JP7056345B2 - データ分析システム、方法、及びプログラム - Google Patents
データ分析システム、方法、及びプログラム Download PDFInfo
- Publication number
- JP7056345B2 JP7056345B2 JP2018079775A JP2018079775A JP7056345B2 JP 7056345 B2 JP7056345 B2 JP 7056345B2 JP 2018079775 A JP2018079775 A JP 2018079775A JP 2018079775 A JP2018079775 A JP 2018079775A JP 7056345 B2 JP7056345 B2 JP 7056345B2
- Authority
- JP
- Japan
- Prior art keywords
- intermediate layer
- data
- observation data
- output
- neural network
- 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
- 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
-
- 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
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Image Analysis (AREA)
Description
図1に示すように、本実施形態に係るデータ分析システム90は、計器10と、機器20と、を含んで構成されている。これら計器10と機器20とはネットワークNを介して通信可能に接続されている。
図2に示すように、計器10では、入力を受け付けた観測データについて、学習済みニューラルネットワーク18Aを用いて推論の演算を途中まで行い得られた低次元観測データを機器20に送信する。機器20では、受信した低次元観測データを入力とし、学習済みニューラルネットワーク18Bを用いた推論の演算の続きを行い、分析結果を得る。
図3に示すように、本実施形態に係る学習済みニューラルネットワーク18Aには、入力層から所定の中間層までの部分が含まれている。一方、本実施形態に係る学習済みニューラルネットワーク18Bには、所定の中間層の次の中間層(図示省略)から出力層までの部分が含まれている。
なお、図4の左図(画像認識タスク)及び右図(音素認識タスク)において、縦軸は推定の精度(100%が最も高い)を示し、横軸は中間層のノード数を示す。
図10の左図は、制約2を行わない場合のノード1の出力値及びノード2の出力値の確率分布を示す。図10の右図は、制約2を行った場合のノード1の出力値及びノード2の出力値の確率分布を示す。なお、確率分布P0、P2、P3、P4、P5、P6、P7、P8、P9の各々は、正解ラベル0、1、2、3、4、5、6,7、8、9の各々に対応する。
12 入力部
14 変換部
16 出力部
18、18A、18B 学習済みニューラルネットワーク
18C 学習用ニューラルネットワーク
20 機器
22 入力部
24 分析部
26 出力部
30 学習装置
32 入力部
34 分析部
36 学習部
38 出力部
90 データ分析システム
Claims (5)
- 計器により観測された観測データを分析する機器を含むデータ分析システムであって、
前記計器は、前記観測データを、前記観測データの次元よりも少ない次元の低次元観測データに変換する変換処理であって、予め用意された学習済みニューラルネットワークの入力層を介して受け付けた前記観測データを、前記入力層から所定の中間層まで処理された結果得られる前記中間層の出力である前記低次元観測データを出力する前記変換処理を行う変換部を備え、
前記機器は、前記低次元観測データから前記観測データを分析した結果を得る分析処理であって、前記低次元観測データを前記所定の中間層の次の中間層に入力し、前記次の中間層及び出力層を用いて、前記出力層の出力を、前記観測データを分析した結果とする前記分析処理を行う分析部を備え、
前記学習済みニューラルネットワークは、前記所定の中間層のノード数が前記出力層のノード数よりも少なくなるように構成され、かつ、前記所定の中間層の一つ前の中間層が、前記低次元観測データの平均と分散をそれぞれ出力するノードを含み、前記分散を出力するノードの出力に、ノイズを乗算して、前記所定の中間層の入力とするように構成された学習用ニューラルネットワークを用いて予め学習されているデータ分析システム。 - 前記学習済みニューラルネットワークは、分析対象となる前記観測データとは異なる、前記分析して得られる結果が既知の観測データを学習データとして予め学習されている請求項1に記載のデータ分析システム。
- 前記変換部は、前記学習済みニューラルネットワークにおける前記所定の中間層の一つ前の中間層の前記平均を出力するノードの出力を、前記所定の中間層の出力として用いて、前記低次元観測データを出力する請求項2に記載のデータ分析システム。
- 計器により観測された観測データを分析する機器を含むデータ分析システムによるデータ分析方法であって、
前記計器が備える変換部が、前記観測データを、前記観測データの次元よりも少ない次元の低次元観測データに変換する変換処理であって、予め用意された学習済みニューラルネットワークの入力層を介して受け付けた前記観測データを、前記入力層から所定の中間層まで処理された結果得られる前記中間層の出力である前記低次元観測データを出力する前記変換処理を行うステップと、
前記機器が備える分析部が、前記低次元観測データから前記観測データを分析した結果を得る分析処理であって、前記低次元観測データを前記所定の中間層の次の中間層に入力し、前記次の中間層及び出力層を用いて、前記出力層の出力を、前記観測データを分析した結果とする前記分析処理を行うステップと、
を含み、
前記学習済みニューラルネットワークは、前記所定の中間層のノード数が前記出力層のノード数よりも少なくなるように構成され、かつ、前記所定の中間層の一つ前の中間層が、前記低次元観測データの平均と分散をそれぞれ出力するノードを含み、前記分散を出力するノードの出力に、ノイズを乗算して、前記所定の中間層の入力とするように構成された学習用ニューラルネットワークを用いて予め学習されているデータ分析方法。 - コンピュータを、請求項1~3のいずれか1項に記載のデータ分析システムが備える変換部及び分析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 |
---|---|---|---|
JP2018079775A JP7056345B2 (ja) | 2018-04-18 | 2018-04-18 | データ分析システム、方法、及びプログラム |
US17/048,539 US20210166118A1 (en) | 2018-04-18 | 2019-04-16 | Data analysis system, method, and program |
PCT/JP2019/016327 WO2019203232A1 (ja) | 2018-04-18 | 2019-04-16 | データ分析システム、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018079775A JP7056345B2 (ja) | 2018-04-18 | 2018-04-18 | データ分析システム、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019191635A JP2019191635A (ja) | 2019-10-31 |
JP7056345B2 true JP7056345B2 (ja) | 2022-04-19 |
Family
ID=68240336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018079775A Active JP7056345B2 (ja) | 2018-04-18 | 2018-04-18 | データ分析システム、方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210166118A1 (ja) |
JP (1) | JP7056345B2 (ja) |
WO (1) | WO2019203232A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7475150B2 (ja) | 2020-02-03 | 2024-04-26 | キヤノン株式会社 | 推論装置、推論方法、及びプログラム |
US20220004955A1 (en) * | 2020-07-02 | 2022-01-06 | Kpn Innovations, Llc. | Method and system for determining resource allocation instruction set for meal preparation |
JP7482011B2 (ja) | 2020-12-04 | 2024-05-13 | 株式会社東芝 | 情報処理システム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016071597A (ja) * | 2014-09-30 | 2016-05-09 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP6784162B2 (ja) * | 2016-12-13 | 2020-11-11 | 富士通株式会社 | 情報処理装置、プログラム及び情報処理方法 |
US11640617B2 (en) * | 2017-03-21 | 2023-05-02 | Adobe Inc. | Metric forecasting employing a similarity determination in a digital medium environment |
-
2018
- 2018-04-18 JP JP2018079775A patent/JP7056345B2/ja active Active
-
2019
- 2019-04-16 US US17/048,539 patent/US20210166118A1/en active Pending
- 2019-04-16 WO PCT/JP2019/016327 patent/WO2019203232A1/ja active Application Filing
Non-Patent Citations (5)
Title |
---|
Diederik P. Kingma, et al.,"Auto-Encoding Variational Bayes",arXiv:1312.6114v10,version v10,[online], arXiv (Cornell University),2014年05月01日,Pages 1-14,[令和4年3月2日検索], インターネット, <URL: https://arxiv.org/abs/1312.6114v10> and <URL: https://arxiv.org/pdf/1312.6114v10.pdf>. |
MITANI, T., et al.,"Compression and Aggregation for Optimizing Information Transmission in Distributed CNN",Proceedings of 2017 Fifth International Symposium on Computing and Networking (CANDAR),2017年11月22日,Pages 112-118,ISBN: 978-1-5386-2087-8, ISSN: 2379-1896, <DOI: 10.1109/CANDAR.2017.13>. |
Nait Charif Hammadi(外2名),「ノイズ注入によるニューラルネットワークのフォールトトレランスと汎化能力の向上」,電子情報通信学会1997年総合大会講演論文集,分冊:情報・システム1,日本,社団法人 電子情報通信学会,1997年03月06日,第238頁. |
福岡久和(外4名),「分散CNNにおける圧縮と集約による情報転送の最適化」,電子情報通信学会技術研究報告,日本,一般社団法人 電子情報通信学会,2017年11月12日,Vol.117, No.314,第51~54頁,ISSN: 0913-5685. |
福岡久和(外4名),「動画圧縮技術を利用した分散機械学習における情報伝達効率化」,電子情報通信学会技術研究報告,日本,一般社団法人 電子情報通信学会,2017年07月19日,Vol.117, No.153,第151~155頁,ISSN: 0913-5685. |
Also Published As
Publication number | Publication date |
---|---|
WO2019203232A1 (ja) | 2019-10-24 |
US20210166118A1 (en) | 2021-06-03 |
JP2019191635A (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10671889B2 (en) | Committed information rate variational autoencoders | |
US11468262B2 (en) | Deep network embedding with adversarial regularization | |
Cao et al. | Class-specific soft voting based multiple extreme learning machines ensemble | |
CN110520871B (zh) | 使用学习进度测量训练机器学习模型 | |
JP7056345B2 (ja) | データ分析システム、方法、及びプログラム | |
JP6381768B1 (ja) | 学習装置、学習方法、学習プログラムおよび動作プログラム | |
CN109478204A (zh) | 非结构化文本的机器理解 | |
CN111241287A (zh) | 用于生成对抗文本的生成模型的训练方法及装置 | |
JP6908302B2 (ja) | 学習装置、識別装置及びプログラム | |
KR102453549B1 (ko) | 인공지능과 빅데이터를 이용하여 자동 트레이딩 봇을 지원하는 주식 거래 플랫폼 서버 및 이의 동작 방법 | |
CN110717027B (zh) | 多轮智能问答方法、系统以及控制器和介质 | |
JP2008015824A (ja) | フィルタ列生成装置、フィルタ列生成方法、コンピュータをフィルタ列生成装置として機能させるためのプログラム、および記録媒体 | |
KR102093080B1 (ko) | 레이블 데이터 및 비레이블 데이터를 이용한 생성적 적대 신경망 기반의 분류 시스템 및 방법 | |
CN114548300B (zh) | 解释业务处理模型的业务处理结果的方法和装置 | |
CN114090401A (zh) | 处理用户行为序列的方法及装置 | |
JP2019079102A (ja) | 学習装置、生成装置、分類装置、学習方法、学習プログラム、および動作プログラム | |
KR102105951B1 (ko) | 추론을 위한 제한된 볼츠만 머신 구축 방법 및 추론을 위한 제한된 볼츠만 머신을 탑재한 컴퓨터 장치 | |
JP7047849B2 (ja) | 識別装置、識別方法、および識別プログラム | |
Zhu et al. | A hybrid model for nonlinear regression with missing data using quasilinear kernel | |
KR102453557B1 (ko) | 뉴스 기사에 대한 긍정, 부정 또는 중립 여부를 평가한 결과에 따라 예측 주가를 제공하는 주식 거래 플랫폼 서버 및 이의 동작 방법 | |
JP7024687B2 (ja) | データ分析システム、学習装置、方法、及びプログラム | |
CN112463964B (zh) | 文本分类及模型训练方法、装置、设备及存储介质 | |
CN111159397B (zh) | 文本分类方法和装置、服务器 | |
JP7059458B2 (ja) | 生成的敵対神経網ベースの分類システム及び方法 | |
WO2018002967A1 (ja) | 情報処理システム、情報処理方法、及び、記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211015 |
|
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: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220321 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7056345 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |