determination device, action sequence determination method, and action sequence determination program | |
JP2018151913A (ja) | 情報処理システム、情報処理方法、及びプログラム | |
CN117808591A (zh) | 客户流失预测方法、装置、设备及存储介质 | |
Ravier et al. | GeoStat Representations of Time Series for Fast Classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200911 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210811 |
|
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: 20210824 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210906 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6950504 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |