JP7335352B2 - アンサンブル・モデルの強化された多様性および学習 - Google Patents
アンサンブル・モデルの強化された多様性および学習 Download PDFInfo
- Publication number
- JP7335352B2 JP7335352B2 JP2021559389A JP2021559389A JP7335352B2 JP 7335352 B2 JP7335352 B2 JP 7335352B2 JP 2021559389 A JP2021559389 A JP 2021559389A JP 2021559389 A JP2021559389 A JP 2021559389A JP 7335352 B2 JP7335352 B2 JP 7335352B2
- Authority
- JP
- Japan
- Prior art keywords
- data points
- class
- clusters
- minority
- minority class
- 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
- G06N20/20—Ensemble learning
-
- 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
- G06F18/211—Selection of the most significant subset of features
- G06F18/2115—Selection of the most significant subset of features by evaluating different subsets according to an optimisation criterion, e.g. class separability, forward selection or backward elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/259—Fusion by voting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Debugging And Monitoring (AREA)
Description
オンデマンド・セルフサービス:クラウド・コンシューマは、サーバ時間およびネットワーク・ストレージなどのコンピューティング機能の供給を、このサービスのプロバイダとのヒューマン・インタラクションを必要とすることなく必要に応じて自動的に一方向的に受けることができる。
ブロード・ネットワーク・アクセス:機能は、ネットワーク上で利用可能であり、機能には、異種のシンまたはシック・クライアント・プラットホーム(例えば移動電話、ラップトップおよびPDA)による使用を促進する標準的機構を通してアクセスされる。
リソース・プーリング(resource pooling):マルチテナント・モデルを使用して多数のコンシューマにサービスを提供するために、プロバイダのコンピューティング・リソースがプールされており、要求に応じて、異なる物理的および仮想リソースが動的に割当ておよび再割当てされる。コンシューマは一般に、提供されたリソースの正確な位置を制御できずまたは正確な位置を知らないが、より高次の抽象化レベル(例えば国、州またはデータセンター)で位置を指定することができるという意味で、位置独立の感覚がある。
ラピッド・エラスティシティ(rapid elasticity):機能は、素早くスケールアウトするために迅速かつ弾力的に、場合によっては自動的に供給することができ、素早くスケールインするために迅速にリリースすることができる。コンシューマにとって、供給に利用可能な機能はしばしば無限であるように見え、いつでも好きな量だけ購入することができる。
メジャード・サービス(measured service):クラウド・システムは、サービスのタイプ(例えば、ストレージ、処理、帯域および使用中ユーザ・アカウント)に対して適切なある抽象化レベルで計測機能を活用することによって、リソースの使用状況を自動的に制御および最適化する。リソースの使用状況を監視、制御および報告して、利用されているサービスのプロバイダとコンシューマの両方に透明性を提供することができる。
ソフトウェア・アズ・ア・サービス(SaaS):コンシューマに提供されるこの機能は、クラウド・インフラストラクチャ上でランしているプロバイダのアプリケーションを使用する機能である。ウェブ・ブラウザなどのシン・クライアント・インタフェース(例えばウェブ・ベースの電子メール)を通してさまざまなクライアント・デバイスからアプリケーションにアクセス可能である。場合によっては可能な限られたユーザ固有のアプリケーション構成の設定を除けば、コンシューマは、ネットワーク、サーバ、オペレーティング・システム、ストレージまたは個々のアプリケーション機能を含む基礎をなすクラウド・インフラストラクチャを管理もまたは制御もしない。
プラットホーム・アズ・ア・サービス(PaaS):コンシューマに提供されるこの機能は、クラウド・インフラストラクチャ上で、プロバイダがサポートするプログラム言語およびツールを使用して作成されたコンシューマ作成または取得のアプリケーションをデプロイする機能である。コンシューマは、ネットワーク、サーバ、オペレーティング・システムまたはストレージを含む基礎をなすクラウド・インフラストラクチャを管理もまたは制御もしないが、デプロイされたアプリケーションおよび場合によってはアプリケーション・ホスティング環境構成は制御することができる。
インフラストラクチャ・アズ・ア・サービス(IaaS):コンシューマに提供されるこの機能は、処理、ストレージ、ネットワークおよび他の基本的なコンピューティング・リソースを供給する機能であり、コンシューマは任意のソフトウェアをデプロイおよびランすることができ、これらのソフトウェアは、オペレーティング・システムおよびアプリケーションを含むことができる。コンシューマは、基礎をなすクラウド・インフラストラクチャを管理もまたは制御もしないが、オペレーティング・システム、ストレージおよびデプロイされたアプリケーションは制御することができ、場合によっては、選択されたネットワーク構成要素(例えばホスト・ファイアウォール)を限定的に制御することができる。
プライベート・クラウド:このクラウド・インフラストラクチャは、組織体のためだけに運営される。インフラストラクチャは、その組織体または第三者が管理することができ、オンプレミス(on-premises)またはオフプレミス(off-premises)で存在することができる。
コミュニティ・クラウド:このクラウド・インフラストラクチャは、いくつかの組織体によって共有され、利害(例えばミッション、セキュリティ要件、ポリシーおよびコンプライアンス上の問題)を共有する特定のコミュニティをサポートする。インフラストラクチャは、その組織体または第三者が管理することができ、オンプレミスまたはオフプレミスで存在することができる。
パブリック・クラウド:このクラウド・インフラストラクチャは、一般大衆または大きな産業グループが利用可能であり、クラウド・サービスを販売している組織体によって所有される。
ハイブリッド・クラウド:このクラウド・インフラストラクチャは、固有のエンティティ(entity)を維持しているが、データおよびアプリケーション・ポータビリティを可能にする標準化された技術または独占技術(例えばクラウド間のロード・バランシングのためのクラウド・バースティング(cloud bursting))によって1つに結合された2つ以上のクラウド(プライベート、コミュニティまたはパブリック)の合成体である。
Claims (16)
- コンピューティング環境においてプロセッサによってアンサンブル・モデルの強化された多様性および学習を実現するための方法であって、
少数クラスのデータ点の1つまたは複数のクラスタを多数クラスの選択されたデータ点と結合することによって、1つまたは複数のデータ・セットを生成すること、
教師あり機械学習操作を使用して、前記1つまたは複数のデータ・セットから1つまたは複数のアンサンブル・モデルを生成すること、および
前記1つまたは複数のアンサンブル・モデルを使用して事象の発生を予測すること
を含む、方法。 - 前記1つまたは複数のアンサンブル・モデルからの1つまたは複数の予測を結合することによって、テスト・データ点のスコアを決定することをさらに含む、請求項1に記載の方法。
- 複数のデータ点から1つまたは複数の特徴を抽出すること、
前記1つまたは複数の特徴に従って、前記複数のデータ点のうちのデータ点を前記多数クラスまたは前記少数クラスに分類すること
をさらに含む、請求項1に記載の方法。 - 複数の少数クラス・データ点を、前記少数クラスを形成するK個のクラスタにクラスタ化すること、および
前記少数クラスの前記K個のクラスタのうちのそれぞれのクラスタを、前記多数クラスのランダムな数の前記選択されたデータ点によって増大させること
をさらに含む、請求項1に記載の方法。 - 前記少数クラスの1つまたは複数のサブクラスを検出することをさらに含む、請求項1に記載の方法。
- 前記教師あり機械学習操作を使用して、前記少数クラスを、データ点の前記1つまたは複数のクラスタに分割することをさらに含む、請求項1に記載の方法。
- 予め定められた判定基準に従って、前記少数クラスのデータ点の前記1つまたは複数のクラスタにラベルを付けることをさらに含む、請求項1に記載の方法。
- コンピューティング環境においてアンサンブル・モデルの強化された多様性および学習を実現するためのシステムであって、
実行可能命令を含む1つまたは複数のコンピュータ
を備え、前記実行可能命令が、実行されたときに、前記システムに、
少数クラスのデータ点の1つまたは複数のクラスタを多数クラスの選択されたデータ点と結合することによって、1つまたは複数のデータ・セットを生成すること、
教師あり機械学習操作を使用して、前記1つまたは複数のデータ・セットから1つまたは複数のアンサンブル・モデルを生成すること、および
前記1つまたは複数のアンサンブル・モデルを使用して事象の発生を予測すること
を実行させる、システム。 - 前記実行可能命令が、前記1つまたは複数のアンサンブル・モデルからの1つまたは複数の予測を結合することによって、テスト・データ点のスコアを決定する、請求項8に記載のシステム。
- 前記実行可能命令が、
複数のデータ点から1つまたは複数の特徴を抽出し、
前記1つまたは複数の特徴に従って、前記複数のデータ点のうちのデータ点を前記多数クラスまたは前記少数クラスに分類する、
請求項8に記載のシステム。 - 前記実行可能命令が、
複数の少数クラス・データ点を、前記少数クラスを形成するK個のクラスタにクラスタ化し、
前記少数クラスの前記K個のクラスタのうちのそれぞれのクラスタを、前記多数クラスのランダムな数の前記選択されたデータ点によって増大させる、
請求項8に記載のシステム。 - 前記実行可能命令が、前記少数クラスの1つまたは複数のサブクラスを検出する、請求項8に記載のシステム。
- 前記実行可能命令が、前記教師あり機械学習操作を使用して、前記少数クラスを、データ点の前記1つまたは複数のクラスタに分割する、請求項8に記載のシステム。
- 前記実行可能命令が、予め定められた判定基準に従って、前記少数クラスのデータ点の前記1つまたは複数のクラスタにラベルを付ける、請求項8に記載のシステム。
- コンピュータ・プログラムであって、請求項1ないし7のいずれか1項に記載の方法の各ステップをコンピュータに実行させるための、コンピュータ・プログラム。
- 請求項15に記載のコンピュータ・プログラムを記録した、コンピュータ可読ストレージ媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/381,979 US11593716B2 (en) | 2019-04-11 | 2019-04-11 | Enhanced ensemble model diversity and learning |
US16/381,979 | 2019-04-11 | ||
PCT/IB2020/052472 WO2020208445A1 (en) | 2019-04-11 | 2020-03-18 | Enhanced ensemble model diversity and learning |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022527366A JP2022527366A (ja) | 2022-06-01 |
JPWO2020208445A5 JPWO2020208445A5 (ja) | 2022-08-12 |
JP7335352B2 true JP7335352B2 (ja) | 2023-08-29 |
Family
ID=72749268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021559389A Active JP7335352B2 (ja) | 2019-04-11 | 2020-03-18 | アンサンブル・モデルの強化された多様性および学習 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11593716B2 (ja) |
JP (1) | JP7335352B2 (ja) |
CN (1) | CN113632112A (ja) |
GB (1) | GB2598061A (ja) |
WO (1) | WO2020208445A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200342968A1 (en) * | 2019-04-24 | 2020-10-29 | GE Precision Healthcare LLC | Visualization of medical device event processing |
US20210342707A1 (en) * | 2020-05-01 | 2021-11-04 | International Business Machines Corporation | Data-driven techniques for model ensembles |
US11356387B1 (en) | 2020-12-14 | 2022-06-07 | Cigna Intellectual Property, Inc. | Anomaly detection for multiple parameters |
JP7322918B2 (ja) * | 2021-03-29 | 2023-08-08 | 横河電機株式会社 | プログラム、情報処理装置、及び学習モデルの生成方法 |
US20240161458A1 (en) * | 2022-11-10 | 2024-05-16 | Samsung Electronics Co., Ltd. | Method and device with object classification |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122851A (ja) | 2007-11-13 | 2009-06-04 | Internatl Business Mach Corp <Ibm> | データを分類する技術 |
JP2013161298A (ja) | 2012-02-06 | 2013-08-19 | Nippon Steel & Sumitomo Metal | 分類器作成装置、分類器作成方法、及びコンピュータプログラム |
US20180210944A1 (en) | 2017-01-26 | 2018-07-26 | Agt International Gmbh | Data fusion and classification with imbalanced datasets |
JP2020532025A (ja) | 2017-08-11 | 2020-11-05 | ビュノ インコーポレイテッドVuno, Inc. | 被検体の致命的症状の発生を早期に予測するための予測結果を生成する方法、及びそれを利用する装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7127087B2 (en) * | 2000-03-27 | 2006-10-24 | Microsoft Corporation | Pose-invariant face recognition system and process |
WO2007115426A2 (en) * | 2006-03-30 | 2007-10-18 | Carestream Health, Inc. | Smote algorithm with locally linear embedding |
US20130097103A1 (en) | 2011-10-14 | 2013-04-18 | International Business Machines Corporation | Techniques for Generating Balanced and Class-Independent Training Data From Unlabeled Data Set |
US10515448B2 (en) | 2016-09-20 | 2019-12-24 | International Business Machines Corporation | Handprint analysis to predict genetically based traits |
US10956821B2 (en) | 2016-11-29 | 2021-03-23 | International Business Machines Corporation | Accurate temporal event predictive modeling |
CN109032829B (zh) | 2018-07-23 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 数据异常检测方法、装置、计算机设备及存储介质 |
US11128667B2 (en) * | 2018-11-29 | 2021-09-21 | Rapid7, Inc. | Cluster detection and elimination in security environments |
-
2019
- 2019-04-11 US US16/381,979 patent/US11593716B2/en active Active
-
2020
- 2020-03-18 WO PCT/IB2020/052472 patent/WO2020208445A1/en active Application Filing
- 2020-03-18 GB GB2115645.0A patent/GB2598061A/en not_active Withdrawn
- 2020-03-18 JP JP2021559389A patent/JP7335352B2/ja active Active
- 2020-03-18 CN CN202080022167.1A patent/CN113632112A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122851A (ja) | 2007-11-13 | 2009-06-04 | Internatl Business Mach Corp <Ibm> | データを分類する技術 |
JP2013161298A (ja) | 2012-02-06 | 2013-08-19 | Nippon Steel & Sumitomo Metal | 分類器作成装置、分類器作成方法、及びコンピュータプログラム |
US20180210944A1 (en) | 2017-01-26 | 2018-07-26 | Agt International Gmbh | Data fusion and classification with imbalanced datasets |
JP2020532025A (ja) | 2017-08-11 | 2020-11-05 | ビュノ インコーポレイテッドVuno, Inc. | 被検体の致命的症状の発生を早期に予測するための予測結果を生成する方法、及びそれを利用する装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200327456A1 (en) | 2020-10-15 |
GB202115645D0 (en) | 2021-12-15 |
JP2022527366A (ja) | 2022-06-01 |
GB2598061A (en) | 2022-02-16 |
WO2020208445A1 (en) | 2020-10-15 |
CN113632112A (zh) | 2021-11-09 |
US11593716B2 (en) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7335352B2 (ja) | アンサンブル・モデルの強化された多様性および学習 | |
US10956821B2 (en) | Accurate temporal event predictive modeling | |
US11062230B2 (en) | Detecting data anomalies | |
JP7046181B2 (ja) | マルチ・タスク学習を用いた特徴抽出方法、コンピュータ・システム、およびコンピュータ・プログラム製品(マルチ・タスク学習を用いた特徴抽出) | |
US11074913B2 (en) | Understanding user sentiment using implicit user feedback in adaptive dialog systems | |
US11132510B2 (en) | Intelligent management and interaction of a communication agent in an internet of things environment | |
US11048564B2 (en) | API evolution and adaptation based on cognitive selection and unsupervised feature learning | |
US11568249B2 (en) | Automated decision making for neural architecture search | |
US11663486B2 (en) | Intelligent learning system with noisy label data | |
US11645575B2 (en) | Linking actions to machine learning prediction explanations | |
US11432762B2 (en) | Intelligent monitoring of a health state of a user engaged in operation of a computing device | |
US10621976B2 (en) | Intent classification from multiple sources when building a conversational system | |
US20200074052A1 (en) | Intelligent user identification | |
US20220092464A1 (en) | Accelerated machine learning | |
US11847132B2 (en) | Visualization and exploration of probabilistic models | |
US11646116B2 (en) | Intelligent identification of appropriate sections of clinical practical guideline | |
US11314984B2 (en) | Intelligent generation of image-like representations of ordered and heterogenous data to enable explainability of artificial intelligence results | |
US10832393B2 (en) | Automated trend detection by self-learning models through image generation and recognition | |
US20230168877A1 (en) | Upgrading operating software ("os") for devices in a multi-device ecosystem | |
US20220188693A1 (en) | Self-improving bayesian network learning | |
US20230129390A1 (en) | Data processing application system management in non-stationary environments | |
US11740726B2 (en) | Touch sensitivity management | |
US20230342627A1 (en) | Automated lookback window searching | |
US20230214454A1 (en) | Intelligent expansion of reviewer feedback on training data | |
WO2023011618A1 (en) | Predicting root cause of alert using recurrent neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220512 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220803 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220824 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230731 |
|
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: 20230809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230817 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7335352 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |