JP2019121376A - 機械学習タスクを容易にするための最適なマザーウェーブレットを得るためのシステムおよび方法 - Google Patents
機械学習タスクを容易にするための最適なマザーウェーブレットを得るためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2019121376A JP2019121376A JP2018231781A JP2018231781A JP2019121376A JP 2019121376 A JP2019121376 A JP 2019121376A JP 2018231781 A JP2018231781 A JP 2018231781A JP 2018231781 A JP2018231781 A JP 2018231781A JP 2019121376 A JP2019121376 A JP 2019121376A
- Authority
- JP
- Japan
- Prior art keywords
- signals
- values
- signal
- entropy
- mother wavelets
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010801 machine learning Methods 0.000 title claims abstract description 34
- 230000006870 function Effects 0.000 claims description 20
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
この特許出願は、2017年12月28日にインドで出願されたインド特許出願第201721047125号(名称:機械学習タスクを容易にするための最適なマザーウェーブレットを得るためのシステムおよび方法)の優先権を主張する。
例示的な実装形態では、1つ以上の係数は、ウェーブレット変換を実行することによって以下のように得ることができる。
近似係数=−0.000598948、−0.002581435、−0.003833862、および
詳細係数=0.000598948、0.000419951、0.000169352
1つ以上の係数に対するシャノンのエントロピーは、以下の式(2)のように定義することができる。
ここで、piは、各ウェーブレット係数に対するエネルギー確率の分布Ciである。
したがって、マザーウェーブレットの可能性のあるセットを使用した(複数の信号のうちの)信号についてのエネルギー対シャノンのエントロピー比(xiで表される)は、次のように定義することができる。
および
例示的な実装では、エネルギー対シャノンのエントロピー比に対応する1つ以上の係数ならびに式(3)および(4)に基づいて、信号の第1のセットのエントロピー比およびマルチレベルウェーブレットエントロピーを含むエネルギー値およびエントロピー値は、次のように得ることができる。
エネルギー値=112.4818103、
エントロピー値=−24.029115、および
エントロピー比=−4.68106338
本開示の実施形態は、エネルギー値およびエントロピー値の計算を、エネルギー対シャノンのエントロピー比の使用のみに限定しないことに留意されたい。一実施形態では、エネルギー値およびエントロピー値を得るために、同様の他の計算、例えば、xiを得るためのマルチレベルウェーブレット時間エネルギーシャノンエントロピー(MWTEE)を実行することができる。
一実施形態では、重心の値は、
から得ることができ、
ここで、ベクトル空間Rnにおける有限点集合
の重心は、
である。
一実施形態では、有限点集合の標準偏差は、次のように計算することができる。
ここで
一実施例では、上記の式を使用して、1つ以上の信号クラスに対応する信号データの第2のセットを、以下の表3に示すように得ることができる。
を含む。Xに属するx、y、zについては、以下の条件が満たされる。
および
の長さの直感的な概念は、以下のように計算することができる。
例示的な実装形態では、正規化を実行した後に、以下の表5に示すように距離値のセットを得ることができる。
本開示の実施形態は、距離値のセットの計算を、ユークリッド距離技法のみの使用に限定しないことに留意されたい。実施形態は、その他の技法(例えば、性能計量技法またはnボール八面体技法)またはそれらの組み合わせを使用して距離値のセットを計算することを提供する。適切な距離関数の選択は、ラベル付きデータセットの種類およびラベル付きデータセットの対応する特性に基づいてもよい。さらに、本開示の実施形態は、その他の技法またはそれらの組み合わせを使用して距離値のセットの正規化の実行をサポートする。
Claims (12)
- 機械学習タスクを容易にするための最適なマザーウェーブレットを得るための方法であって、プロセッサに実装された、
複数の信号に基づいて、1つ以上のハードウェアプロセッサによって信号データの第1のセットを識別するステップであって、前記信号データの第1のセットが、1つ以上の信号クラスに対応するラベル付きデータセットを含む、ステップと、
前記信号データの第1のセットおよびマザーウェーブレットの可能性のあるセットに基づいて、前記マザーウェーブレットの可能性のあるセットによるウェーブレット変換に対応する信号の第1のセットのエントロピー比およびマルチレベルウェーブレットエントロピーを含むエネルギー値およびエントロピー値を計算するステップと、
前記エネルギー値およびエントロピー値に基づいて、前記1つ以上の信号クラスに対応する前記信号の第1のセットの重心の値および標準偏差の値を含む信号データの第2のセットを計算するステップと、
前記信号データの第2のセットに基づいて、前記1つ以上の信号クラスに対応する前記重心間の距離を含む距離値のセットを計算するステップであって、前記距離値のセットが、前記信号データの第2のセットに対応する関数に基づいて計算される、ステップと、
前記1つ以上の信号クラスに対応する前記距離値のセットおよび標準偏差の前記値に基づいて、前記信号の第1のセットの前記ウェーブレット変換を実行するための1つ以上の最適なマザーウェーブレットを得るステップと、
を含む、方法。 - 前記距離値のセットを計算するステップが、前記1つ以上の最適なマザーウェーブレットを得るために、前記エネルギー値およびエントロピー値に基づいて、Nノルム技法を使用して、前記距離値のセットを正規化するステップを含む、請求項1に記載の方法。
- 前記1つ以上の最適なマザーウェーブレットを得るステップが、前記1つ以上の信号クラスを分類するために、前記ラベル付きデータセットに基づいて前記マザーウェーブレットの可能性のあるセットを解析するステップを含む、請求項1に記載の方法。
- 前記得られた1つ以上の最適なマザーウェーブレットが、信号の第2のセットのウェーブレット変換を実行することによって前記信号の第2のセットの分解を可能にし、前記信号の第2のセットが、前記信号の第2のセットに対応する1つ以上の信号クラスの分類または回帰によって機械学習タスクを容易にする、請求項1に記載の方法。
- 機械学習タスクを容易にするための最適なマザーウェーブレットを得るためのシステムであって、
命令を記憶するメモリと、
1つ以上の通信インタフェースと、
前記1つ以上の通信インタフェースを介して前記メモリに結合された1つ以上のハードウェアプロセッサと、
を含み、前記1つ以上のハードウェアプロセッサが、前記命令によって、
複数の信号に基づいて、前記1つ以上のハードウェアプロセッサによって、1つ以上の信号クラスに対応するラベル付きデータセットを含む信号データの第1のセットを識別し、
マザーウェーブレットの可能性のあるセットおよび前記信号データの第1のセットに基づいて、前記マザーウェーブレットの可能性のあるセットによるウェーブレット変換に対応する信号の第1のセットのエントロピー比およびマルチレベルウェーブレットエントロピーを含むエネルギー値およびエントロピー値を計算し、
前記エネルギー値およびエントロピー値に基づいて、前記1つ以上の信号クラスに対応する前記信号の第1のセットの重心の値および標準偏差の値を含む信号データの第2のセットを計算し、
前記信号データの第2のセットに基づいて、前記1つ以上の信号クラスに対応する前記重心間の距離を含む、前記信号データの第2のセットに対応する関数に基づいて計算される距離値のセットを計算し、
前記1つ以上の信号クラスに対応する前記距離値のセットおよび前記標準偏差の値に基づいて、前記信号の第1のセットのウェーブレット変換を実行するための1つ以上の最適なマザーウェーブレットを得る、
ように構成される、システム。 - 前記距離値のセットが、前記1つ以上の最適なマザーウェーブレットを得るために、前記エネルギー値およびエントロピー値に基づいて、Nノルム技法を使用して、前記距離値のセットを正規化することによって計算される、請求項5に記載のシステム。
- 前記1つ以上の最適なマザーウェーブレットが、前記1つ以上の信号クラスを分類するために、前記ラベル付きデータセットに基づいて前記マザーウェーブレットの可能性のあるセットを解析することによって得られる、請求項5に記載のシステム。
- 前記得られた1つ以上の最適なマザーウェーブレットが、信号の第2のセットのウェーブレット変換を実行することによって前記信号の第2のセットの分解を可能にし、前記信号の第2のセットが、前記信号の第2のセットに対応する1つ以上の信号クラスの分類または回帰によって機械学習タスクを容易にする、請求項5に記載のシステム。
- 1つ以上のハードウェアプロセッサによって実行されると、前記1つ以上のハードウェアプロセッサに機械学習タスクを容易にするための最適なマザーウェーブレットを得るための方法を実行させる1つ以上の命令を含む1つ以上の非一時的機械可読情報記憶媒体であって、前記方法が、
* (i)複数の信号に基づいて、前記1つ以上のハードウェアプロセッサによって、1つ以上の信号クラスに対応するラベル付きデータセットを含む信号データの第1のセットを識別するステップと、
(ii)前記信号データの第1のセットおよびマザーウェーブレットの可能性のあるセットに基づいて、前記マザーウェーブレットの可能性のあるセットによるウェーブレット変換に対応する信号の第1のセットのエントロピー比およびマルチレベルウェーブレットエントロピーを含むエネルギー値およびエントロピー値を計算するステップと、
(iii)前記エネルギー値およびエントロピー値に基づいて、前記1つ以上の信号クラスに対応する前記信号の第1のセットの重心の値および標準偏差の値を含む信号データの第2のセットを計算するステップと、
(iv)前記信号データの第2のセットに基づいて、前記1つ以上の信号クラスに対応する前記重心間の距離を含む、前記信号データの第2のセットに対応する関数に基づいて計算される距離値のセットを計算するステップと、
(v)前記1つ以上の信号クラスに対応する前記距離値のセットおよび標準偏差の前記値に基づいて、前記信号の第1のセットのウェーブレット変換を実行するための1つ以上の最適なマザーウェーブレットを得るステップと、
を含む、1つ以上の非一時的機械可読情報記憶媒体。 - 前記距離値のセットを計算するステップが、前記1つ以上の最適なマザーウェーブレットを得るために、前記エネルギー値およびエントロピー値に基づいて、Nノルム技法を使用して、前記距離値のセットを正規化するステップを含む、請求項9に記載の1つ以上の非一時的機械可読情報記憶媒体。
- 前記1つ以上の最適なマザーウェーブレットを得るステップが、前記1つ以上の信号クラスを分類するために、前記ラベル付きデータセットに基づいて前記マザーウェーブレットの可能性のあるセットを解析するステップを含む、請求項9に記載の1つ以上の非一時的機械可読情報記憶媒体。
- 前記得られた1つ以上の最適なマザーウェーブレットが、信号の第2のセットのウェーブレット変換を実行することによって前記信号の第2のセットの分解を可能にし、前記信号の第2のセットが、前記信号の第2のセットに対応する1つ以上の信号クラスの分類または回帰によって機械学習タスクを容易にする、請求項9に記載の1つ以上の非一時的機械可読情報記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201721047125 | 2017-12-28 | ||
IN201721047125 | 2017-12-28 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019121376A true JP2019121376A (ja) | 2019-07-22 |
JP2019121376A5 JP2019121376A5 (ja) | 2020-10-01 |
JP6787981B2 JP6787981B2 (ja) | 2020-11-18 |
Family
ID=64172222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018231781A Active JP6787981B2 (ja) | 2017-12-28 | 2018-12-11 | 機械学習タスクを容易にするための最適なマザーウェーブレットを得るためのシステムおよび方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11475341B2 (ja) |
EP (1) | EP3506125A1 (ja) |
JP (1) | JP6787981B2 (ja) |
CN (1) | CN110059288B (ja) |
AU (1) | AU2018271286B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018116445A1 (de) * | 2018-07-06 | 2020-01-09 | Wobben Properties Gmbh | Verfahren zum Erkennen niederfrequenter Schwingungen und Erfassungseinrichtung dafür |
CN112347588A (zh) * | 2020-11-26 | 2021-02-09 | 中国舰船研究设计中心 | 基于小波包分解的旋转机械故障诊断方法 |
CN114019321B (zh) * | 2021-10-25 | 2024-07-05 | 国网江苏省电力有限公司 | 一种基于归一化标准差和小波熵的直流串联电弧故障检测方法及装置 |
CN116976857B (zh) * | 2023-08-08 | 2024-03-12 | 中国铁建电气化局集团北方工程有限公司 | 一种基于深度学习的铁路电力设备预测性维护方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6434261B1 (en) | 1998-02-23 | 2002-08-13 | Board Of Regents, The University Of Texas System | Method for automatic detection of targets within a digital image |
US6219373B1 (en) * | 1998-06-15 | 2001-04-17 | The United States Of America As Represented By The Secretary Of The Navy | Wavelet-based interference filtering for spread-spectrum signal |
JP3730435B2 (ja) * | 1999-03-26 | 2006-01-05 | 株式会社東芝 | 波形信号解析装置 |
US6728645B1 (en) | 2003-01-07 | 2004-04-27 | Electro-Optics Research & Development Ltd. | Method and system for automatic identification of objects type according to their characteristic spectrum of vibration frequencies |
CN103728551B (zh) * | 2013-01-30 | 2016-03-09 | 中国人民解放军海军航空工程学院 | 一种基于级联集成分类器的模拟电路故障诊断方法 |
CN104523266B (zh) | 2015-01-07 | 2017-04-05 | 河北大学 | 一种心电信号自动分类方法 |
CN107341519B (zh) * | 2017-07-10 | 2021-01-26 | 电子科技大学 | 一种基于多分辨率分析的支持向量机识别优化方法 |
-
2018
- 2018-11-02 EP EP18204017.0A patent/EP3506125A1/en active Pending
- 2018-11-02 US US16/179,771 patent/US11475341B2/en active Active
- 2018-11-28 AU AU2018271286A patent/AU2018271286B2/en active Active
- 2018-12-11 JP JP2018231781A patent/JP6787981B2/ja active Active
- 2018-12-12 CN CN201811520918.3A patent/CN110059288B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110059288B (zh) | 2023-04-14 |
AU2018271286B2 (en) | 2020-11-05 |
CN110059288A (zh) | 2019-07-26 |
EP3506125A1 (en) | 2019-07-03 |
US11475341B2 (en) | 2022-10-18 |
AU2018271286A1 (en) | 2019-07-18 |
US20190205778A1 (en) | 2019-07-04 |
JP6787981B2 (ja) | 2020-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10223615B2 (en) | Learning based defect classification | |
JP6787981B2 (ja) | 機械学習タスクを容易にするための最適なマザーウェーブレットを得るためのシステムおよび方法 | |
US20180150547A1 (en) | Time series analysis using a clustering based symbolic representation | |
US11023778B2 (en) | Techniques to embed a data object into a multidimensional frame | |
CN108197652B (zh) | 用于生成信息的方法和装置 | |
US20180196835A1 (en) | Root cause analysis of performance problems | |
JP2017049996A (ja) | 画像認識に用いられるニューラルネットワークの訓練方法及び訓練装置 | |
US20170357905A1 (en) | Fast and accurate graphlet estimation | |
Bachoc et al. | Gaussian processes with multidimensional distribution inputs via optimal transport and Hilbertian embedding | |
CN112651418B (zh) | 数据分类方法、分类器训练方法及*** | |
CN108229358B (zh) | 索引建立方法和装置、电子设备、计算机存储介质 | |
US20210350274A1 (en) | Dataset management in machine learning | |
JP2019121376A5 (ja) | ||
US20220253426A1 (en) | Explaining outliers in time series and evaluating anomaly detection methods | |
US11410065B2 (en) | Storage medium, model output method, and model output device | |
US9558554B1 (en) | Defining basis function requirements for image reconstruction | |
US12032549B2 (en) | Techniques for creating and utilizing multidimensional embedding spaces | |
US11177018B2 (en) | Stable genes in comparative transcriptomics | |
JP5824429B2 (ja) | スパムアカウントスコア算出装置、スパムアカウントスコア算出方法、及びプログラム | |
US8086550B2 (en) | Methods, apparatuses, and computer program products for classifying uncertain data | |
CN111242449A (zh) | 一种企业情报流失预测方法 | |
JP2019028883A (ja) | 解算出装置、解算出方法及び解算出プログラム | |
US20160246920A1 (en) | Systems and methods of improved molecule screening | |
CN116226260B (zh) | 一种大数据决策方法、***及云端服务中心 | |
Bi et al. | Feature learning method of acoustic emission signal during single-grit scratching on BK7 in brittle regime |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190221 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200309 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200318 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200618 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20200818 |
|
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: 20200929 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201029 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6787981 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |