JP7275903B2 - データ分析システム、データ分析方法及びプログラム - Google Patents
データ分析システム、データ分析方法及びプログラム Download PDFInfo
- Publication number
- JP7275903B2 JP7275903B2 JP2019117776A JP2019117776A JP7275903B2 JP 7275903 B2 JP7275903 B2 JP 7275903B2 JP 2019117776 A JP2019117776 A JP 2019117776A JP 2019117776 A JP2019117776 A JP 2019117776A JP 7275903 B2 JP7275903 B2 JP 7275903B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- feature
- time
- data analysis
- feature amount
- 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
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
まず、本発明の実施の形態におけるデータ分析システム10の全体構成について、図1及び図2を参照しながら説明する。図1及び図2は、本発明の実施の形態におけるデータ分析システム10の全体構成の一例を示す図である。
図1に示すように、推論時におけるデータ分析システム10は、前処理部101と、第1の関係性抽出部102と、第2の関係性抽出部103と、第3の関係性抽出部104と、出力部105と、ユーザインタフェース部106と、記憶部110とを有する。
図2に示すように、学習時におけるデータ分析システム10は、前処理部101と、第1の関係性抽出部102と、第2の関係性抽出部103と、第3の関係性抽出部104と、出力部105と、ユーザインタフェース部106と、パラメータ更新部107と、記憶部110とを有する。なお、前処理部101、第1の関係性抽出部102、第2の関係性抽出部103、第3の関係性抽出部104、出力部105及びユーザインタフェース部106は、それぞれ推論時と同様であるため、その説明を省略する。ただし、第1の関係性抽出部102、第2の関係性抽出部103及び第3の関係性抽出部104は、学習済みでないパラメータを用いたCNNによりそれぞれ実現される。
次に、本発明の実施の形態におけるデータ分析システム10のハードウェア構成について、図3を参照しながら説明する。図3は、本発明の実施の形態におけるデータ分析システム10のハードウェア構成の一例を示す図である。
以降では、推論時におけるデータ分析処理について、図4を参照しながら説明する。図4は、本発明の実施の形態におけるデータ分析処理の一例を示すフローチャートである。なお、データ分析処理では、第1の関係性抽出部102、第2の関係性抽出部103及び第3の関係性抽出部104をそれぞれ実現するCNNのパラメータは予め学習済みであるものとする。
以降では、学習時におけるパラメータ更新処理について、図6を参照しながら説明する。図6は、本発明の実施の形態におけるパラメータ更新処理の一例を示すフローチャートである。なお、データ分析処理では、第1の関係性抽出部102、第2の関係性抽出部103及び第3の関係性抽出部104をそれぞれ実現するCNNのパラメータは学習済みでないものとする。
101 前処理部
102 第1の関係性抽出部
103 第2の関係性抽出部
104 第3の関係性抽出部
105 出力部
106 ユーザインタフェース部
107 パラメータ更新部
110 記憶部
Claims (5)
- 複数の種類の時系列データから、各時刻において、前記時系列データを構成する各データの次元間の特徴を示す第1の特徴量を抽出する第1の特徴量抽出手段と、
前記第1の特徴量抽出手段により抽出された第1の特徴量から、各時刻において、前記種類間の特徴を示す第2の特徴量を抽出する第2の特徴量抽出手段と、
前記第2の特徴量抽出手段により抽出された第2の特徴量から、各時刻間の特徴を示す第3の特徴量を抽出する第3の特徴量抽出手段と、
前記第3の特徴量抽出手段により抽出された第3の特徴量を用いて、所定のデータ分析を行う分析手段と、
を有することを特徴とするデータ分析システム。 - 前記第1の特徴量抽出手段は、予め学習された学習済みパラメータを用いた畳み込みニューラルネットワーク、主成分分析、又は予め学習された学習済みパラメータを用いた自己符号化器の符号化器のいずれかにより前記第1の特徴量を抽出し、
前記第2の特徴量抽出手段は、予め学習された学習済みパラメータを用いた畳み込みニューラルネットワークにより前記第2の特徴量を抽出し、
前記第3の特徴量抽出手段は、予め学習された学習済みパラメータを用いた畳み込みニューラルネットワークにより前記第3の特徴量を抽出する、ことを特徴とする請求項1に記載のデータ分析システム。 - 前記分析手段は、
前記データ分析の目的に応じて前記種類ごとに準備された関数を用いて、前記第3の特徴量からデータ分析結果を出力する、ことを特徴とする請求項1又は2に記載のデータ分析システム。 - 複数の種類の時系列データから、各時刻において、前記時系列データを構成する各データの次元間の特徴を示す第1の特徴量を抽出する第1の特徴量抽出手順と、
前記第1の特徴量抽出手順で抽出された第1の特徴量から、各時刻において、前記種類間の特徴を示す第2の特徴量を抽出する第2の特徴量抽出手順と、
前記第2の特徴量抽出手順で抽出された第2の特徴量から、各時刻間の特徴を示す第3の特徴量を抽出する第3の特徴量抽出手順と、
前記第3の特徴量抽出手順で抽出された第3の特徴量を用いて、所定のデータ分析を行う分析手順と、
をコンピュータが実行することを特徴とするデータ分析方法。 - 複数の種類の時系列データから、各時刻において、前記時系列データを構成する各データの次元間の特徴を示す第1の特徴量を抽出する第1の特徴量抽出手順と、
前記第1の特徴量抽出手順で抽出された第1の特徴量から、各時刻において、前記種類間の特徴を示す第2の特徴量を抽出する第2の特徴量抽出手順と、
前記第2の特徴量抽出手順で抽出された第2の特徴量から、各時刻間の特徴を示す第3の特徴量を抽出する第3の特徴量抽出手順と、
前記第3の特徴量抽出手順で抽出された第3の特徴量を用いて、所定のデータ分析を行う分析手順と、
をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019117776A JP7275903B2 (ja) | 2019-06-25 | 2019-06-25 | データ分析システム、データ分析方法及びプログラム |
US17/618,596 US20220358352A1 (en) | 2019-06-25 | 2020-06-22 | Data analysis system, data analysis method, and program |
PCT/JP2020/024441 WO2020262316A1 (ja) | 2019-06-25 | 2020-06-22 | データ分析システム、データ分析方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019117776A JP7275903B2 (ja) | 2019-06-25 | 2019-06-25 | データ分析システム、データ分析方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021005170A JP2021005170A (ja) | 2021-01-14 |
JP7275903B2 true JP7275903B2 (ja) | 2023-05-18 |
Family
ID=74061764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019117776A Active JP7275903B2 (ja) | 2019-06-25 | 2019-06-25 | データ分析システム、データ分析方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220358352A1 (ja) |
JP (1) | JP7275903B2 (ja) |
WO (1) | WO2020262316A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015154845A (ja) | 2014-02-20 | 2015-08-27 | パナソニックヘルスケア株式会社 | 健康管理支援装置およびその制御方法 |
JP2018198028A (ja) | 2017-05-25 | 2018-12-13 | 日本電信電話株式会社 | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム |
JP2019008742A (ja) | 2017-06-28 | 2019-01-17 | ヤフー株式会社 | 学習装置、生成装置、学習方法、生成方法、学習プログラム、および生成プログラム |
-
2019
- 2019-06-25 JP JP2019117776A patent/JP7275903B2/ja active Active
-
2020
- 2020-06-22 US US17/618,596 patent/US20220358352A1/en active Pending
- 2020-06-22 WO PCT/JP2020/024441 patent/WO2020262316A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015154845A (ja) | 2014-02-20 | 2015-08-27 | パナソニックヘルスケア株式会社 | 健康管理支援装置およびその制御方法 |
JP2018198028A (ja) | 2017-05-25 | 2018-12-13 | 日本電信電話株式会社 | 移動状況認識モデル学習装置、移動状況認識装置、方法、及びプログラム |
JP2019008742A (ja) | 2017-06-28 | 2019-01-17 | ヤフー株式会社 | 学習装置、生成装置、学習方法、生成方法、学習プログラム、および生成プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021005170A (ja) | 2021-01-14 |
US20220358352A1 (en) | 2022-11-10 |
WO2020262316A1 (ja) | 2020-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6755849B2 (ja) | 人工ニューラルネットワークのクラスに基づく枝刈り | |
KR101880907B1 (ko) | 비정상 세션 감지 방법 | |
Mohan et al. | Spatio-temporal deep learning models of 3D turbulence with physics informed diagnostics | |
WO2019005186A1 (en) | NEURONAL NETWORKS OF TOPOLOGY-SENSITIVE GRAPHICS | |
JP2020126021A (ja) | 異常音検知装置および異常音検知方法 | |
Khan et al. | Physics-inspired deep learning to characterize the signal manifold of quasi-circular, spinning, non-precessing binary black hole mergers | |
WO2022095376A1 (zh) | 方面级别情感分类方法、装置、设备及可读存储介质 | |
KR102250728B1 (ko) | 샘플 처리 방법, 장치, 기기 및 저장 매체 | |
CN115244587A (zh) | 高效基础事实注释 | |
CN112257578A (zh) | 人脸关键点检测方法、装置、电子设备及存储介质 | |
US20200074277A1 (en) | Fuzzy input for autoencoders | |
Lamere et al. | Inference of gene co-expression networks from single-cell RNA-sequencing data | |
CN116383521B (zh) | 主题词挖掘方法及装置、计算机设备及存储介质 | |
JP7275903B2 (ja) | データ分析システム、データ分析方法及びプログラム | |
Guillén et al. | Fast feature selection in a gpu cluster using the delta test | |
CN115206421B (zh) | 药物重定位方法、重定位模型的训练方法及装置 | |
Kumar et al. | Hybrid evolutionary techniques in feed forward neural network with distributed error for classification of handwritten Hindi ‘SWARS’ | |
Chandra | Dynamic cyclone wind-intensity prediction using co-evolutionary multi-task learning | |
JP7425755B2 (ja) | 変換方法、訓練装置及び推論装置 | |
CN113010687A (zh) | 一种习题标签预测方法、装置、存储介质以及计算机设备 | |
US20210073624A1 (en) | Transfer learning with augmented neural networks | |
CN111724487A (zh) | 一种流场数据可视化方法、装置、设备及存储介质 | |
Zhao et al. | Neural-Network-Based Feature Learning: Recurrent Neural Network | |
Kosmopoulos et al. | The use of deep learning in the classification of buildings at the post-revolutionary city of Athens | |
CN117239739B (zh) | 一种知识大模型预测用户侧负荷方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221208 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230417 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7275903 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |