JP7428233B2 - クラスタリング装置、クラスタリング方法、および、クラスタリングプログラム - Google Patents
クラスタリング装置、クラスタリング方法、および、クラスタリングプログラム Download PDFInfo
- Publication number
- JP7428233B2 JP7428233B2 JP2022502626A JP2022502626A JP7428233B2 JP 7428233 B2 JP7428233 B2 JP 7428233B2 JP 2022502626 A JP2022502626 A JP 2022502626A JP 2022502626 A JP2022502626 A JP 2022502626A JP 7428233 B2 JP7428233 B2 JP 7428233B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor data
- clustering
- data
- clusters
- latent
- 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
- 238000000034 method Methods 0.000 title claims description 75
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0475—Generative networks
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive 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
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- 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
- G06N3/047—Probabilistic or stochastic networks
-
- 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
- G06N3/094—Adversarial learning
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Description
クラスタリング装置10は、入力されたセンサデータのクラスタリングを行う。クラスタリング装置10は、入出力部11と、記憶部12と、制御部13とを備える。
次に、図2を用いて、クラスタリング装置10の処理手順の例を説明する。
次に、モデル構築部132によるモデル構築について詳細に説明する。まず、潜在変数とセンサデータとの関係を説明する。
モデル構築部132は、潜在変数からセンサデータを生成する生成モデルに基づき、センサデータから潜在変数を推定するモデルを構築する。生成モデルは、例えば、InfoGANである。以下、モデル構築部132が生成モデルとしてInfoGANを用いる場合について説明する。
以下、図6を参照しながら、モデル構築部132が生成モデルとしてVAEを用いる場合を説明する。
次に、図7を用いて、クラスタ数特定部134による、潜在変数のクラスタリングについて説明する。例えば、クラスタ数特定部134は、図7に示す潜在変数A,B,Cの軸で表される潜在変数の推定値を、浅い手法によりクラスタリングし、最適なクラスタ数を特定する。
クラスタリング部136は、モデル構築部132により構築されたモデルのハイパーパラメータ情報と、クラスタ数特定部134により特定されたクラスタ数とを用いて、深い手法により(例えば、3層以上のニューラルネットワークにより)、センサデータをクラスタリングする。上記のクラスタリングにより、クラスタリング部136が離散的なデータであるセンサデータをクラスタリングできる理由を以下に説明する。
このように、クラスタリング装置10は、まず、潜在変数とセンサデータとを対応付ける生成モデルに基づき、センサデータの生成元となった潜在変数を推定し、その潜在変数上で最適なクラスタ数を求める。多くの場合、上記の最適なクラスタ数は、同じハイパーパラメータで、同じデータを用いた深い手法によってクラスタリングする場合の最適なクラスタ数と一致する。よって、クラスタリング装置10は、上記の最適なクラスタ数を用いて、深い手法によりセンサデータのクラスタリングを行うことができる。その結果、クラスタリング装置10は、センサデータのクラスタリングを行う際、多くの計算量を必要とするニューラルネットワークの学習過程を何度も繰り返し実行せずに済む。
図8を用いて、上記のプログラム(クラスタリングプログラム)を実行するコンピュータの一例を説明する。図8に示すように、コンピュータ1000は、例えば、メモリ1010と、CPU1020と、ハードディスクドライブインタフェース1030と、ディスクドライブインタフェース1040と、シリアルポートインタフェース1050と、ビデオアダプタ1060と、ネットワークインタフェース1070とを有する。これらの各部は、バス1080によって接続される。
11 入出力部
12 記憶部
13 制御部
131 データ入力受け付け部
132 モデル構築部
133 潜在変数計算部
134 クラスタ数特定部
135 ハイパーパラメータ情報取得部
136 クラスタリング部
Claims (8)
- 教師なし学習または2層以下のニューラルネットワークで扱える次元数の連続的な確率変数である潜在変数からセンサデータが生成されるとみなし、前記潜在変数から前記センサデータを生成する生成モデルに基づき、前記センサデータから前記潜在変数を推定するモデルを構築するモデル構築部と、
前記構築されたモデルを用いて、前記センサデータから、前記センサデータの生成の元となった潜在変数の推定値を計算する潜在変数計算部と、
前記計算された潜在変数の推定値を、教師なし学習または2層以下のニューラルネットワークによりクラスタリングした際のクラスタ数を特定するクラスタ数特定部と、
前記構築されたモデルのハイパーパラメータを取得するハイパーパラメータ情報取得部と、
最終層を除く各層のハイパーパラメータが、前記取得されたハイパーパラメータと同じである3層以上のニューラルネットワークにより、前記センサデータを、前記特定されたクラスタ数にクラスタリングするクラスタリング部と
を備えることを特徴とするクラスタリング装置。 - 前記センサデータは、
人体の生理データ、人体の動きを示す加速度データ、および、人体の動きを示す回転量データのいずれかまたはこれらの組み合わせである
ことを特徴とする請求項1に記載のクラスタリング装置。 - 前記連続的な確率変数は、
正規分布に従った確率変数である
ことを特徴とする請求項1に記載のクラスタリング装置。 - 前記生成モデルは、
教師なし学習によって前記潜在変数から前記センサデータを生成するよう学習されたニューラルネットワークである
ことを特徴とする請求項1に記載のクラスタリング装置。 - 前記ニューラルネットワークは、
GANまたはVAEである
ことを特徴とする請求項4に記載のクラスタリング装置。 - 前記クラスタ数特定部は、
前記センサデータのクラスタ数を特定する際、教師なし学習または2層以下のニューラルネットワークにエルボー法を適用する
ことを特徴とする請求項1に記載のクラスタリング装置。 - クラスタリング装置により実行されるクラスタリング方法であって、
教師なし学習または2層以下のニューラルネットワークで扱える次元数の連続的な確率変数である潜在変数からセンサデータが生成されるとみなし、前記潜在変数から前記センサデータを生成する生成モデルに基づき、前記センサデータから前記潜在変数を推定するモデルを構築する工程と、
前記構築されたモデルを用いて、前記センサデータから、前記センサデータの生成の元となった潜在変数の推定値を計算する工程と、
前記計算された潜在変数の推定値を、教師なし学習または2層以下のニューラルネットワークによりクラスタリングした際のクラスタ数を特定する工程と、
前記構築されたモデルのハイパーパラメータを取得する工程と、
最終層を除く各層のハイパーパラメータが、前記取得されたハイパーパラメータと同じである3層以上のニューラルネットワークにより、前記センサデータを、前記特定されたクラスタ数にクラスタリングするクラスタリングする工程と
を含むことを特徴とするクラスタリング方法。 - 教師なし学習または2層以下のニューラルネットワークで扱える次元数の連続的な確率変数である潜在変数からセンサデータが生成されるとみなし、前記潜在変数から前記センサデータを生成する生成モデルに基づき、前記センサデータから前記潜在変数を推定するモデルを構築する工程と、
前記構築されたモデルを用いて、前記センサデータから、前記センサデータの生成の元となった潜在変数の推定値を計算する工程と、
前記計算された潜在変数の推定値を、教師なし学習または2層以下のニューラルネットワークによりクラスタリングした際のクラスタ数を特定する工程と、
前記構築されたモデルのハイパーパラメータを取得する工程と、
最終層を除く各層のハイパーパラメータが、前記取得されたハイパーパラメータと同じである3層以上のニューラルネットワークにより、前記センサデータを、前記特定されたクラスタ数にクラスタリングするクラスタリングする工程と
をコンピュータに実行させることを特徴とするクラスタリングプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/007540 WO2021171384A1 (ja) | 2020-02-25 | 2020-02-25 | クラスタリング装置、クラスタリング方法、および、クラスタリングプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021171384A1 JPWO2021171384A1 (ja) | 2021-09-02 |
JP7428233B2 true JP7428233B2 (ja) | 2024-02-06 |
Family
ID=77490818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022502626A Active JP7428233B2 (ja) | 2020-02-25 | 2020-02-25 | クラスタリング装置、クラスタリング方法、および、クラスタリングプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230086261A1 (ja) |
JP (1) | JP7428233B2 (ja) |
WO (1) | WO2021171384A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230113462A1 (en) * | 2021-10-13 | 2023-04-13 | Hewlett Packard Enterprise Development Lp | Routing table anomaly detection using unsupervised machine learning |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014153977A (ja) | 2013-02-12 | 2014-08-25 | Mitsubishi Electric Corp | コンテンツ解析装置、コンテンツ解析方法、コンテンツ解析プログラム、およびコンテンツ再生システム |
JP2019197355A (ja) | 2018-05-09 | 2019-11-14 | 株式会社東芝 | クラスタリング装置、クラスタリング方法およびプログラム |
-
2020
- 2020-02-25 US US17/801,779 patent/US20230086261A1/en active Pending
- 2020-02-25 JP JP2022502626A patent/JP7428233B2/ja active Active
- 2020-02-25 WO PCT/JP2020/007540 patent/WO2021171384A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014153977A (ja) | 2013-02-12 | 2014-08-25 | Mitsubishi Electric Corp | コンテンツ解析装置、コンテンツ解析方法、コンテンツ解析プログラム、およびコンテンツ再生システム |
JP2019197355A (ja) | 2018-05-09 | 2019-11-14 | 株式会社東芝 | クラスタリング装置、クラスタリング方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021171384A1 (ja) | 2021-09-02 |
JPWO2021171384A1 (ja) | 2021-09-02 |
US20230086261A1 (en) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021254499A1 (zh) | 编辑模型生成、人脸图像编辑方法、装置、设备及介质 | |
US9111375B2 (en) | Evaluation of three-dimensional scenes using two-dimensional representations | |
CN110147732A (zh) | 指静脉识别方法、装置、计算机设备及存储介质 | |
KR102387305B1 (ko) | 멀티모달 데이터 학습 방법 및 장치 | |
US20110060708A1 (en) | Information processing device, information processing method, and program | |
TW202137068A (zh) | 循環神經網路內的距離度量與分群的方法 | |
US20220121934A1 (en) | Identifying neural networks that generate disentangled representations | |
US20110060706A1 (en) | Information processing device, information processing method, and program | |
CN113254927A (zh) | 一种基于网络防御的模型处理方法、装置及存储介质 | |
US20110060707A1 (en) | Information processing device, information processing method, and program | |
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 | |
CN115053238A (zh) | 自适应共蒸馏模型 | |
KR20220079726A (ko) | 의료 영상 기반의 질환 예측 방법 | |
JP7428233B2 (ja) | クラスタリング装置、クラスタリング方法、および、クラスタリングプログラム | |
WO2021200392A1 (ja) | データ調整システム、データ調整装置、データ調整方法、端末装置及び情報処理装置 | |
CN113408693A (zh) | 识别图像的方法和设备 | |
US20230169336A1 (en) | Device and method with state transition linearization | |
KR102334666B1 (ko) | 얼굴 이미지 생성 방법 | |
US20240020531A1 (en) | System and Method for Transforming a Trained Artificial Intelligence Model Into a Trustworthy Artificial Intelligence Model | |
US20220044125A1 (en) | Training in neural networks | |
US11224359B2 (en) | Repetitive human activities abnormal motion detection | |
CN112580724A (zh) | 基于扭矩轮的匀速转动识别的润滑剂的润滑性能检测方法 | |
JP6947460B1 (ja) | プログラム、情報処理装置、及び方法 | |
CN116051633B (zh) | 一种基于加权关系感知的3d点云目标检测方法及装置 | |
EP4258184A1 (en) | Action sequence determination device, action sequence determination method, and action sequence determination program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220531 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230929 |
|
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: 20231226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7428233 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |