JP2017215669A - 確率密度関数推定装置、連続値予測装置、方法、及びプログラム - Google Patents
確率密度関数推定装置、連続値予測装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2017215669A JP2017215669A JP2016107501A JP2016107501A JP2017215669A JP 2017215669 A JP2017215669 A JP 2017215669A JP 2016107501 A JP2016107501 A JP 2016107501A JP 2016107501 A JP2016107501 A JP 2016107501A JP 2017215669 A JP2017215669 A JP 2017215669A
- Authority
- JP
- Japan
- Prior art keywords
- topic
- continuous value
- individual
- value data
- histogram
- 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
Landscapes
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】トピック推定部24が、各連続値データについて、所属するトピックを推定し、各個体の各トピックに対する重みの分布を表すハイパーパラメータと、各トピックに対するヒストグラムを特徴付ける形状パラメータの分布を表すハイパーパラメータとを推定する。個体確率密度関数推定部26が、形状パラメータの事後確率、及び重みの事後確率に従って、各トピックに対する形状パラメータ、及び各個体の各トピックに対する重みを推定し、各個体について、推定された各トピックに対する前記形状パラメータに基づく各トピックに対するヒストグラムの、推定された個体の各トピックに対する重みを用いた線形和で表される、個体が生成する連続値データの確率密度関数を出力する。
【選択図】図1
Description
まず、本発明の実施の形態における概要を説明する。
<本発明の第1の実施の形態に係る確率密度関数推定装置の構成>
次に、本発明の第1の実施の形態に係る確率密度関数推定装置の構成について説明する。図1に示すように、本発明の第1の実施の形態に係る確率密度関数推定装置100は、CPUと、RAMと、後述する確率密度関数推定処理ルーチンを実行するためのプログラムや各種データを記憶したROMと、を含むコンピュータで構成することが出来る。この確率密度関数推定装置100は、機能的には図1に示すように入力部10と、演算部20と、出力部40とを備えている。
を入力として受け付ける。ただし以後、K個のヒストグラムをそれぞれk=1,2,3,…,Kで表記し、k番目のヒストグラムをトピックkと呼ぶこととする。
が成り立つ。以後、以下の式に示すように、特にインデックスを付けない場合は各パラメータの集合を表すものとする。
・・・(1)
は個体ujのトピックkに対する重み、p(tj|zj=k,φ.k)はヒストグラム
・・・(2)
・・・(3)
及びφlkに対して、共役な事前分布であるディリクレ分布をそれぞれに仮定する。
・・・(4)
・・・(5)
の分布を表すハイパーパラメータαと、各トピックに対するヒストグラムを特徴付ける形状パラメータφ.kの分布を表すハイパーパラメータβとを推定する。トピック推定部24は、上記のトピックの推定及びハイパーパラメータの推定を繰り返し行う。
、φをすべて推定することが出来る。事後確率を解析的に扱うのは困難であるので、トピック推定部24による所属トピックの推定は、上記式(5)の同時確率から得られる、各連続値データtjが所属するトピックzjをギブスサンプリングするための公式
・・・(6)
を保持することになる。
・・・(7)
・・・(8)
を推定する。
を用いて、以下の式(9)、(10)に従って、各トピックkに対する形状パラメータφlk、及び各個体uの各トピックkに対する重み
を推定する。
の推定値として、それぞれの事後確率の平均を採用する。
・・・(9)
・・・(10)
を、出力部40より出力する。
・・・(11)
は式(2)で定義される。
で表現される。個体uごとに
(1≦k≦K)が出力され、トピックkごとに分割数Wkと、単位化されたビン幅Δlkと、φlk(1≦l≦Wk)が出力され、そして共通の定義域としてT≡[T0,T1]が出力される。出力例を表2に示す。なお、表2では、トピック数K=3の場合の例を示している。
次に、本発明の第1の実施の形態に係る連続値予測装置の構成について説明する。図2に示すように、本発明の第1の実施の形態に係る連続値予測装置200は、CPUと、RAMと、後述する連続値予測処理ルーチンを実行するためのプログラムや各種データを記憶したROMと、を含むコンピュータで構成することが出来る。この連続値予測装置200は、機能的には図2に示すように入力部50と、演算部60と、出力部70とを備えている。連続値予測装置200は、予測対象の個体が将来生成する連続値データを予測する。
と、各トピックに対するヒストグラムの分割数Wkと、各トピックに対するヒストグラムのビン幅Δlkとを受け付ける。
、各トピックに対するヒストグラムの分割数Wk、各トピックに対するヒストグラムのビン幅Δlkに基づいて、各トピックに対するヒストグラムの、個体uの各トピックに対する重み
を用いた線形和で表される、上記式(11)に示す個体ujが生成する連続値データの確率密度関数に従って、予測対象の個体uが将来生成する連続値データを予測する。
を用いて、将来生成される連続値データの期待値E[tu]を計算し、連続値データの予測値として出力部70により出力する。
次に、本発明の第1の実施の形態に係る確率密度関数推定装置100の作用について説明する。入力部10において個体の個体IDが付与された連続値データの集合を受け付けると、確率密度関数推定装置100は、連続値データの集合を、連続値データ記憶部22に格納する。また、入力部10において、トピック数Kと、連続値の定義域と、トピックkの各々のヒストグラムの分割数Wk及びビン幅Δlkとを受け付けると、確率密度関数推定装置100は、図3に示す確率密度関数推定処理ルーチンを実行する。
の分布を表すハイパーパラメータαと、各トピックに対するヒストグラムを特徴付ける形状パラメータφ.kの分布を表すハイパーパラメータβを、上記式(8)に従って更新する。
に基づく、上記式(9)、(10)に示す、各トピックkに対する形状パラメータφlkの事後確率の平均、及び各個体uの各トピックkに対する重み
の事後確率の平均から、各トピックkに対する形状パラメータφlk、及び各個体uの各トピックkに対する重み
を推定する。
を用いた、各個体uが生成する連続値データの確率密度関数の推定値
を、出力部40より出力して、確率密度関数推定処理ルーチンを終了する。
次に、本発明の第1の実施の形態に係る連続値予測装置200の作用について説明する。入力部50において、予測対象の個体uについて確率密度関数推定装置100により推定された、個体uが生成する連続値データの確率密度関数を受け付けると、連続値予測装置200は、図4に示す予測処理ルーチンを実行する。
ついて説明する。なお、第1の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
図6に示すように、第2の実施の形態に係る確率密度関数推定装置300は、入力部10、演算部320、及び出力部40を備えている。
を入力として受け付ける。
の分布を表すハイパーパラメータαと、各トピックに対するヒストグラムを特徴付ける形状パラメータφ.kの分布を表すハイパーパラメータβとを推定する。トピック推定部24は、上記のトピックの推定、分割数の推定、ビン幅の推定、及びハイパーパラメータの推定を繰り返し行う。
・・・(12)
・・・(13)
・・・(14)
・・・(15)
・・・(16)
・・・(17)
、W、Δを用いて、上記の式(9)、(10)に従って、各トピックkに対する形状パラメータφlk、及び各個体uの各トピックkに対する重み
を推定する。
を、出力部40より出力する。
第2の実施の形態に係る連続値予測装置は、第1の実施の形態と同様に、予測対象の個体uについて確率密度関数推定装置300により推定された、個体uが生成する連続値データの確率密度関数に基づいて、連続値データの期待値を計算し、予測値とする。
20、60、320 演算部
22 連続値データ記憶部
24 トピック推定部
26 個体確率密度関数推定部
40、70 出力部
62 連続値予測部
100、300 確率密度関数推定装置
200 連続値予測装置
324 分割数ビン幅トピック推定部
Claims (7)
- 複数の個体で観測された、前記個体が生成した連続値データの集合を入力とし、前記連続値データの集合に含まれる各連続値データについて、連続値の確率密度を表す、各トピックに対するヒストグラムの、前記トピック毎に定められた分割数及びビン幅を用いて表される、前記連続値データが所属するトピックの事後確率に従って、前記連続値データが所属するトピックを推定し、
各連続値データについての前記トピックの推定結果に基づいて、各個体の各トピックに対する重みの分布を表すハイパーパラメータと、各トピックに対するヒストグラムを特徴付ける形状パラメータの分布を表すハイパーパラメータとを推定するトピック推定部と、
前記トピック推定部によって推定された、前記重みの分布を表すハイパーパラメータ、前記形状パラメータの分布を表すハイパーパラメータ、及び各連続値データについての前記トピックの推定結果に基づく、前記形状パラメータの事後確率、及び前記重みの事後確率に従って、各トピックに対する前記形状パラメータ、及び各個体の各トピックに対する重みを推定し、各個体について、前記推定された各トピックに対する前記形状パラメータに基づく各トピックに対するヒストグラムの、前記推定された個体の各トピックに対する重みを用いた線形和で表される、前記個体が生成する連続値データの確率密度関数を出力する個体確率密度関数推定部と、
を含む確率密度関数推定装置。 - 複数の個体で観測された、前記個体が生成した連続値データの集合を入力とし、前記連続値データの集合に含まれる各連続値データについて、連続値の確率密度を表す、各トピックに対するヒストグラムの、前記トピック毎の分割数及びビン幅を用いて表される、前記連続値データが所属するトピックの事後確率に従って、前記連続値データが所属するトピックを推定し、
各トピックについて、各連続値データについての前記トピックの推定結果と、前記トピックに対するヒストグラムのビン幅とを用いて表される、前記トピックに対するヒストグラムの分割数の事後確率に従って、前記トピックに対するヒストグラムの分割数を推定し、
各連続値データについての前記トピックの推定結果と、各トピックに対するヒストグラムの分割数とを用いて表される、各トピックに対するヒストグラムのビン幅の事後確率に従って、各トピックに対するヒストグラムのビン幅を推定し、
各連続値データについての前記トピックの推定結果に基づいて、各個体の各トピックに対する重みの分布を表すハイパーパラメータと、各トピックに対するヒストグラムを特徴付ける形状パラメータの分布を表すハイパーパラメータとを推定する分割数ビン幅トピック推定部と、
前記分割数ビン幅トピック推定部によって推定された、前記重みの分布を表すハイパーパラメータ、前記形状パラメータの分布を表すハイパーパラメータ、及び各連続値データについての前記トピックの推定結果に基づく、前記形状パラメータの事後確率、及び前記重みの事後確率に従って、各トピックに対する前記形状パラメータ、及び各個体の各トピックに対する重みを推定し、前記推定された各トピックに対する前記形状パラメータ、前記分割数、及び前記ビン幅に基づく各トピックに対するヒストグラムの、前記推定された個体の各トピックに対する重みを用いた線形和で表される、前記個体が生成する連続値データの確率密度関数を出力する個体確率密度関数推定部と、
を含む確率密度関数推定装置。 - 予測対象の個体が生成する連続値データを予測する連続値予測装置であって、
前記予測対象の個体に対して予め求められた、連続値の確率密度を表す、各トピックに対するヒストグラムを特徴付ける形状パラメータ、各トピックに対する前記ヒストグラムの分割数、各トピックに対する前記ヒストグラムのビン幅に基づく各トピックに対するヒストグラムの、前記個体の各トピックに対する重みを用いた線形和で表される、個体が生成する連続値データの確率密度関数に従って、前記予測対象の個体が生成する連続値データを予測する連続値予測部
を含む連続値予測装置。 - トピック推定部が、複数の個体で観測された、前記個体が生成した連続値データの集合を入力とし、前記連続値データの集合に含まれる各連続値データについて、連続値の確率密度を表す、各トピックに対するヒストグラムの、前記トピック毎に定められた分割数及びビン幅を用いて表される、前記連続値データが所属するトピックの事後確率に従って、前記連続値データが所属するトピックを推定し、
各連続値データについての前記トピックの推定結果に基づいて、各個体の各トピックに対する重みの分布を表すハイパーパラメータと、各トピックに対するヒストグラムを特徴付ける形状パラメータの分布を表すハイパーパラメータとを推定し、
個体確率密度関数推定部が、前記トピック推定部によって推定された、前記重みの分布を表すハイパーパラメータ、前記形状パラメータの分布を表すハイパーパラメータ、及び各連続値データについての前記トピックの推定結果に基づく、前記形状パラメータの事後確率、及び前記重みの事後確率に従って、各トピックに対する前記形状パラメータ、及び各個体の各トピックに対する重みを推定し、各個体について、前記推定された各トピックに対する前記形状パラメータに基づく各トピックに対するヒストグラムの、前記推定された個体の各トピックに対する重みを用いた線形和で表される、前記個体が生成する連続値データの確率密度関数を出力する
確率密度関数推定方法。 - 分割数ビン幅トピック推定部が、複数の個体で観測された、前記個体が生成した連続値データの集合を入力とし、前記連続値データの集合に含まれる各連続値データについて、連続値の確率密度を表す、各トピックに対するヒストグラムの、前記トピック毎の分割数及びビン幅を用いて表される、前記連続値データが所属するトピックの事後確率に従って、前記連続値データが所属するトピックを推定し、
各トピックについて、各連続値データについての前記トピックの推定結果と、前記トピックに対するヒストグラムのビン幅とを用いて表される、前記トピックに対するヒストグラムの分割数の事後確率に従って、前記トピックに対するヒストグラムの分割数を推定し、
各連続値データについての前記トピックの推定結果と、各トピックに対するヒストグラムの分割数とを用いて表される、各トピックに対するヒストグラムのビン幅の事後確率に従って、各トピックに対するヒストグラムのビン幅を推定し、
各連続値データについての前記トピックの推定結果に基づいて、各個体の各トピックに対する重みの分布を表すハイパーパラメータと、各トピックに対するヒストグラムを特徴付ける形状パラメータの分布を表すハイパーパラメータとを推定し、
個体確率密度関数推定部が、前記分割数ビン幅トピック推定部によって推定された、前記重みの分布を表すハイパーパラメータ、前記形状パラメータの分布を表すハイパーパラメータ、及び各連続値データについての前記トピックの推定結果に基づく、前記形状パラメータの事後確率、及び前記重みの事後確率に従って、各トピックに対する前記形状パラメータ、及び各個体の各トピックに対する重みを推定し、前記推定された各トピックに対する前記形状パラメータ、前記分割数、及び前記ビン幅に基づく各トピックに対するヒストグラムの、前記推定された個体の各トピックに対する重みを用いた線形和で表される、前記個体が生成する連続値データの確率密度関数を出力する
確率密度関数推定方法。 - 予測対象の個体が生成する連続値データを予測する連続値予測装置における連続値予測方法であって、
連続値予測部が、前記予測対象の個体に対して予め求められた、連続値の確率密度を表す、各トピックに対するヒストグラムを特徴付ける形状パラメータ、各トピックに対する前記ヒストグラムの分割数、各トピックに対する前記ヒストグラムのビン幅に基づく各トピックに対するヒストグラムの、前記個体の各トピックに対する重みを用いた線形和で表される、個体が生成する連続値データの確率密度関数に従って、前記予測対象の個体が生成する連続値データを予測する
連続値予測方法。 - コンピュータを、請求項1若しくは請求項2に記載の確率密度関数推定装置、又は請求項3に記載の連続値予測装置を構成する各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016107501A JP6517731B2 (ja) | 2016-05-30 | 2016-05-30 | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016107501A JP6517731B2 (ja) | 2016-05-30 | 2016-05-30 | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017215669A true JP2017215669A (ja) | 2017-12-07 |
JP6517731B2 JP6517731B2 (ja) | 2019-05-22 |
Family
ID=60576974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016107501A Active JP6517731B2 (ja) | 2016-05-30 | 2016-05-30 | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6517731B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7493752B2 (ja) | 2020-03-26 | 2024-06-03 | 国立研究開発法人量子科学技術研究開発機構 | データ処理装置、データ処理方法、プログラム、及び記録媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004133553A (ja) * | 2002-10-08 | 2004-04-30 | Toshiba Corp | 設備診断装置 |
US20060116920A1 (en) * | 2004-12-01 | 2006-06-01 | Shan Jerry Z | Methods and systems for forecasting with model-based PDF estimates |
US8645259B1 (en) * | 2008-02-14 | 2014-02-04 | Tyche Technologies LLC | Mitigating risk associated with executing limit orders for trading securities |
-
2016
- 2016-05-30 JP JP2016107501A patent/JP6517731B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004133553A (ja) * | 2002-10-08 | 2004-04-30 | Toshiba Corp | 設備診断装置 |
US20060116920A1 (en) * | 2004-12-01 | 2006-06-01 | Shan Jerry Z | Methods and systems for forecasting with model-based PDF estimates |
US8645259B1 (en) * | 2008-02-14 | 2014-02-04 | Tyche Technologies LLC | Mitigating risk associated with executing limit orders for trading securities |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7493752B2 (ja) | 2020-03-26 | 2024-06-03 | 国立研究開発法人量子科学技術研究開発機構 | データ処理装置、データ処理方法、プログラム、及び記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP6517731B2 (ja) | 2019-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5362823B2 (ja) | 無限次元を用いた高速行列因子分解による推薦システム | |
Pillonetto | A new kernel-based approach to hybrid system identification | |
Guillotte et al. | Non-parametric Bayesian inference on bivariate extremes | |
CN110097088A (zh) | 一种基于迁移学习与特殊点策略的动态多目标进化方法 | |
US10635078B2 (en) | Simulation system, simulation method, and simulation program | |
Ratnapinda et al. | Learning discrete Bayesian network parameters from continuous data streams: What is the best strategy? | |
JP2016161968A (ja) | 単語ベクトル学習装置、自然言語処理装置、方法、及びプログラム | |
Zhao et al. | High-dimensional linear regression via implicit regularization | |
JP6744767B2 (ja) | 人流予測装置、パラメータ推定装置、方法、及びプログラム | |
Yıldırım et al. | Calibrating the Gaussian multi-target tracking model | |
Nemeth et al. | Particle Metropolis-adjusted Langevin algorithms | |
JP2015038709A (ja) | モデルパラメータ推定方法、装置、及びプログラム | |
JP2017215669A (ja) | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム | |
JP6190771B2 (ja) | パラメータ推定方法、装置、及びプログラム | |
Lin et al. | Simulation analytics for virtual statistics via k nearest neighbors | |
Liang et al. | Learning Bayesian networks for discrete data | |
Singham et al. | Density estimation of simulation output using exponential epi-splines | |
Armstrong et al. | Estimating probability density functions using a combined maximum entropy moments and Bayesian method. Theory and numerical examples | |
JP6558860B2 (ja) | 推定装置、予測装置、方法、及びプログラム | |
CN114880363A (zh) | 一种数据中心流量预测***及训练方法、预测方法 | |
JP6649182B2 (ja) | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム | |
JP6745507B2 (ja) | パラメータ推定装置、方法、及びプログラム | |
JP6433858B2 (ja) | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム | |
Zhang | A note on supply risk and inventory outsourcing | |
Huber et al. | The hybrid density filter for nonlinear estimation based on hybrid conditional density approximation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180524 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190111 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190326 |
|
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: 20190402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190418 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6517731 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |