JP7115247B2 - 機械学習方法、機械学習プログラムおよび機械学習装置 - Google Patents
機械学習方法、機械学習プログラムおよび機械学習装置 Download PDFInfo
- Publication number
- JP7115247B2 JP7115247B2 JP2018218685A JP2018218685A JP7115247B2 JP 7115247 B2 JP7115247 B2 JP 7115247B2 JP 2018218685 A JP2018218685 A JP 2018218685A JP 2018218685 A JP2018218685 A JP 2018218685A JP 7115247 B2 JP7115247 B2 JP 7115247B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- attractor
- machine learning
- time
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0418—Architecture, e.g. interconnection topology using chaos or fractal principles
-
- 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
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Description
図1は、実施例1にかかる学習装置10を説明する図である。図1に示す学習装置10は、機械学習を実行するコンピュータ装置の一例である。具体的には、学習装置10は、周期的な性質を有するデータの一例である時系列データを入力データとして、適切な間隔で入力データからデータを間引き、学習データを生成する。そして、学習装置10は、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、疑似アトラクタの生成およびベッチ系列の生成を実行する。
図2は、実施例1にかかる学習装置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、学習装置10は、通信部11、記憶部12、制御部20を有する。
図10は、全体的な処理の流れを示すフローチャートである。図10に示すように、処理開始時が指示されると(S101:Yes)、間引き実行部21は、入力データを読み込み(S102)、間引き間隔の算出処理を実行する(S103)。
図11は、間引き間隔の算出処理の流れを示すフローチャートである。なお、この処理は、図10のS103で実行される処理である。
上述したように、学習装置10は、人手による繰り返し作業を行わずに、適切なサンプリング間隔を抽出できるので、疑似アトラクタの生成過程が機械学習に与える悪影響を抑制することができ、分析も高速化することができる。また、学習装置10は、着目する周波数に対する適切なサンプリング間隔を提示するので、データのサンプリング周期が適切であるか否かを判別することもできる。
上記実施例では、周期的なデータを用いた例を説明したが、これに限定されるものではない。図13は、非周期的なデータ例を示す図である。図13に示すような、周期的なデータでなく、電流等で時間的な変動がある値で安定するような場合でも、例えば時定数τを用いて、目安となる周波数f=1/(2τ)が算出できるので、間引き間隔も求めることができる。
また、上記実施例で用いた数値、ラベルの設定内容、各種設定値、疑似アトラクタの次元数等は、あくまで一例であり、任意に変更することができる。また、入力データや学習方法などもあくまで一例であり、任意に変更することができる。
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。
図14は、ハードウェア構成例を説明する図である。図14に示すように、学習装置10は、通信装置10a、HDD(Hard Disk Drive)10b、メモリ10c、プロセッサ10dを有する。また、図14に示した各部は、バス等で相互に接続される。
11 通信部
12 記憶部
13 入力データDB
14 学習データDB
15 設定値DB
16 学習結果DB
20 制御部
21 間引き実行部
22 系列生成部
23 学習部
24 判別部
Claims (5)
- コンピュータが、
周期的な性質を有する入力データの基本周期から、サイン波を生成し、
前記サイン波から生成されたアトラクタの真円度に基づきサンプリング周期を特定し、
特定されたサンプリング周期で、前記入力データをサンプリングして擬似アトラクタを生成し、
前記擬似アトラクタを用いて、機械学習を実行する、
処理を実行することを特徴とする機械学習方法。 - データを抽出する各間隔を設定し、
前記各間隔それぞれを用いて、前記サイン波からデータを抽出して、抽出された各データを用いて各アトラクタを生成する処理を前記コンピュータが実行し、
前記特定する処理は、前記各間隔に対応する前記各アトラクタの真円度に基づき、前記サンプリング周期を特定することを特徴とする請求項1に記載の機械学習方法。 - 前記特定する処理は、前記各間隔に対応する前記各アトラクタの半径の分散値を算出し、前記分散値が最小となる間隔を、前記サンプリング周期と特定することを特徴とする請求項2に記載の機械学習方法。
- コンピュータに、
周期的な性質を有する入力データの基本周期から、サイン波を生成し、
前記サイン波から生成されたアトラクタの真円度に基づきサンプリング周期を特定し、
特定されたサンプリング周期で、前記入力データをサンプリングして擬似アトラクタを生成し、
前記擬似アトラクタを用いて、機械学習を実行する、
処理を実行させることを特徴とする機械学習プログラム。 - 周期的な性質を有する入力データの基本周期から、サイン波を生成する生成部と、
前記サイン波から生成されたアトラクタの真円度に基づきサンプリング周期を特定する特定部と、
特定されたサンプリング周期で、前記入力データをサンプリングして擬似アトラクタを生成する生成部と、
前記擬似アトラクタを用いて、機械学習を実行する学習部と、
を有することを特徴とする機械学習装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018218685A JP7115247B2 (ja) | 2018-11-21 | 2018-11-21 | 機械学習方法、機械学習プログラムおよび機械学習装置 |
US16/661,358 US11640553B2 (en) | 2018-11-21 | 2019-10-23 | Method for analyzing time-series data based on machine learning and information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018218685A JP7115247B2 (ja) | 2018-11-21 | 2018-11-21 | 機械学習方法、機械学習プログラムおよび機械学習装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020086796A JP2020086796A (ja) | 2020-06-04 |
JP7115247B2 true JP7115247B2 (ja) | 2022-08-09 |
Family
ID=70727276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018218685A Active JP7115247B2 (ja) | 2018-11-21 | 2018-11-21 | 機械学習方法、機械学習プログラムおよび機械学習装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11640553B2 (ja) |
JP (1) | JP7115247B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116097365A (zh) * | 2020-09-03 | 2023-05-09 | Ssst株式会社 | 生物体信息运算系统、服务器和数据结构 |
WO2023195928A1 (en) * | 2022-04-05 | 2023-10-12 | Singapore University Of Technology And Design | System and method of detecting attacks against automatic generation control (agc) of a grid |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014169867A (ja) | 2013-03-01 | 2014-09-18 | Meidensha Corp | 部分放電検出装置及び部分放電検出方法 |
JP2017097643A (ja) | 2015-11-25 | 2017-06-01 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11142425A (ja) | 1997-11-10 | 1999-05-28 | Furuno Electric Co Ltd | 流速測定装置および超音波診断装置 |
WO2006137142A1 (ja) | 2005-06-23 | 2006-12-28 | Rion Co., Ltd. | エンジン回転数計測方法及びその装置 |
JP6816481B2 (ja) | 2016-12-02 | 2021-01-20 | 富士通株式会社 | 削減条件特定方法、削減条件特定プログラム及び削減条件特定装置 |
-
2018
- 2018-11-21 JP JP2018218685A patent/JP7115247B2/ja active Active
-
2019
- 2019-10-23 US US16/661,358 patent/US11640553B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014169867A (ja) | 2013-03-01 | 2014-09-18 | Meidensha Corp | 部分放電検出装置及び部分放電検出方法 |
JP2017097643A (ja) | 2015-11-25 | 2017-06-01 | 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 |
Non-Patent Citations (1)
Title |
---|
Sean M. Kennedy et al.,"A Novel Method for Topological Embedding of Time-Series Data",2018 26th European Signal Processing Conference (EUSIPCO),IEEE,2018年09月,pp.2350-2354,DOI: 10.23919/EUSIPCO.2018.8553502 |
Also Published As
Publication number | Publication date |
---|---|
JP2020086796A (ja) | 2020-06-04 |
US11640553B2 (en) | 2023-05-02 |
US20200160216A1 (en) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Generalized composite multiscale permutation entropy and Laplacian score based rolling bearing fault diagnosis | |
JP6606997B2 (ja) | 機械学習プログラム、機械学習方法及び情報処理装置 | |
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 | |
JP6816481B2 (ja) | 削減条件特定方法、削減条件特定プログラム及び削減条件特定装置 | |
JP7115247B2 (ja) | 機械学習方法、機械学習プログラムおよび機械学習装置 | |
US20220245405A1 (en) | Deterioration suppression program, deterioration suppression method, and non-transitory computer-readable storage medium | |
CN113919497A (zh) | 针对连续学习能力系统的基于特征操纵的攻击和防御方法 | |
CN113902956A (zh) | 融合模型的训练方法、图像融合方法、装置、设备及介质 | |
US11023562B2 (en) | Analysis method, analysis device, and recording medium | |
JP7131351B2 (ja) | 学習方法、学習プログラムおよび学習装置 | |
JP7215350B2 (ja) | 脳症判定プログラム、脳症判定方法および情報処理装置 | |
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 | |
US20210390623A1 (en) | Data analysis method and data analysis device | |
JP6950505B2 (ja) | 判別プログラム、判別方法および判別装置 | |
JP7040065B2 (ja) | 検出プログラム、検出方法および検出装置 | |
CN113408210A (zh) | 基于深度学习的非侵入负荷分解方法、系统、介质和设备 | |
CN110889396A (zh) | 能源互联网扰动分类方法、装置、电子设备和存储介质 | |
Al-Behadili et al. | Semi-supervised learning using incremental support vector machine and extreme value theory in gesture data | |
Ozekes et al. | AutoVDBSCAN: An automatic and level-wise varied-density based anomaly detection algorithm | |
JP2021125035A (ja) | 検知プログラム、検知方法及び検知装置 | |
CN113111996A (zh) | 模型生成方法和装置 | |
JP6954070B2 (ja) | 判別プログラム、判別方法および判別装置 | |
Masuyama et al. | A Parameter-free Adaptive Resonance Theory-based Topological Clustering Algorithm Capable of Continual Learning | |
CN112699909B (zh) | 信息识别方法、装置、电子设备及计算机可读存储介质 | |
Vachkov | Temporal and spatial evolving knowledge base system with sequential clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210810 |
|
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: 20220628 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220630 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220711 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7115247 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |