JP7265872B2 - 解析プログラム、解析装置、及び解析方法 - Google Patents
解析プログラム、解析装置、及び解析方法 Download PDFInfo
- Publication number
- JP7265872B2 JP7265872B2 JP2019011400A JP2019011400A JP7265872B2 JP 7265872 B2 JP7265872 B2 JP 7265872B2 JP 2019011400 A JP2019011400 A JP 2019011400A JP 2019011400 A JP2019011400 A JP 2019011400A JP 7265872 B2 JP7265872 B2 JP 7265872B2
- Authority
- JP
- Japan
- Prior art keywords
- explanatory
- analysis
- variable
- regression function
- regions
- 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
- 238000004458 analytical method Methods 0.000 title claims description 55
- 238000012545 processing Methods 0.000 claims description 11
- 238000000611 regression analysis Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 description 72
- 239000013598 vector Substances 0.000 description 26
- 238000000034 method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 9
- 230000010365 information processing Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005653 Brownian motion process Effects 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000005537 brownian motion Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G06F17/18—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
- G06F18/21—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
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Complex Calculations (AREA)
Description
(P1)解析者は、説明変数X=(x1,x2,...,xm)及び目的変数yについて、学習データ(XLt,yLt)(t=1,2,...,q)及び検証データ(XVj,yVj)(j=1,2,...,n)を用意する。m、q、及びnは、2以上の整数であり、(XLt,yLt)及び(XVj,yVj)は、(X,y)の観測値である。
(P2)解析者は、学習データ(XLt,yLt)を用いて教師あり学習を実施することで、回帰モデルy=f(X)を生成する。
(P3)解析者は、検証データyVjと、回帰モデルによる推定値yj=f(XVj)とを用いて、次式によりMAPEを計算する。
(P11)解析者は、説明変数X=(x1,x2,...,xm)及び目的変数yについて、学習データ(XLt,yLt)(t=1,2,...,q)及び検証データ(XVj,yVj)(j=1,2,...,n)を用意する。
(P12)解析者は、学習データ(XLt,yLt)を用いて教師あり学習を実施することで、回帰モデルy=f(X)を生成する。
(P13)解析者は、赤池の情報量規準(Akaike's Information Criterion,AIC)(例えば、非特許文献3を参照)の値が減少するように、1つずつ説明変数を除去していき、どの説明変数を除去してもAICの値が増加する場合、説明変数の除去を停止する。
(1)コンピュータは、運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成する。
(2)コンピュータは、回帰関数を用いて、複数の説明変数を含む説明変数空間を複数の領域に分割する。
(3)コンピュータは、複数の領域それぞれについて、目的変数に対する複数の説明変数それぞれの寄与に関する寄与情報を生成する。
分析部612は、観測値621を学習データとして用いて、教師あり学習により回帰分析を実施することで、回帰モデルの回帰関数622を生成し、回帰関数622を記憶部611に格納する。複数の物理的要素のうちいずれか1つが、回帰関数622の目的変数yとして用いられ、残りの物理的要素が説明変数X=(x1,x2,...,xm)として用いられる。回帰関数622は、図4の回帰関数421に対応する。
D=[r1,s1]×・・・×[rm,sm] (3)
まず、分割部613は、自然数kiを用いて、次式により、領域D内における複数のサンプル点p(u1,...,um)(ui=0,1,...,ki)を生成する(ステップ1101)。
df(p(u1,...,um))
=(dx1(p(u1,...,um)),...,
dxm(p(u1,...,um))) (5)
次に、分割部613は、正の閾値δを設定し、δを用いて、サンプル点の集合を生成する(ステップ1103)。このとき、分割部613は、各dxi(p(u1,...,um))の絶対値Abs(dxi(p(u1,...,um)))をδと比較し、かつ、Abs(dxi(p(u1,...,um)))を互いに比較することで、サンプル点の集合を生成する。これにより、複数のサンプル点が次のような集合に分類される。
A(1,1)
={p(u1,...,um)|Abs(dx1(p(u1,...,um)))<δ,...,Abs(dxm(p(u1,...,um)))<δ}
A(2,j1):m-1個のAbs(dxi(p(u1,...,um)))がδよりも小さいサンプル点の集合
A(2,j1)
={p(u1,...,um)|Abs(dxj1(p(u1,...,um)))≧δ,Abs(dxh(p(u1,...,um)))<δ(h=1,...,m,h≠j1)}(j1=1,...,m)
A(3,j1,j2):m-2個のAbs(dxi(p(u1,...,um)))がδよりも小さいサンプル点の集合
A(3,j1,j2)
={p(u1,...,um)|Abs(dxj1(p(u1,...,um)))≧δ,Abs(dxj2(p(u1,...,um)))≧δ,Abs(dxh(p(u1,...,um)))<δ(h=1,...,m,h≠j1,j2),Abs(dxj1(p(u1,...,um)))≧Abs(dxj2(p(u1,...,um)))}(j1=1,...,m,j2=1,...,m,(j2≠j1))
A(4,j1,j2,j3)~A(m,j1,...,j(m-1)):m-3個~1個のAbs(dxi(p(u1,...,um)))がδよりも小さいサンプル点の集合(これらの集合も、A(3,j1,j2)と同様にして生成される。)
A(m+1,j1,...,jm):Abs(dx1(p(u1,...,um)))~Abs(dxm(p(u1,...,um)))のすべてがδ以上であるサンプル点の集合
A(m+1,j1,...,jm)
={p(u1,...,um)|Abs(dxj1(p(u1,...,um)))≧δ,...,Abs(dxjm(p(u1,...,um)))≧δ,Abs(dxj1(p(u1,...,um)))≧Abs(dxj2(p(u1,...,um)))≧・・・≧Abs(dxjm(p(u1,...,um)))}(j1=1,...,m,j2=1,...,m,(j2≠j1),...,jm=1,...,m,(jm≠j1,...,j(m-1)))
A(1,1)、A(2,j1)、A(3,j1,j2)、A(4,j1,j2,j3)~A(m,j1,...,j(m-1))、及びA(m+1,j1,...,jm)は、領域D内の複数の領域を表している。
Abs(dx1(p(u1,...,um)))≧δ
Abs(dx2(p(u1,...,um)))<δ
領域1302:
Abs(dx1(p(u1,...,um)))≧δ
Abs(dx2(p(u1,...,um)))≧δ
Abs(dx1(p(u1,...,um)))≧Abs(dx2(p(u1,...,um)))
領域1303:
Abs(dx1(p(u1,...,um)))≧δ
Abs(dx2(p(u1,...,um)))≧δ
Abs(dx2(p(u1,...,um)))≧Abs(dx1(p(u1,...,um)))
領域1304:
Abs(dx1(p(u1,...,um)))<δ
Abs(dx2(p(u1,...,um)))≧δ
これらの情報から、領域1301ではx2を省略でき、領域1304ではx1を省略できることが分かる。また、領域1302ではx1の方がx2よりも影響度が大きく、領域1303ではx2の方がx1よりも影響度が大きいことが分かる。
(付記1)
運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成し、
前記回帰関数を用いて、前記複数の説明変数を含む説明変数空間を複数の領域に分割し、
前記複数の領域それぞれについて、前記目的変数に対する前記複数の説明変数それぞれの寄与に関する寄与情報を生成する、
処理をコンピュータに実行させるための解析プログラム。
(付記2)
前記コンピュータは、前記回帰関数の勾配を計算し、計算された勾配に基づいて、前記説明変数空間を前記複数の領域に分割することを特徴とする付記1記載の解析プログラム。
(付記3)
前記コンピュータは、前記説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分と閾値とを比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分が前記閾値よりも大きいか否かを示す情報であることを特徴とする付記1又は2記載の解析プログラム。
(付記4)
前記コンピュータは、前記説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分を比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分の大小関係を示す情報であることを特徴とする付記1又は2記載の解析プログラム。
(付記5)
前記運動体は電動輸送機器であり、前記複数の説明変数及び前記目的変数は、前記電動輸送機器の速度、前記電動輸送機器の走行距離、バッテリの電圧、バッテリの出力電流、バッテリの充電状態、風速、風向、又は路面の勾配のうち、いずれかの物理的要素を表すことを特徴とする付記1乃至4のいずれか1項に記載の解析プログラム。
(付記6)
前記回帰関数は1回微分可能であり、かつ、微分後の導関数が連続であることを特徴とする付記1乃至5のいずれか1項に記載の解析プログラム。
(付記7)
運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成する分析部と、
前記回帰関数を記憶する記憶部と、
前記回帰関数を用いて、前記複数の説明変数を含む説明変数空間を複数の領域に分割し、前記複数の領域それぞれについて、前記目的変数に対する前記複数の説明変数それぞれの寄与に関する寄与情報を生成する分割部と、
を備えることを特徴とする解析装置。
(付記8)
前記分割部は、前記回帰関数の勾配を計算し、計算された勾配に基づいて、前記説明変数空間を前記複数の領域に分割することを特徴とする付記7記載の解析装置。
(付記9)
前記分割部は、前記説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分と閾値とを比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分が前記閾値よりも大きいか否かを示す情報であることを特徴とする付記7又は8記載の解析装置。
(付記10)
前記分割部は、前記説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分を比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分の大小関係を示す情報であることを特徴とする付記7又は8記載の解析装置。
(付記11)
コンピュータによって実行される解析方法であって、
前記コンピュータが、
運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成し、
前記回帰関数を用いて、前記複数の説明変数を含む説明変数空間を複数の領域に分割し、
前記複数の領域それぞれについて、前記目的変数に対する前記複数の説明変数それぞれの寄与に関する寄与情報を生成する、
ことを特徴とする解析方法。
(付記12)
前記コンピュータは、前記回帰関数の勾配を計算し、計算された勾配に基づいて、前記説明変数空間を前記複数の領域に分割することを特徴とする付記11記載の解析方法。
(付記13)
前記コンピュータは、前記説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分と閾値とを比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分が前記閾値よりも大きいか否かを示す情報であることを特徴とする付記11又は12記載の解析方法。
(付記14)
前記コンピュータは、前記説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分を比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分の大小関係を示す情報であることを特徴とする付記11又は12記載の解析方法。
401、601、1601 解析装置
411、611 記憶部
412、612 分析部
413、613 分割部
421、622、624 回帰関数
614 推定部
615 出力部
621 観測値
623 寄与情報
801~805 勾配ベクトル
1001、1011、1012、1401、1411、1501、1511 曲線
1002、1003、1402、1403、1412、1413 破線
1611 制御部
1701 CPU
1702 メモリ
1703 入力装置
1704 出力装置
1705 補助記憶装置
1706 媒体駆動装置
1707 ネットワーク接続装置
1708 バス
1709 可搬型記録媒体
Claims (5)
- 運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成し、
前記回帰関数を用いて、前記複数の説明変数を含む説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、
計算された勾配の各説明変数に対応する成分に基づいて、前記説明変数空間を複数の領域に分割し、
前記複数の領域それぞれについて、前記目的変数に対する前記複数の説明変数それぞれの寄与に関する寄与情報を生成する、
処理をコンピュータに実行させるための解析プログラム。 - 前記コンピュータは、前記計算された勾配の各説明変数に対応する成分と閾値とを比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分が前記閾値よりも大きいか否かを示す情報であることを特徴とする請求項1記載の解析プログラム。 - 前記コンピュータは、前記計算された勾配の各説明変数に対応する成分を比較した結果に基づいて、前記説明変数空間を前記複数の領域に分割し、
前記寄与情報は、前記複数の領域それぞれについて、前記勾配の各説明変数に対応する成分の大小関係を示す情報であることを特徴とする請求項1記載の解析プログラム。 - 運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成する分析部と、
前記回帰関数を記憶する記憶部と、
前記回帰関数を用いて、前記複数の説明変数を含む説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、計算された勾配の各説明変数に対応する成分に基づいて、前記説明変数空間を複数の領域に分割し、前記複数の領域それぞれについて、前記目的変数に対する前記複数の説明変数それぞれの寄与に関する寄与情報を生成する分割部と、
を備えることを特徴とする解析装置。 - コンピュータによって実行される解析方法であって、
前記コンピュータが、
運動体の運動に関する複数の物理的要素それぞれの観測値を用いた回帰分析に基づいて、複数の説明変数と目的変数とを含む回帰関数を生成し、
前記回帰関数を用いて、前記複数の説明変数を含む説明変数空間内の複数の点それぞれにおける前記回帰関数の勾配を計算し、
計算された勾配の各説明変数に対応する成分に基づいて、前記説明変数空間を複数の領域に分割し、
前記複数の領域それぞれについて、前記目的変数に対する前記複数の説明変数それぞれの寄与に関する寄与情報を生成する、
ことを特徴とする解析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019011400A JP7265872B2 (ja) | 2019-01-25 | 2019-01-25 | 解析プログラム、解析装置、及び解析方法 |
US16/749,521 US11593457B2 (en) | 2019-01-25 | 2020-01-22 | Recording medium recording analysis program, information processing apparatus, and analysis method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019011400A JP7265872B2 (ja) | 2019-01-25 | 2019-01-25 | 解析プログラム、解析装置、及び解析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020119384A JP2020119384A (ja) | 2020-08-06 |
JP7265872B2 true JP7265872B2 (ja) | 2023-04-27 |
Family
ID=71731318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019011400A Active JP7265872B2 (ja) | 2019-01-25 | 2019-01-25 | 解析プログラム、解析装置、及び解析方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11593457B2 (ja) |
JP (1) | JP7265872B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7257168B2 (ja) * | 2019-02-13 | 2023-04-13 | 株式会社キーエンス | データ分析装置 |
JPWO2022044314A1 (ja) * | 2020-08-31 | 2022-03-03 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005208791A (ja) | 2004-01-21 | 2005-08-04 | Nippon Telegr & Teleph Corp <Ntt> | 道路リンク旅行時間推計方法、道路リンク旅行時間推計装置、プログラム、および、記録媒体 |
JP2012027683A (ja) | 2010-07-23 | 2012-02-09 | Nippon Steel Corp | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
JP2014160456A (ja) | 2013-02-20 | 2014-09-04 | Nec Corp | 疎変数最適化装置、疎変数最適化方法および疎変数最適化プログラム |
JP2015097019A (ja) | 2013-11-15 | 2015-05-21 | 日本電信電話株式会社 | 欠損値推定装置及び欠損値推定方法 |
JP2016031629A (ja) | 2014-07-29 | 2016-03-07 | 日本電信電話株式会社 | 特徴選択装置、特徴選択システム、特徴選択方法、および、特徴選択プログラム |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3622744B2 (ja) * | 2001-11-15 | 2005-02-23 | 株式会社デンソー | 車両の走行制御装置 |
JP5011830B2 (ja) | 2006-06-09 | 2012-08-29 | 富士通セミコンダクター株式会社 | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
FR2905024B1 (fr) * | 2006-08-17 | 2011-05-06 | Ile Act Concepts Soc Civ | Procede et dispositif embarque de calcul, d'enregistrement et de transfert de distributions statistiques relatives a des parametres lies au deplacement d'un mobile |
JP4394728B2 (ja) | 2008-04-15 | 2010-01-06 | シャープ株式会社 | 影響要因特定装置 |
US8340945B2 (en) * | 2009-08-24 | 2012-12-25 | International Business Machines Corporation | Method for joint modeling of mean and dispersion |
AT512003A3 (de) * | 2013-01-23 | 2014-05-15 | Avl List Gmbh | Verfahren zur Ermittlung eines regelungstechnischen Beobachters für den SoC |
US9355069B2 (en) * | 2013-12-20 | 2016-05-31 | Johnson Controls Technology Company | Systems and methods for determining the uncertainty in parameters of an energy use model |
JP6673216B2 (ja) | 2014-11-19 | 2020-03-25 | 日本電気株式会社 | 要因分析装置、要因分析方法とプログラム、及び、要因分析システム |
JP6554828B2 (ja) * | 2015-03-06 | 2019-08-07 | 富士通株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US11129669B2 (en) * | 2015-06-30 | 2021-09-28 | Cilag Gmbh International | Surgical system with user adaptable techniques based on tissue type |
CN105021617B (zh) * | 2015-07-14 | 2017-10-27 | 华中农业大学 | 基于高光谱成像的整株水稻叶绿素含量测量装置及方法 |
US10176435B1 (en) * | 2015-08-01 | 2019-01-08 | Shyam Sundar Sarkar | Method and apparatus for combining techniques of calculus, statistics and data normalization in machine learning for analyzing large volumes of data |
CN106934514A (zh) * | 2015-12-31 | 2017-07-07 | 华为技术有限公司 | 一种回归模型的生成方法以及装置 |
JP2017134478A (ja) | 2016-01-26 | 2017-08-03 | 国立大学法人埼玉大学 | プログラム、情報処理方法および情報処理装置 |
US11775619B1 (en) * | 2017-11-21 | 2023-10-03 | State Farm Mutual Automobile Insurance Company | Technology for building and managing data models |
JP7449776B2 (ja) * | 2020-05-20 | 2024-03-14 | 株式会社日立製作所 | 熱間圧延ライン制御システムおよび熱間圧延ライン制御方法 |
-
2019
- 2019-01-25 JP JP2019011400A patent/JP7265872B2/ja active Active
-
2020
- 2020-01-22 US US16/749,521 patent/US11593457B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005208791A (ja) | 2004-01-21 | 2005-08-04 | Nippon Telegr & Teleph Corp <Ntt> | 道路リンク旅行時間推計方法、道路リンク旅行時間推計装置、プログラム、および、記録媒体 |
JP2012027683A (ja) | 2010-07-23 | 2012-02-09 | Nippon Steel Corp | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
JP2014160456A (ja) | 2013-02-20 | 2014-09-04 | Nec Corp | 疎変数最適化装置、疎変数最適化方法および疎変数最適化プログラム |
JP2015097019A (ja) | 2013-11-15 | 2015-05-21 | 日本電信電話株式会社 | 欠損値推定装置及び欠損値推定方法 |
JP2016031629A (ja) | 2014-07-29 | 2016-03-07 | 日本電信電話株式会社 | 特徴選択装置、特徴選択システム、特徴選択方法、および、特徴選択プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020119384A (ja) | 2020-08-06 |
US20200242194A1 (en) | 2020-07-30 |
US11593457B2 (en) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pandey et al. | Diffusevae: Efficient, controllable and high-fidelity generation from low-dimensional latents | |
Graff et al. | BAMBI: blind accelerated multimodal Bayesian inference | |
JP7265872B2 (ja) | 解析プログラム、解析装置、及び解析方法 | |
Torres et al. | Random hyper-parameter search-based deep neural network for power consumption forecasting | |
Midgley et al. | Flow annealed importance sampling bootstrap | |
WO2017122798A1 (ja) | 目標値推定システム、目標値推定方法及び目標値推定用プログラム | |
Qi et al. | A new adaptation method based on adaptability under k-nearest neighbors for case adaptation in case-based design | |
KR102224714B1 (ko) | 신규 물질 탐색 시스템 및 그 탐색 방법 | |
JP2021504836A5 (ja) | ||
Wirthmüller et al. | Predicting the time until a vehicle changes the lane using LSTM-based recurrent neural networks | |
CN110895820A (zh) | 一种基于kcf的尺度自适应目标跟踪方法 | |
CN110471768B (zh) | 一种基于fastPCA-ARIMA的负载预测方法 | |
Kinney | Unification of field theory and maximum entropy methods for learning probability densities | |
Li et al. | State-of-health estimation method for fast-charging lithium-ion batteries based on stacking ensemble sparse Gaussian process regression | |
KR101677809B1 (ko) | 정보 처리 장치, 프로그램 및 방법 | |
WO2021095509A1 (ja) | 推定システム、推定装置および推定方法 | |
Li et al. | EMD-based recurrent neural network with adaptive regrouping for port cargo throughput prediction | |
JP2021012605A (ja) | 伝達関数の予測方法 | |
Sugiyama et al. | Generalization error estimation under covariate shift | |
Bao et al. | A score-based nonlinear filter for data assimilation | |
Yang et al. | Lipschitz singularities in diffusion models | |
Zand et al. | Diffusion models with deterministic normalizing flow priors | |
Abdulkadir et al. | An enhanced ELMAN-NARX hybrid model for FTSE Bursa Malaysia KLCI index forecasting | |
Wang | Supply-demand Forecasting For a Ride-Hailing System | |
CN113822321A (zh) | 生成模型训练方法和装置、噪声尺度生成方法和计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211007 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221201 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20221201 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230417 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7265872 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |