JP5446800B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP5446800B2 JP5446800B2 JP2009277083A JP2009277083A JP5446800B2 JP 5446800 B2 JP5446800 B2 JP 5446800B2 JP 2009277083 A JP2009277083 A JP 2009277083A JP 2009277083 A JP2009277083 A JP 2009277083A JP 5446800 B2 JP5446800 B2 JP 5446800B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- processing method
- unit
- evaluator
- output
- 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.)
- Expired - Fee Related
Links
- 238000003672 processing method Methods 0.000 title claims description 210
- 230000010365 information processing Effects 0.000 title claims description 98
- 238000000034 method Methods 0.000 claims description 332
- 238000011156 evaluation Methods 0.000 claims description 229
- 230000008569 process Effects 0.000 claims description 168
- 238000004422 calculation algorithm Methods 0.000 claims description 153
- 238000012545 processing Methods 0.000 claims description 118
- 230000006870 function Effects 0.000 claims description 90
- 230000002068 genetic effect Effects 0.000 claims description 65
- 238000002360 preparation method Methods 0.000 claims description 42
- 238000012905 input function Methods 0.000 claims 2
- 238000010276 construction Methods 0.000 description 341
- 238000000605 extraction Methods 0.000 description 162
- 230000033001 locomotion Effects 0.000 description 141
- 238000010428 oil painting Methods 0.000 description 69
- 230000035772 mutation Effects 0.000 description 39
- 239000013598 vector Substances 0.000 description 30
- 238000010801 machine learning Methods 0.000 description 25
- 238000003754 machining Methods 0.000 description 23
- 238000011157 data evaluation Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 17
- 238000004088 simulation Methods 0.000 description 14
- 108090000623 proteins and genes Proteins 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000003786 synthesis reaction Methods 0.000 description 8
- 239000000470 constituent Substances 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000009957 hemming Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 101150012579 ADSL gene Proteins 0.000 description 2
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 2
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000002620 method output Methods 0.000 description 2
- 239000011295 pitch Substances 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06F18/2111—Selection of the most significant subset of features by using evolutionary computational techniques, e.g. genetic algorithms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
- G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
- G10H2210/036—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal of musical genre, i.e. analysing the style of musical pieces, usually for selection, filtering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
- Complex Calculations (AREA)
- Processing Or Creating Images (AREA)
Description
ここで、以下に記載する本発明の実施形態に関する説明の流れについて簡単に述べる。まず、図1、図2を参照しながら、特開2009−48266号公報に記載の特徴量抽出機自動構築アルゴリズムを用いて正解が一意に決まらない対象問題や解答がスカラ量ではない対象問題の解答を得ることの困難性について簡単に述べる。
1:はじめに
1−1:出力データがスカラ量ではないアルゴリズムの一例
1−2:正解が一意に決まらないアルゴリズムの一例
2:第1実施形態
2−1:油絵フィルタ自動構築システムの概要
2−2:情報処理装置100、150の機能構成
2−3:油絵風画像の生成方法
3:第2実施形態
3−1:疑似動き生成機自動構築システムの概要
3−2:情報処理装置200、250の機能構成
3−3:疑似動き生成方法
4:第3実施形態(自動作曲機構築システム)
5:第4実施形態(画像・映像自動生成機構築システム)
6:ハードウェア構成例
7:評価機の自動構築方法
8:応用例(時系列データの予測アルゴリズム)
9:まとめ
はじめに、特開2009−48266号公報(文献1)に記載のアルゴリズム自動構築方法により自動構築することが困難なアルゴリズムの一例について述べる。
上記文献1に記載のアルゴリズム自動構築方法は、出力データがスカラ量にならないアルゴリズムを自動構築することができない。このようなアルゴリズムの一例として、図1に示すようなノイズ除去フィルタを挙げることができる。このノイズ除去フィルタとは、入力された画像データからノイズを除去する画像処理フィルタのことである。
また、上記文献1に記載のアルゴリズム自動構築方法は、正しい出力データ(正解)が一意に決まらないアルゴリズムを自動構築することができない。このようなアルゴリズムの一例として、図2に示した時系列予測アルゴリズムを挙げることができる。この時系列予測アルゴリズムとは、与えられた過去に観測された観測値の時系列データから、未来に観測されるであろう観測値の時系列データを予測するアルゴリズムである。
まず、本発明の第1実施形態について説明する。本実施形態は、油絵フィルタの構築方法に関する。以下、本実施形態に係る油絵フィルタ自動構築システムの概要、当該油絵フィルタ自動構築システムの機能を実現することが可能な情報処理装置100、150の機能構成、及び油絵フィルタによる油絵風画像の生成方法について順次説明する。なお、ここでは油絵フィルタを例に挙げるが、出力データがスカラ量とならない任意のアルゴリズムの自動構築方法及びそのアルゴリズムによる出力データの生成方法に拡張可能である。
まず、図3を参照しながら、本実施形態に係る油絵フィルタ自動構築システムが持つ機能の概要について説明する。図3は、本実施形態に係る油絵フィルタ自動構築システムが持つ機能の概要を示す説明図である。
次に、図4、図5を参照しながら、本実施形態に係る情報処理装置100、150の機能構成について説明する。図4は、本実施形態に係る情報処理装置100の機能構成例を示す説明図である。一方、図5は、本実施形態に係る情報処理装置150の機能構成例を示す説明図である。なお、情報処理装置100、150の間で実質的に同じ機能を有する構成要素については同一の符号を付することにより構成要素間の対応関係を明示した。
図4に示すように、情報処理装置100は、主に、評価機構築用データセット入力部102と、評価機構築部104と、加工方法準備部106と、データ加工部108と、加工データ評価部110と、加工方法更新部112と、出力部114とにより構成される。以下、評価機の自動構築処理の流れ、油絵フィルタの自動構築処理の流れ、及び入力画像の加工処理の流れに沿って各構成要素の機能を説明する。なお、後述する加工方法更新部112の処理は、説明の都合上、遺伝アルゴリズムを用いることとするが、例えば、近傍探索、焼きなまし法等、要素を最適化するように更新できる方法であればどのような方法を用いてもよい。
まず、評価機構築用データセット入力部102は、学習用のデータセット(以下、評価機構築用データセット)を取得し、評価機構築部104に入力する。評価機構築用データセット入力部102は、外部の機器からネットワークを介して評価機構築用データセットを取得していてもよいし、情報処理装置100に内蔵された記録装置(非図示)から評価機構築用データセットを取得してもよい。さらに、評価機構築用データセット入力部102は、ユーザが正解情報を手入力するための入力デバイスに接続されていてもよい。
評価機が構築されると、この評価機を利用して得られる評価値に基づいて油絵フィルタが生成される。まず、加工方法準備部106は、複数のオペレータを組み合わせて加工方法を生成する。オペレータとは、画像を加工する加工方法の最小単位である。オペレータとしては、例えば、次のような関数やフィルタ等が用いられる。
指数関数等:Exp.Log,Pow,Sqrt,...
四則演算:Add,Multiply,...
デジタルフィルタ:LPF,HPF,BPF,...
微分演算:DIfferential
中央値フィルタ:Median
正規化演算:Normalize
ホワイトノイズの付加処理:AddWhiteNoise
画像処理フィルタ:Hemming,Sharpness,Blur,...
次に、情報処理装置100の変形例である情報処理装置150の機能構成について説明する。
次に、図12を参照しながら、本実施形態に係る油絵風画像の生成方法について説明する。図12は、本実施形態に係る油絵風画像の生成方法に係る処理の流れを示す説明図である。但し、図12の例は、上記の情報処理装置100による処理の流れに関する。
次に、本発明の第2実施形態について説明する。本実施形態は、生物の動きを擬似的に模倣するアルゴリズム(疑似動き生成機)の構築方法に関する。以下、本実施形態に係る疑似動き生成機自動構築システムの概要、当該疑似動き生成機自動構築システムの機能を実現することが可能な情報処理装置200、250の機能構成、及び疑似動き生成機による疑似動き生成方法について順次説明する。なお、ここでは疑似動き生成機を例に挙げるが、正解が一意に決まらない任意のアルゴリズムの自動構築方法及びそのアルゴリズムによる出力データの生成方法に拡張可能である。
まず、図13を参照しながら、本実施形態に係る疑似動き生成機自動構築システムが持つ機能の概要について説明する。図13は、本実施形態に係る疑似動き生成機自動構築システムが持つ機能の概要を示す説明図である。
次に、図14、図15を参照しながら、本実施形態に係る情報処理装置200、250の機能構成について説明する。図14は、本実施形態に係る情報処理装置200の機能構成例を示す説明図である。一方、図15は、本実施形態に係る情報処理装置250の機能構成例を示す説明図である。なお、情報処理装置200、250の間で実質的に同じ機能を有する構成要素については同一の符号を付することにより構成要素間の対応関係を明示し、重複する部分については詳細な説明を省略した。また、ここでは蝶の動きを擬似的に再現する疑似動き生成機の自動構築アルゴリズムについて説明する。
図14に示すように、情報処理装置200は、主に、評価機構築用データセット入力部202と、評価機構築部204と、生成方法準備部206と、疑似動き生成部208と、疑似動き評価部210と、生成方法更新部212と、出力部214とにより構成される。以下、評価機の自動構築処理の流れ、疑似動き生成機の自動構築処理の流れ、及び特定生物の移動軌跡生成処理の流れに沿って各構成要素の機能を説明する。なお、後述する生成方法更新部212の処理は、説明の都合上、遺伝アルゴリズムを用いることとするが、例えば、近傍探索、焼きなまし法等、要素を最適化するように更新できる方法であればどのような方法を用いてもよい。
まず、評価機構築用データセット入力部202は、学習用のデータセット(以下、評価機構築用データセット)を取得し、評価機構築部204に入力する。評価機構築用データセット入力部202は、外部の機器からネットワークを介して評価機構築用データセットを取得していてもよいし、情報処理装置200に内蔵された記録装置(非図示)から評価機構築用データセットを取得してもよい。さらに、評価機構築用データセット入力部202は、ユーザが正解情報を手入力するための入力デバイスに接続されていてもよい。
評価機が構築されると、この評価機を利用して得られる評価値に基づいて疑似動き生成機が構築される。まず、生成方法準備部206は、複数のオペレータを組み合わせて生成方法を生成する。オペレータとは、移動軌跡を生成する生成方法の最小単位である。オペレータとしては、例えば、次のような処理要素が用いられる。
遅延機:Delay
フィルタ:LPF,HPF,BPF,...
ベクトル結合:Combine
条件判断:If
四則演算:Add,Sub,Multiply,...
符号反転:ISign
三角関数等:Sin,Cos,Tan,ArcSin,...
ノルム計算:Norm
ノイズ発生:RndGaussian,RndWhite
基本波形発生:OscSin,OscTri,OscSqr,...
次に、情報処理装置200の変形例である情報処理装置250の機能構成について説明する。
次に、図26を参照しながら、本実施形態に係る疑似動きの生成方法について説明する。図26は、本実施形態に係る疑似動きの生成方法に係る処理の流れを示す説明図である。但し、図26の例は、上記の情報処理装置200による処理の流れに関する。
次に、図27を参照しながら、本発明の第3実施形態について説明する。本実施形態は、自動作曲機の構築方法に関する。また、本実施形態に係る自動作曲機構築システムの構成は、図27のように表現される。但し、自動作曲機構築システムの動作は、図26に示した上記第2実施形態に係る情報処理装置200の動作と似ている。両者の違いは、評価機構築用データセットの構成と、生成方法にて出力される出力ベクトルの構成とにある。
次に、図28を参照しながら、本発明の第4実施形態について説明する。本実施形態は、画像・映像自動生成機の構築方法に関する。また、本実施形態に係る画像・映像自動生成機構築システムの構成は、図28のように表現される。但し、画像・映像自動生成機構築システムの動作は、図26に示した上記第2実施形態に係る情報処理装置200の動作と似ている。両者の違いは、評価機構築用データセットの構成と、生成方法にて出力される出力ベクトルの構成とにある。
ここで、上記の第1〜第4実施形態に係る各システムのハードウェア構成例について述べる。上記の情報処理装置100が有する各構成要素の機能は、例えば、図29に示す情報処理装置のハードウェア構成を用いて実現することが可能である。つまり、当該各構成要素の機能は、コンピュータプログラムを用いて図29に示すハードウェアを制御することにより実現される。
次に、図30〜図43を参照しながら、評価機の自動構築処理の流れについて説明する。図30〜図43は、評価機の自動構築処理の流れを示す説明図である。ここで述べる評価機の自動構築処理は、評価機構築部104、204の機能により実行される。
図30に示すように、評価機構築部104、204は、まず、ランダムに処理関数を組み合わせて特徴量抽出式リストを生成する(S302)。次いで、評価機構築部104、204は、評価機構築用データセット及び特徴量抽出式リストに含まれる各特徴量抽出式を用いて特徴量を計算する(S304)。次いで、評価機構築部104、204は、特徴量及び評価機構築用データセットの正解情報を用いて遺伝アルゴリズムに基づく機械学習により、特徴量抽出式を組み合わせて生成された評価式を生成する(S306)。
まず、ステップS302の処理について、図31〜図39を参照しながら、より詳細に説明する。
ここで、上記のステップS3004に係る処理について、図32を参照しながら、より詳細に説明する。なお、特徴量抽出式リストに含める特徴量抽出式の数は、予めmに設定されているものとする。
ここで、上記のステップS3014に係る処理について、図33を参照しながら、より詳細に説明する。なお、特徴量抽出式の構築に用いる処理関数(処理対象の軸、オペレータ)は、予め設定されているものとする。なお、ここで言う処理対象の軸とは、例えば、時間、周波数、位置、観測値の種類等、演算の対象とする座標軸を意味する。つまり、どの座表軸に沿ってオペレータによる演算を実行するか(演算の方向)、という情報が処理対象の軸により指定される。
ここで、上記のステップS3006に係る処理について、図34を参照しながら、より詳細に説明する。
ここで、上記のステップS3034に係る処理(選択処理)について、図35を参照しながら、より詳細に説明する。なお、ここで行われる選択処理は、特徴量抽出式を生体、処理関数を遺伝子に見立てた場合に、進化の過程で優秀な遺伝子を持つ生体が高い確率で生き残る仕組みに対応する遺伝アルゴリズムの特徴的な処理の一つである。
ここで、上記のステップS3036に係る処理(交差処理)について、図36を参照しながら、より詳細に説明する。なお、ここで行われる交差処理は、特徴量抽出式を生体、処理関数を遺伝子に見立てた場合に、進化の過程で生体の遺伝子が一部交換され、新たな遺伝子の組み合わせを持つ生体が生まれる仕組みに対応する遺伝アルゴリズムの特徴的な処理の一つである。
ここで、上記のステップS3054、S3056に係る処理について、図37を参照しながら、より詳細に説明する。
ここで、上記のステップS3038に係る処理(突然変異処理)について、図38を参照しながら、より詳細に説明する。なお、ここで行われる突然変異処理は、特徴量抽出式を生体、処理関数を遺伝子に見立てた場合に、進化の過程で生体が持つ遺伝子の一部が突然に変異し、新たな遺伝子の組み合わせを持つ生体が生まれる仕組みに対応する遺伝アルゴリズムの特徴的な処理の一つである。
ここで、上記のステップS3040に係る処理(ランダム生成処理)について、図39を参照しながら、より詳細に説明する。
次に、ステップS304の処理について、図40を参照しながら、より詳細に説明する。なお、ステップS3004又はS3006にて特徴量抽出式リストが生成されているものとする。また、この特徴量抽出式リストは、m個の特徴量抽出式が含まれているものとする。
次に、ステップS306の処理について、図41を参照しながら、より詳細に説明する。なお、特徴量[M][q](M=1,…,m、q=1,…,d)が算出されているものとする。また、正解情報Dq(q=1,…,d)が用意されているものとする。
ここで、上記のステップS3114に係る処理について、図42を参照しながら、より詳細に説明する。
ここで、上記のステップS3118の処理について、図43を参照しながら、より詳細に説明する。
次に、図44を参照しながら、過去の時系列データから未来の時系列データを予測する時系列予測アルゴリズムの自動構築方法に上記実施形態の技術を拡張する方法について述べる。図44は、時系列予測アルゴリズムへの拡張方法を示す説明図である。
最後に、本発明の実施形態に係る技術内容について簡単に纏める。ここで述べる技術内容は、例えば、PCやゲーム機等、種々の情報処理装置に対して適用することができる。
102 評価機構築用データセット入力部
104 評価機構築部
106 加工方法準備部
108 データ加工部
110 加工データ評価部
112 加工方法更新部
114 出力部
200、250 情報処理装置(疑似動き生成機自動構築システム)
202 評価機構築用データセット入力部
204 評価機構築部
206 生成方法準備部
208 疑似動き生成部
210 疑似動き評価部
212 生成方法更新部
214 出力部
Claims (7)
- データの処理方法を準備する処理方法準備部と、
データ及び前記データの評価値を含むデータセットを複数利用し、遺伝アルゴリズムに基づく学習処理を実行して自動生成された、前記データから前記評価値を算出する評価機を用いて、前記処理方法準備部により準備された処理方法でデータを処理した場合に得られる出力データの評価値を算出する評価部と、
前記処理方法を繰り返し更新し、前記評価部により算出される評価値がより高くなる処理方法を算出する処理方法更新部と、
前記処理方法更新部により算出された処理方法でデータを処理した場合に得られる出力データの評価値が所定の条件を満たした場合に当該出力データ、当該出力データと当該処理方法との組、又は当該処理方法を出力する出力部と、
データ及び前記データの評価値を含むデータセットを入力するデータセット入力部と、
前記データセット入力部により入力された複数のデータセットを利用し、遺伝アルゴリズムに基づく学習処理を実行して前記データから前記評価値を算出する評価機を自動生成する評価機生成部と、
前記出力部から出力された出力データ、又は、出力データ及び処理方法の組に対するユーザの評価を受け付けるフィードバック取得部と、
を備え、
前記評価機生成部は、前記フィードバック取得部によりユーザから取得された評価値及び当該評価値に対応する出力データを含むデータセットを前記複数のデータセットに追加し、再び前記遺伝アルゴリズムに基づく学習処理を実行して評価機を自動生成する、情報処理装置。 - 前記処理方法準備部により準備された処理方法、前記処理方法更新部により更新された処理方法で、ユーザにより入力された入力データを処理して出力データを生成するデータ処理部をさらに備える、請求項1に記載の情報処理装置。
- 前記処理方法準備部により準備された処理方法、前記処理方法更新部により更新された処理方法で、所定の初期データ又はランダムに生成された初期データを処理して出力データを生成するデータ処理部をさらに備える、請求項1に記載の情報処理装置。
- 前記処理方法は、ある時刻tより前に観測されたデータから当該時刻tに観測されるデータの予測値を算出する処理方法であり、
前記出力部は、少なくとも前記処理方法を出力し、
前記情報処理装置は、
ある時点の観測値を初期のデータとして利用すると共に、前記出力部により出力された処理方法を繰り返し適用することで、ある時点から将来の時点に至る観測値の時系列データを予測する時系列予測部をさらに備える、請求項3に記載の情報処理装置。 - データの処理方法を準備する処理方法準備部と、
データ及び前記データの評価値を含むデータセットを複数利用し、遺伝アルゴリズムに基づく学習処理を実行して自動生成された、前記データから前記評価値を算出する評価機を用いて、前記処理方法準備部により準備された処理方法でデータを処理した場合に得られる出力データの評価値を算出する評価部と、
前記処理方法を繰り返し更新し、前記評価部により算出される評価値がより高くなる処理方法を算出する処理方法更新部と、
前記処理方法更新部により算出された処理方法でデータを処理した場合に得られる出力データの評価値が所定の条件を満たした場合に当該出力データ、当該出力データと当該処理方法との組、又は当該処理方法を出力する出力部と、
データ及び前記データの評価値を含むデータセットを入力するデータセット入力部と、
前記データセット入力部により入力された複数のデータセットを利用し、遺伝アルゴリズムに基づく学習処理を実行して前記データから前記評価値を算出する評価機を自動生成する評価機生成部と、
を備え、
前記評価機生成部は、ランダムな処理方法で生成された出力データに対するユーザの評価が得られた場合に、ユーザから取得された評価値及び当該評価値に対応する出力データを含むデータセットを利用して前記評価機を自動生成する、情報処理装置。 - データの処理方法を準備する処理方法準備ステップと、
データ及び前記データの評価値を含むデータセットを複数利用し、遺伝アルゴリズムに基づく学習処理を実行して自動生成された、前記データから前記評価値を算出する評価機を用いて、前記処理方法準備ステップにて準備された処理方法でデータを処理した場合に得られる出力データの評価値を算出する評価ステップと、
前記処理方法を繰り返し更新し、更新の度に前記評価ステップを実行して、前記評価ステップにて算出される評価値がより高くなる処理方法を算出する処理方法更新ステップと、
前記処理方法更新ステップにて算出された処理方法でデータを処理した場合に得られる出力データの評価値が所定の条件を満たした場合に当該出力データ、当該出力データと当該処理方法との組、又は当該処理方法を出力する出力ステップと、
データ及び前記データの評価値を含むデータセットを入力するデータセット入力ステップと、
前記データセット入力ステップにおいて入力された複数のデータセットを利用し、遺伝アルゴリズムに基づく学習処理を実行して前記データから前記評価値を算出する評価機を自動生成する評価機生成ステップと、
前記出力ステップにおいて出力された出力データ、又は、出力データ及び処理方法の組に対するユーザの評価を受け付けるフィードバック取得ステップと、
を含み、
前記評価機生成ステップでは、前記フィードバック取得ステップにおいてユーザから取得された評価値及び当該評価値に対応する出力データを含むデータセットを前記複数のデータセットに追加し、再び前記遺伝アルゴリズムに基づく学習処理を実行して評価機が自動生成される、情報処理方法。 - データの処理方法を準備する処理方法準備機能と、
データ及び前記データの評価値を含むデータセットを複数利用し、遺伝アルゴリズムに基づく学習処理を実行して自動生成された、前記データから前記評価値を算出する評価機を用いて、前記処理方法準備機能により準備された処理方法でデータを処理した場合に得られる出力データの評価値を算出する評価機能と、
遺伝アルゴリズムに基づいて前記処理方法を繰り返し更新し、前記評価機能により算出される評価値がより高くなる処理方法を算出する処理方法更新機能と、
前記処理方法更新機能により算出された処理方法でデータを処理した場合に得られる出力データの評価値が所定の条件を満たした場合に当該出力データ、当該出力データと当該処理方法との組、又は当該処理方法を出力する出力機能と、
データ及び前記データの評価値を含むデータセットを入力するデータセット入力機能と、
前記データセット入力機能により入力された複数のデータセットを利用し、遺伝アルゴリズムに基づく学習処理を実行して前記データから前記評価値を算出する評価機を自動生成する評価機生成機能と、
前記出力機能により出力された出力データ、又は、出力データ及び処理方法の組に対するユーザの評価を受け付けるフィードバック取得機能と、
をコンピュータに実現させ、
前記評価機生成機能は、前記フィードバック取得機能によりユーザから取得された評価値及び当該評価値に対応する出力データを含むデータセットを前記複数のデータセットに追加し、再び前記遺伝アルゴリズムに基づく学習処理を実行して評価機を自動生成する、プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009277083A JP5446800B2 (ja) | 2009-12-04 | 2009-12-04 | 情報処理装置、情報処理方法、及びプログラム |
EP10189513.4A EP2333697B1 (en) | 2009-12-04 | 2010-10-29 | Information processing apparatus, information processing method, and program |
US12/954,145 US8694447B2 (en) | 2009-12-04 | 2010-11-24 | Information processing apparatus, information processing method, and program |
CN201010573715.8A CN102147865B (zh) | 2009-12-04 | 2010-11-26 | 信息处理设备、信息处理方法以及程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009277083A JP5446800B2 (ja) | 2009-12-04 | 2009-12-04 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011118785A JP2011118785A (ja) | 2011-06-16 |
JP5446800B2 true JP5446800B2 (ja) | 2014-03-19 |
Family
ID=43608246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009277083A Expired - Fee Related JP5446800B2 (ja) | 2009-12-04 | 2009-12-04 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US8694447B2 (ja) |
EP (1) | EP2333697B1 (ja) |
JP (1) | JP5446800B2 (ja) |
CN (1) | CN102147865B (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013033376A (ja) * | 2011-08-02 | 2013-02-14 | Sony Corp | 情報処理装置、情報処理方法、および、プログラム |
US20130066452A1 (en) * | 2011-09-08 | 2013-03-14 | Yoshiyuki Kobayashi | Information processing device, estimator generating method and program |
JP6098498B2 (ja) * | 2013-12-19 | 2017-03-22 | ソニー株式会社 | 情報処理装置、情報処理方法、並びにプログラム |
EP3018512A1 (en) | 2014-11-05 | 2016-05-11 | Corning Optical Communications LLC | Bi-directional data center architectures employing a jacketless trunk cable |
US9542646B1 (en) * | 2016-01-27 | 2017-01-10 | International Business Machines Corporation | Drift annealed time series prediction |
US11222404B2 (en) | 2016-03-25 | 2022-01-11 | Koninklijke Philips N.V. | Image reconstruction |
WO2019028472A1 (en) | 2017-08-04 | 2019-02-07 | Outward, Inc. | IMAGE PROCESSING TECHNIQUES BASED ON MACHINE LEARNING |
CN108648158A (zh) * | 2018-05-08 | 2018-10-12 | 广州大学 | 基于遗传算法的小波图像去噪方法和装置 |
JP7318646B2 (ja) * | 2018-06-27 | 2023-08-01 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、およびプログラム |
EP3629240B1 (en) * | 2018-09-07 | 2023-08-23 | Panasonic Intellectual Property Corporation of America | Generative adversarial networks for local noise removal from an image |
CN111796840A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 算法模型更新方法、装置、存储介质及电子设备 |
JP7419787B2 (ja) | 2019-12-16 | 2024-01-23 | 東洋製罐グループホールディングス株式会社 | 時系列データ解析装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5946673A (en) * | 1996-07-12 | 1999-08-31 | Francone; Frank D. | Computer implemented machine learning and control system |
JPH11259522A (ja) * | 1998-03-13 | 1999-09-24 | Mitsubishi Electric Corp | 連続値感性データベースを用いたコンテンツ作成装置 |
JP2004326200A (ja) * | 2003-04-21 | 2004-11-18 | Mitsubishi Heavy Ind Ltd | 自動機械、機械の自動運転システム、及び、機械の自動運転方法 |
US7356518B2 (en) * | 2003-08-27 | 2008-04-08 | Icosystem Corporation | Methods and systems for multi-participant interactive evolutionary computing |
US7308418B2 (en) * | 2004-05-24 | 2007-12-11 | Affinova, Inc. | Determining design preferences of a group |
CN1295615C (zh) * | 2004-12-20 | 2007-01-17 | 华中科技大学 | 具有时间约束的分布式软件可靠性评估*** |
EP1905037A1 (en) * | 2005-07-06 | 2008-04-02 | Koninklijke Philips Electronics N.V. | Method and apparatus for generation of a sequence of elements |
US7979365B2 (en) * | 2006-01-31 | 2011-07-12 | The Board Of Trustees Of The University Of Illinois | Methods and systems for interactive computing |
US20080154808A1 (en) * | 2006-10-20 | 2008-06-26 | Genalytics, Inc. | Use and construction of time series interactions in a predictive model |
JP4392620B2 (ja) * | 2007-08-14 | 2010-01-06 | ソニー株式会社 | 情報処理装置、情報処理方法、演算装置、演算方法、プログラム、および記録媒体 |
EP2110784A1 (de) * | 2008-04-14 | 2009-10-21 | INFORM Institut für Operations Research und Management GmbH | Verfahren und Expertensystem zum Bewerten eines Objekts |
JP2009277083A (ja) | 2008-05-15 | 2009-11-26 | Fuji Xerox Co Ltd | 印刷システム及びそのプログラム |
-
2009
- 2009-12-04 JP JP2009277083A patent/JP5446800B2/ja not_active Expired - Fee Related
-
2010
- 2010-10-29 EP EP10189513.4A patent/EP2333697B1/en not_active Not-in-force
- 2010-11-24 US US12/954,145 patent/US8694447B2/en not_active Expired - Fee Related
- 2010-11-26 CN CN201010573715.8A patent/CN102147865B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
EP2333697A2 (en) | 2011-06-15 |
US8694447B2 (en) | 2014-04-08 |
EP2333697A3 (en) | 2014-09-24 |
EP2333697B1 (en) | 2018-10-17 |
CN102147865A (zh) | 2011-08-10 |
US20110137837A1 (en) | 2011-06-09 |
JP2011118785A (ja) | 2011-06-16 |
CN102147865B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5446800B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Baur et al. | Generating highly realistic images of skin lesions with GANs | |
Cai et al. | Learning gradient fields for shape generation | |
JP2011118786A (ja) | 情報処理装置、観測値予測方法、及びプログラム | |
Iglesias et al. | A survey on GANs for computer vision: Recent research, analysis and taxonomy | |
CN105706161B (zh) | 基于音高分布的自动音频协调 | |
JP7031009B2 (ja) | アバター生成装置およびコンピュータプログラム | |
Liu et al. | Optimization-based key frame extraction for motion capture animation | |
JP5573443B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
TWI430652B (zh) | 視錯覺影像產生裝置、視錯覺影像產生方法、印刷媒體製造方法及視錯覺影像產生程式 | |
JP2011210285A (ja) | 創作物作成支援方法及びその装置並びに記録媒体 | |
JP6832252B2 (ja) | 超解像装置およびプログラム | |
Xie et al. | GAGCN: Generative adversarial graph convolutional network for non‐homogeneous texture extension synthesis | |
JP2018032316A (ja) | 映像生成装置、映像生成モデル学習装置、その方法、及びプログラム | |
JP6347028B1 (ja) | アップサンプル装置、コンピュータプログラム、コンピュータシステム、機器、及びアップサンプル方法 | |
Luhman et al. | High fidelity image synthesis with deep vaes in latent space | |
CN114612618A (zh) | 图像生成方法、装置、设备、存储介质及计算机程序产品 | |
CN113192187A (zh) | 陶瓷产品原型视觉特征与自然语义关联模型构建方法 | |
JP6504614B2 (ja) | 合成パラメータ最適化装置、その方法、及びプログラム | |
Azam et al. | Optimized Cover Selection for Audio Steganography Using Multi-Objective Evolutionary Algorithm | |
Hamilton | Perceptually coherent mapping schemata for virtual space and musical method | |
Zhoua et al. | Research on Image Style Convolution Neural Network Migration Based on Deep Hybrid Generation Model | |
WO2024080044A1 (en) | Graphical user interface for generative adversarial network music synthesizer | |
CN114299969B (zh) | 音频合成方法、装置、设备及介质 | |
CN114926568A (zh) | 模型训练方法、图像生成方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131105 |
|
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: 20131203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131216 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5446800 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |