JPWO2017168865A1 - 情報処理装置及び情報処理方法 - Google Patents
情報処理装置及び情報処理方法 Download PDFInfo
- Publication number
- JPWO2017168865A1 JPWO2017168865A1 JP2018508386A JP2018508386A JPWO2017168865A1 JP WO2017168865 A1 JPWO2017168865 A1 JP WO2017168865A1 JP 2018508386 A JP2018508386 A JP 2018508386A JP 2018508386 A JP2018508386 A JP 2018508386A JP WO2017168865 A1 JPWO2017168865 A1 JP WO2017168865A1
- Authority
- JP
- Japan
- Prior art keywords
- data set
- data
- input
- value
- information processing
- 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.)
- Granted
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
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- 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
- G06N3/048—Activation functions
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
【解決手段】入力データ及び前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得する第1の取得部と、前記第1のデータセットと同一の項目を有する第2のデータセットをひとつ以上取得する第2の取得部と、前記第2のデータセットとの関係における前記第1のデータセットの位置付けを示す情報を生成する生成部と、を備える情報処理装置。
【選択図】図6
Description
1.はじめに
1.1.技術的課題
1.2.ニューラルネット
2.構成例
2.1.システムの構成例
2.2.処理装置の構成例
2.3.端末装置の構成例
3.技術的特徴
3.1.概要
3.2.第1の方法
3.3.第2の方法
3.4.処理の流れ
4.アプリケーション例
5.ハードウェア構成例
6.まとめ
<1.1.技術的課題>
従来の機械学習の枠組みでは、特徴量の設計、即ち認識又は予測(即ち、回帰)等の演算に必要となる値の計算方法の設計が、人によるデータの分析、考察、経験則の取り込みなどを用いてなされていた。これに対し、ディープラーニングでは、特徴量の設計をニューラルネットの関数に任せる。この違いにより、近年、ディープラーニングを用いた技術は、他の機械学習を用いた技術を圧倒するようになってきている。
・概要
ニューラルネットに限らず、一般に、認識又は予測(即ち、回帰)技術では、データ変数xを目的変数y(例えば、ラベル、回帰値又は予測値)に写像する関数は、次式で表される。
ニューラルネットにおいては、予め与えられたデータセットにおいて、上記数式(8)が成り立つようにパラメータが学習される。データセットを、ここでは一例として(xn,yn)とし、n=1,…,Nとする。この場合、学習とは、与えられた全てのデータセットにおける、予測値f(xn)と実際の値ynとの差が小さくなるようなパラメータを求めることを指す。この差は、例えば次式で表される。
学習は、目的関数L(θ)を最小化することにより行われる。そのためには、例えばパラメータθに関する勾配を用いる方法が用いられ得る。その一例である確率的勾配方法では、次式に従ってパラメータが逐次更新されながら、目的関数L(θ)を最小化するパラメータθが繰り返し探索される。
ニューラルネットの各層は、様々な構成がとられ得る。ニューラルネットの各層の主要な構成は、線形結合の構成と非線形関数の種類により定まる。線形結合の構成には、主として、全結合ネットワーク、又はコンボリューショナル(畳込み)ネットワーク等がある。一方で、非線形結合関数には、新しい関数が次々と提唱されている。その一例として、次式に示すシグモイドがある。
<2.1.システムの構成例>
図1は、本開示の一実施形態に係るシステムの概略的な構成の一例を示す図である。図1に示すように、システム1は、処理装置100及び端末装置200を含む。
図2は、本実施形態に係る処理装置100の論理的な構成の一例を示すブロック図である。図2に示すように、処理装置100は、通信部110、記憶部120及び制御部130を含む。
通信部110は、情報を送受信する機能を有する。例えば、通信部110は、端末装置200からの情報を受信し、端末装置200への情報を送信する。
記憶部120は、処理装置100の動作のためのプログラム及び様々なデータを一時的に又は恒久的に記憶する。
制御部130は、処理装置100の様々な機能を提供する。制御部130は、第1の取得部131、第2の取得部132、演算部133、生成部134及び通知部135を含む。なお、制御部130は、これらの構成要素以外の他の構成要素をさらに含み得る。即ち、制御部130は、これらの構成要素の動作以外の動作も行い得る。
図3は、本実施形態に係る端末装置200の論理的な構成の一例を示すブロック図である。図3に示すように、端末装置200は、入力部210、出力部220、通信部230、記憶部240及び制御部250を含む。
入力部210は、情報の入力を受け付ける機能を有する。例えば、入力部210は、ユーザからの情報の入力を受け付ける。入力部210は、例えばキーボード又はタッチパネル等による文字入力を受け付けてもよいし、音声入力を受け付けてもよいし、ジェスチャ入力を受け付けてもよい。その他、入力部210は、フラッシュメモリ等の記憶媒体からのデータ入力を受け付けてもよい。
出力部220は、情報の出力を行う機能を有する。例えば、出力部220は、画像、音声、振動、又は発光等により情報を出力する。
通信部230は、情報を送受信する機能を有する。例えば、通信部230は、処理装置100からの情報を受信し、処理装置100への情報を送信する。
記憶部240は、端末装置200の動作のためのプログラム及び様々なデータを一時的に又は恒久的に記憶する。
制御部250は、端末装置200の様々な機能を提供する。制御部250は、通知部251及び取得部253を含む。なお、制御部250は、これらの構成要素以外の他の構成要素をさらに含み得る。即ち、制御部250は、これらの構成要素の動作以外の動作も行い得る。
続いて、本実施形態に係るシステム1の技術的特徴を説明する。
システム1(例えば、演算部133)は、ニューラルネットに関する各種演算を行う。例えば、演算部133は、ニューラルネットのパラメータの学習、及びニューラルネットに入力データを入力して演算を行い、出力データを出力する。入力データにはひとつ以上の入力項目の各々の値(以下、入力値とも称する)が含まれ、入力値の各々はニューラルネットの入力層の対応するユニットに入力される。同様に、出力データにはひとつ以上の出力項目の各々の値(以下、出力値とも称する)が含まれ、出力値の各々はニューラルネットの出力層の対応するユニットから出力される。
・第1のデータセット
システム1(例えば、第1の取得部131)は、入力データ及び当該入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得する。例えば、不動産の属性情報が入力データに相当し、出力データが不動産価格に相当する。
システム1(例えば、第2の取得部132)は、第1のデータセットと値が同一の項目を有する第2のデータセットをひとつ以上取得する。第2のデータセットは、第1のデータセットと同一の値の項目を有し、出力データに対応する項目を有する。例えば、第2のデータセットは、第1のデータセットと同様に、不動産の属性情報と不動産価格との組み合わせから成る。そして、例えば属性情報のうち一部が、第1のデータセットと同一である。
システム1(例えば、生成部134)は、第2のデータセットとの関係における第1のデータセットの位置付けを示す情報を生成する。生成された位置付けを示す情報は、例えば端末装置200によりユーザに提供される。これにより、ニューラルネットの演算結果の根拠をユーザに提供することが可能となる。
第1の方法においては、位置付けを示す情報は、第1のデータセット及び第2のデータセットの、応答の可視化の対象である入力項目(第1の項目に相当)の値と出力データに対応する項目の値との関係を示す。これにより、例えば築年数が不動産価格にどのような影響を与えるか、という応答関係を明確にユーザに提供することが可能となる。以下、図4〜図6を参照して、第1の方法に係るUI(User Interface)の一例を説明する。なお、UIは、例えば端末装置200により表示され、情報の入力を受け付ける。他のUIに関しても同様である。
システム1(例えば、生成部)は、ニューラルネットの中間層から選択された入力層のユニットへの入力値と選択された出力層のユニットからの出力値との応答関係を示す情報を生成してもよい。このことは、上記UI例において行った入力層と出力層との応答関係の可視化を、中間層において行うことを指す。これにより、ユーザは、中間層における応答関係を理解することが可能となり、その結果、ニューラルネットの演算結果の妥当性をより詳細に理解することが可能となる。また、例えば、特定の中間層において抽象的な概念が表現されていることが期待できる場合に、中間層における応答関係の可視化により、ユーザは当該概念を知得することが可能となる。
応答関係を示す情報は、グラフであってもよい。この場合のUI例を、図7を参照して説明する。
応答関係を示す情報は、関数であってもよい。この場合のUI例を、図8及び図9を参照して説明する。
システム1(例えば、生成部)は、ニューラルネットの設計補助のためのUIを生成し、提供してもよい。
・第1のデータセット
システム1(例えば、第1の取得部131)は、第1の方法と同様に、入力データ及び当該入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得する。
システム1(例えば、第2の取得部132)は、第1の方法と同様に、第1のデータセットと値が同一の項目を有する第2のデータセットをひとつ以上取得する。第2のデータセットは、第1の方法と同様に、第1のデータセットと同一の値の項目を有し、出力データに対応する項目を有する。
システム1(例えば、生成部134)は、第2のデータセットとの関係における第1のデータセットの位置付けを示す情報を生成する。
続いて、図15を参照して、上記説明したニューラルネットの応答の可視化を行うための処理の流れの一例を説明する。
本技術は、入力データが属するカテゴリを判定する分類問題、及び入力データにより得られる出力データを予測する回帰問題の、いずれのアプリケーションにおいても利用可能である。以下では、その一例として、回帰問題のアプリケーション例を説明する。
例えば、ユーザは、インターネットサイトにおいて不動産価格を査定する例を想定する。その場合、処理装置100はユーザが操作するユーザ端末に相当し、処理装置100は、インターネットサイトのバックエンドに存在し得る。
本アプリケーションにおける評価対象は芸術作品である。評価値は芸術作品の得点であってもよい。以下では芸術作品の一例として、ピアノの演奏を想定する。
本アプリケーションにおける評価対象はスポーツである。評価値はスポーツの得点であってもよい。ここで、スポーツの得点とは、サッカーにおける得点及び陸上競技のタイムのような数値化容易なものではなく、フィギュアスケートの演技の点数のような数値化困難なものを指す。以下ではスポーツの一例として、フィギュアスケートを想定する。
最後に、図19を参照して、本実施形態に係る情報処理装置のハードウェア構成について説明する。図19は、本実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。なお、図19に示す情報処理装置900は、例えば、図2及び図3にそれぞれ示した処理装置100又は端末装置200を実現し得る。本実施形態に係る処理装置100又は端末装置200による情報処理は、ソフトウェアと、以下に説明するハードウェアとの協働により実現される。
以上、図1〜図19を参照して、本開示の一実施形態について詳細に説明した。上記説明したように、本実施形態に係るシステム1は、入力データ及び入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得し、第1のデータセットと同一の項目を有する第2のデータセットをひとつ以上取得し、第2のデータセットとの関係における第1のデータセットの位置付けを示す情報を生成する。この位置付けを示す情報により、ニューラルネットの演算結果の妥当性を示す根拠をユーザに提供することが可能となる。これにより、ユーザは、演算結果に容易に納得することが可能となる。
(1)
入力データ及び前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得する第1の取得部と、
前記第1のデータセットと同一の項目を有する第2のデータセットをひとつ以上取得する第2の取得部と、
前記第2のデータセットとの関係における前記第1のデータセットの位置付けを示す情報を生成する生成部と、
を備える情報処理装置。
(2)
前記第2のデータセットは、前記第1のデータセットと同一の値の項目を有する、前記(1)に記載の情報処理装置。
(3)
前記第2のデータセットは、前記入力データに含まれる項目のうち第1の項目の値が前記第1のデータセットと異なり、他の第2の項目の値が前記第1のデータセットと同一である、前記(2)に記載の情報処理装置。
(4)
前記位置付けを示す情報は、前記第1のデータセット及び前記第2のデータセットの、前記第1の項目の値と前記出力データに対応する項目の値との関係を示す情報を含む、前記(3)に記載の情報処理装置。
(5)
前記第2のデータセットは、過去に実際に観測されたデータセットに基づいて学習された前記ニューラルネットにより生成されたデータセットを含む、前記(2)に記載の情報処理装置。
(6)
前記第2のデータセットは、過去に実際に観測されたデータセットを含む、前記(2)に記載の情報処理装置。
(7)
前記第2のデータセットは、前記入力データに含まれる項目のうち第1の項目の値が前記第1のデータセットと異なり、他の第2の項目の値及び前記出力データに対応する項目の値が前記第1のデータセットと同一である、前記(2)に記載の情報処理装置。
(8)
前記位置付けを示す情報は、前記出力データに対応する項目の値が前記出力データと同一である前記第2のデータセットの分布における前記入力データの位置を示す情報である、前記(7)に記載の情報処理装置。
(9)
前記位置付けを示す情報は、前記出力データに対応する項目の値が前記出力データと同一である前記第2のデータセットの分布における前記入力データの偏差値を示す情報である、前記(7)に記載の情報処理装置。
(10)
前記生成部は、前記ニューラルネットの中間層から選択された入力層のユニットへの入力値と選択された出力層のユニットからの出力値との応答関係を示す情報を生成する、前記(1)に記載の情報処理装置。
(11)
前記応答関係を示す情報は、グラフである、前記(10)に記載の情報処理装置。
(12)
前記応答関係を示す情報は、関数である、前記(10)に記載の情報処理装置。
(13)
前記生成部は、前記出力層のユニットからの出力値に寄与しない前記入力層のユニットの除去を提案する情報を生成する、前記(10)に記載の情報処理装置。
(14)
前記入力データは、評価対象の属性情報であり、
前記出力データは、前記評価対象の評価値である、前記(1)に記載の情報処理装置。
(15)
前記評価対象は、不動産であり、
前記評価値は、価格である、前記(14)に記載の情報処理装置。
(16)
前記評価対象は、芸術作品である、前記(14)に記載の情報処理装置。
(17)
前記評価対象は、スポーツである、前記(14)に記載の情報処理装置。
(18)
入力データを他の装置へ通知する通知部と、
前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットと同一の項目を有する第2のデータセットとの関係における、前記第1のデータセットの位置付けを示す情報を前記他の装置から取得する取得部と、
を備える情報処理装置。
(19)
入力データ及び前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得することと、
前記第1のデータセットと同一の項目を有する第2のデータセットをひとつ以上取得することと、
前記第2のデータセットとの関係における前記第1のデータセットの位置付けを示す情報をプロセッサにより生成することと、
を含む情報処理方法。
(20)
入力データを他の装置へ通知することと、
前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットと同一の項目を有する第2のデータセットとの関係における、前記第1のデータセットの位置付けを示す情報を前記他の装置からプロセッサにより取得することと、
を含む情報処理方法。
100 処理装置
110 通信部
120 記憶部
130 制御部
131 第1の取得部131
132 第2の取得部132
133 演算部133
134 生成部134
135 通知部135
200 端末装置
210 入力部
220 出力部
230 通信部
240 記憶部
250 制御部
251 通知部
253 取得部
Claims (20)
- 入力データ及び前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得する第1の取得部と、
前記第1のデータセットと同一の項目を有する第2のデータセットをひとつ以上取得する第2の取得部と、
前記第2のデータセットとの関係における前記第1のデータセットの位置付けを示す情報を生成する生成部と、
を備える情報処理装置。 - 前記第2のデータセットは、前記第1のデータセットと同一の値の項目を有する、請求項1に記載の情報処理装置。
- 前記第2のデータセットは、前記入力データに含まれる項目のうち第1の項目の値が前記第1のデータセットと異なり、他の第2の項目の値が前記第1のデータセットと同一である、請求項2に記載の情報処理装置。
- 前記位置付けを示す情報は、前記第1のデータセット及び前記第2のデータセットの、前記第1の項目の値と前記出力データに対応する項目の値との関係を示す情報を含む、請求項3に記載の情報処理装置。
- 前記第2のデータセットは、過去に実際に観測されたデータセットに基づいて学習された前記ニューラルネットにより生成されたデータセットを含む、請求項2に記載の情報処理装置。
- 前記第2のデータセットは、過去に実際に観測されたデータセットを含む、請求項2に記載の情報処理装置。
- 前記第2のデータセットは、前記入力データに含まれる項目のうち第1の項目の値が前記第1のデータセットと異なり、他の第2の項目の値及び前記出力データに対応する項目の値が前記第1のデータセットと同一である、請求項2に記載の情報処理装置。
- 前記位置付けを示す情報は、前記出力データに対応する項目の値が前記出力データと同一である前記第2のデータセットの分布における前記入力データの位置を示す情報である、請求項7に記載の情報処理装置。
- 前記位置付けを示す情報は、前記出力データに対応する項目の値が前記出力データと同一である前記第2のデータセットの分布における前記入力データの偏差値を示す情報である、請求項7に記載の情報処理装置。
- 前記生成部は、前記ニューラルネットの中間層から選択された入力層のユニットへの入力値と選択された出力層のユニットからの出力値との応答関係を示す情報を生成する、請求項1に記載の情報処理装置。
- 前記応答関係を示す情報は、グラフである、請求項10に記載の情報処理装置。
- 前記応答関係を示す情報は、関数である、請求項10に記載の情報処理装置。
- 前記生成部は、前記出力層のユニットからの出力値に寄与しない前記入力層のユニットの除去を提案する情報を生成する、請求項10に記載の情報処理装置。
- 前記入力データは、評価対象の属性情報であり、
前記出力データは、前記評価対象の評価値である、請求項1に記載の情報処理装置。 - 前記評価対象は、不動産であり、
前記評価値は、価格である、請求項14に記載の情報処理装置。 - 前記評価対象は、芸術作品である、請求項14に記載の情報処理装置。
- 前記評価対象は、スポーツである、請求項14に記載の情報処理装置。
- 入力データを他の装置へ通知する通知部と、
前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットと同一の項目を有する第2のデータセットとの関係における、前記第1のデータセットの位置付けを示す情報を前記他の装置から取得する取得部と、
を備える情報処理装置。 - 入力データ及び前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットを取得することと、
前記第1のデータセットと同一の項目を有する第2のデータセットをひとつ以上取得することと、
前記第2のデータセットとの関係における前記第1のデータセットの位置付けを示す情報をプロセッサにより生成することと、
を含む情報処理方法。 - 入力データを他の装置へ通知することと、
前記入力データをニューラルネットに入力して得られた出力データの組み合わせから成る第1のデータセットと同一の項目を有する第2のデータセットとの関係における、前記第1のデータセットの位置付けを示す情報を前記他の装置からプロセッサにより取得することと、
を含む情報処理方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016063785 | 2016-03-28 | ||
JP2016063785 | 2016-03-28 | ||
PCT/JP2016/087186 WO2017168865A1 (ja) | 2016-03-28 | 2016-12-14 | 情報処理装置及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017168865A1 true JPWO2017168865A1 (ja) | 2019-02-07 |
JP7006585B2 JP7006585B2 (ja) | 2022-01-24 |
Family
ID=59962884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018508386A Active JP7006585B2 (ja) | 2016-03-28 | 2016-12-14 | 情報処理装置及び情報処理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20190026630A1 (ja) |
EP (1) | EP3438887A4 (ja) |
JP (1) | JP7006585B2 (ja) |
WO (1) | WO2017168865A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101335278B1 (ko) * | 2012-07-19 | 2013-11-29 | 에스에이비(주) | 이원 사이클 히트 펌프 시스템 |
CA2881033C (en) | 2015-02-03 | 2016-03-15 | 1Qb Information Technologies Inc. | Method and system for solving lagrangian dual of a constrained binary quadratic programming problem |
US11797641B2 (en) | 2015-02-03 | 2023-10-24 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
JP6523379B2 (ja) * | 2017-07-25 | 2019-05-29 | ファナック株式会社 | 情報処理装置 |
JP2019080232A (ja) * | 2017-10-26 | 2019-05-23 | 株式会社Preferred Networks | 勾配圧縮装置、勾配圧縮方法及びプログラム |
EP3718026B1 (en) * | 2017-12-01 | 2023-11-29 | 1QB Information Technologies Inc. | Systems and methods for stochastic optimization of a robust inference problem |
JP6857332B2 (ja) * | 2018-03-13 | 2021-04-14 | オムロン株式会社 | 演算装置、演算方法、及びそのプログラム |
JP7297286B2 (ja) * | 2019-02-07 | 2023-06-26 | 国立研究開発法人情報通信研究機構 | 最適化方法、最適化プログラム、推論方法、および推論プログラム |
JP7139996B2 (ja) * | 2019-02-25 | 2022-09-21 | 日本電信電話株式会社 | 評価装置及び評価方法 |
JP7269778B2 (ja) * | 2019-04-04 | 2023-05-09 | 富士フイルムヘルスケア株式会社 | 超音波撮像装置、および、画像処理装置 |
JP7439470B2 (ja) | 2019-04-11 | 2024-02-28 | 富士電機株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2020255076A1 (en) | 2019-06-19 | 2020-12-24 | 1Qb Information Technologies Inc. | Method and system for mapping a dataset from a hilbert space of a given dimension to a hilbert space of a different dimension |
JP2021005211A (ja) | 2019-06-26 | 2021-01-14 | キオクシア株式会社 | 情報処理方法及び情報処理装置 |
US11640539B2 (en) * | 2019-07-08 | 2023-05-02 | Vianai Systems, Inc. | Techniques for visualizing the operation of neural networks using samples of training data |
US11112783B2 (en) * | 2019-10-25 | 2021-09-07 | Computational Systems, Inc. | Method and apparatus for machine monitoring with continuous improvement of a predictive maintenance database |
CN111078725B (zh) * | 2019-12-13 | 2022-07-12 | 浙江大学 | 一种多数据源合并数据的可视化查询方法和装置 |
JP6872214B1 (ja) * | 2020-08-20 | 2021-05-19 | 株式会社医療情報技術研究所 | 分類システム |
JP7101349B1 (ja) | 2021-05-28 | 2022-07-15 | 株式会社医療情報技術研究所 | 分類システム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0535707A (ja) * | 1991-07-25 | 1993-02-12 | Hitachi Ltd | ニユ−ラルネツトを利用したパタ−ン分類方法および装置 |
JPH0561849A (ja) * | 1991-08-29 | 1993-03-12 | Toyoda Mach Works Ltd | ニユーラルネツトワークの入出力特性検出装置 |
JPH05225163A (ja) * | 1992-02-13 | 1993-09-03 | Hitachi Ltd | ニューラルネットシステムおよびニューラルネットの学習方法 |
JPH11282823A (ja) * | 1998-03-31 | 1999-10-15 | Ricchi Hyoka Kenkyusho:Kk | 土地評価システムおよび方法,ならびに土地評価のためのプログラムを格納した媒体 |
JP2001344590A (ja) * | 2000-05-31 | 2001-12-14 | Fuji Electric Co Ltd | ニューラルネットワーク及びその学習方法、解析方法並びに異常判定方法 |
JP2007094631A (ja) * | 2005-09-28 | 2007-04-12 | Hitachi Electronics Service Co Ltd | アプリケーション稼働監視システム及び顧客アプリケーション稼働監視サービス提供システム及びアプリケーション稼働監視方法及び顧客アプリケーション稼働監視サービス提供方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7617163B2 (en) * | 1998-05-01 | 2009-11-10 | Health Discovery Corporation | Kernels and kernel methods for spectral data |
US6941287B1 (en) * | 1999-04-30 | 2005-09-06 | E. I. Du Pont De Nemours And Company | Distributed hierarchical evolutionary modeling and visualization of empirical data |
US8463718B2 (en) * | 2000-08-07 | 2013-06-11 | Health Discovery Corporation | Support vector machine-based method for analysis of spectral data |
EP1393196A4 (en) * | 2001-05-07 | 2007-02-28 | Health Discovery Corp | CORES AND METHODS FOR SELECTING CORES FOR USE IN TEACHING MACHINES |
US20070118487A1 (en) * | 2005-11-18 | 2007-05-24 | Caterpillar Inc. | Product cost modeling method and system |
US9015083B1 (en) * | 2012-03-23 | 2015-04-21 | Google Inc. | Distribution of parameter calculation for iterative optimization methods |
US20130346150A1 (en) * | 2012-06-21 | 2013-12-26 | Data Ventures, Inc. | System, method, and computer program product for forecasting sales |
US20150025918A1 (en) * | 2013-07-16 | 2015-01-22 | Broker Genius LLC | Forecasting and management system and method concerning ticket transactions in multiple markets |
US9741081B2 (en) * | 2014-12-23 | 2017-08-22 | Invent.ly LLC | Perturbing a subject's contextualization of a proposition about an item considered in a quantum representation by altering the item |
US11093982B1 (en) * | 2014-10-02 | 2021-08-17 | Zillow, Inc. | Determine regional rate of return on home improvements |
-
2016
- 2016-12-14 WO PCT/JP2016/087186 patent/WO2017168865A1/ja active Application Filing
- 2016-12-14 EP EP16897081.2A patent/EP3438887A4/en not_active Ceased
- 2016-12-14 JP JP2018508386A patent/JP7006585B2/ja active Active
- 2016-12-14 US US16/068,721 patent/US20190026630A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0535707A (ja) * | 1991-07-25 | 1993-02-12 | Hitachi Ltd | ニユ−ラルネツトを利用したパタ−ン分類方法および装置 |
JPH0561849A (ja) * | 1991-08-29 | 1993-03-12 | Toyoda Mach Works Ltd | ニユーラルネツトワークの入出力特性検出装置 |
JPH05225163A (ja) * | 1992-02-13 | 1993-09-03 | Hitachi Ltd | ニューラルネットシステムおよびニューラルネットの学習方法 |
JPH11282823A (ja) * | 1998-03-31 | 1999-10-15 | Ricchi Hyoka Kenkyusho:Kk | 土地評価システムおよび方法,ならびに土地評価のためのプログラムを格納した媒体 |
JP2001344590A (ja) * | 2000-05-31 | 2001-12-14 | Fuji Electric Co Ltd | ニューラルネットワーク及びその学習方法、解析方法並びに異常判定方法 |
JP2007094631A (ja) * | 2005-09-28 | 2007-04-12 | Hitachi Electronics Service Co Ltd | アプリケーション稼働監視システム及び顧客アプリケーション稼働監視サービス提供システム及びアプリケーション稼働監視方法及び顧客アプリケーション稼働監視サービス提供方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7006585B2 (ja) | 2022-01-24 |
EP3438887A1 (en) | 2019-02-06 |
WO2017168865A1 (ja) | 2017-10-05 |
EP3438887A4 (en) | 2019-03-27 |
US20190026630A1 (en) | 2019-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017168865A1 (ja) | 情報処理装置及び情報処理方法 | |
Hew et al. | Crafting a smartphone repurchase decision making process: Do brand attachment and gender matter? | |
CN112966712B (zh) | 语言模型训练方法、装置、电子设备和计算机可读介质 | |
Bobadilla et al. | Collaborative filtering adapted to recommender systems of e-learning | |
TWI465691B (zh) | 用於位置至地標之系統、電腦可讀取記憶體及方法 | |
JP6093792B2 (ja) | 測位装置、測位方法、測位プログラム、および、測位システム | |
JP2012058972A (ja) | 評価予測装置、評価予測方法、及びプログラム | |
US20210325343A1 (en) | Information processing apparatus, information processing method, learned model generation method, and program | |
AU2013251195A1 (en) | Program, apparatus, and method for information processing | |
CN107710192A (zh) | 用于会话响应的自动评价的度量 | |
JP2011248829A (ja) | 評価予測装置、評価予測方法、及びプログラム | |
JP2023514465A (ja) | 機械学習プラットフォーム | |
US20210117792A1 (en) | Methods and apparatus to facilitate continuous learning | |
US10482491B2 (en) | Targeted marketing for user conversion | |
JP2002358400A (ja) | 顧客満足度を評価する方法およびプログラム | |
JP7063389B2 (ja) | 処理装置、処理方法、およびプログラム | |
JP6093791B2 (ja) | 測位装置、測位方法、測位プログラム、および、測位システム | |
JP2012094056A (ja) | ユーザ状態推定システム、ユーザ状態推定方法及びユーザ状態推定プログラム | |
CN111368195B (zh) | 一种模型训练方法、装置、设备及存储介质 | |
WO2020004049A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
WO2019235370A1 (ja) | 学習装置、予測装置、方法、及びプログラム | |
JP2023088136A (ja) | 学習装置、学習方法、学習プログラム、および学習システム | |
JP7056747B2 (ja) | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム | |
CN113822435A (zh) | 一种用户转化率的预测方法及相关设备 | |
TWI453452B (zh) | 行動裝置、氣象統計系統以及氣象統計方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190208 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190214 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190222 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190515 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190522 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191127 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210825 |
|
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: 20211207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211220 |