-
公开(公告)号：CN106156844A
公开(公告)日：2016-11-23
申请号：CN201510127794.2
申请日：2015-03-23
Applicant: 日本电气株式会社
IPC: G06N3/02
Abstract: 本公开涉及用于构建时空神经网络和利用其进行预测的方法和设备。根据本公开的一个示例实施方式，用于构建时空神经网络的方法可以包括：对时空序列数据集进行聚类，以将所述时空序列数据集在空间区域上划分成多个子区域；确定所述多个子区域中的各个子区域的时空相关性；以及基于所述各个子区域的时空相关性来构建所述时空神经网络。根据本公开，通过考虑时空序列数据的异质性而构建出一种异质时空神经网络。利用该方法，时空模型可以构建得更加合理，而且能够在提高训练数据的拟合性能的同时，提高时空序列数据的预测精度。
-
公开(公告)号：CN105824853A
公开(公告)日：2016-08-03
申请号：CN201510011593.6
申请日：2015-01-09
Applicant: 日本电气株式会社
IPC: G06F17/30
Abstract: 提供了一种聚类设备，包括：空间邻域选择单元，被配置为选择空间数据集中的每一个对象的空间邻域；核点计算单元，被配置为计算空间数据集中的核点，所述核点与该核点的空间邻域内的其他对象具有相似的属性值；提取单元，被配置为提取空间数据集中的核点以及位于核点的空间邻域内的对象，构成相应的空间数据子集；以及合并单元，被配置为对空间数据子集进行聚类。还提供了一种聚类方法。采用本发明，能够有效地对空间层次聚类结果进行显著性判别，获得的聚类结果更加可靠。
-
公开(公告)号：CN105488316A
公开(公告)日：2016-04-13
申请号：CN201410474871.7
申请日：2014-09-17
Applicant: 日本电气株式会社
IPC: G06F19/00
CPC classification number: Y02A90/15
Abstract: 提供了一种用于预测空气质量的系统，包括：确定单元，被配置为根据距离阈值来确定待测地点的邻近区域；训练单元，被配置为训练预测模型以获得所述预测模型的最优参数，其中所述预测模型是基于风向和所述邻近区域的空间特征而构建的；以及预测单元，被配置为利用具有所述最优参数的所述预测模型来预测待测地点的空气质量。还提供了一种用于预测空气质量的方法。本发明通过将风向因素与地理信息结合，充分利用了相邻区域间的关联性，提高了空气污染预测的精确度。
-
公开(公告)号：CN104850531A
公开(公告)日：2015-08-19
申请号：CN201410056862.6
申请日：2014-02-19
Applicant: 日本电气株式会社
Abstract: 本发明公开了一种建立数学模型的方法和装置，属于计算机技术领域。所述方法包括：根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型；其中，第二分类任务是与第一分类任务相关的其它分类任务；根据所述目标特征提取模型，分别对第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值；将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型；将所述目标分类模型和所述目标特征提取模型组成第一分类任务的数学模型。采用本发明，可以提高建模的准确性。
-
公开(公告)号：CN104714953A
公开(公告)日：2015-06-17
申请号：CN201310681366.5
申请日：2013-12-12
Applicant: 日本电气株式会社
IPC: G06F17/30
Abstract: 本发明公开了一种时序数据的模体识别方法和装置，属于时序数据分析领域。包括：将需要分析的时序数据分割成至少两个数据子序列，将每个数据子序列转化为符号子序列；对符号子序列进行随机投影，记录投影的每个符号子序列与投影的其他符号子序列在投影位置上具有相同符号的次数；将记录的次数中超过阈值的次数所对应的两个数据子序列间的距离小于第一预设距离的两个数据子序列作为识别出的标准模体；对每个预设范围内的标准模体进行聚类得到一个中心数据子序列，根据每个预设范围内的标准模体与中心数据子序列计算每个预设范围的方差；缩小阈值，计算记录的次数中超过缩小后的阈值的次数所对应的两个数据子序列与其所在预设范围内的中心数据子序列之间的距离，将距离小于所在预设范围的方差的数据子序列作为识别出的模体。本发明在保证模体识别速度的情况下，可提高模体识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN105786823A
公开(公告)日：2016-07-20
申请号：CN201410799803.8
申请日：2014-12-19
Applicant: 日本电气株式会社
IPC: G06F17/30
Abstract: 提供了一种用于从多维时序数据中发现多维事件的系统，包括一维事件发现单元和多维事件发现单元。一维事件发现单元将多维时序数据分成多个单独的一维时序数据，并从每个单独的一维时序数据中发现一维事件。多维事件发现单元包括：共现矩阵计算单元，被配置为计算表示所有一维事件相互之间同时出现的频率的共现矩阵；时间顺序矩阵计算单元，被配置为计算表示所有一维事件相互之间的时间顺序矩阵；以及共现事件发现单元，被配置为根据共现矩阵和时间顺序矩阵发现多维事件。还提供了一种用于从多维时序数据中发现多维事件的方法。采用本发明，即使在事件之间存在时间差的情况下，也能准确地发现多维事件。
-
公开(公告)号：CN106650189A
公开(公告)日：2017-05-10
申请号：CN201510728949.8
申请日：2015-10-30
Applicant: 日本电气株式会社
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本公开涉及用于因果关系挖掘的方法和设备。所述方法包括：基于切分点将目标数据及其影响因素的时间序列划分为多个时间分段；以及学习所述多个时间分段中的各个时间分段中的因果关系以及延迟参数。在所述方法中，所述划分和所述学习的操作迭代地执行，以得到优化时间分段和各个优化时间分段中的因果关系和延迟参数，并且在迭代中所使用的切分点基于先前迭代中的各个时间分段中的延迟参数来更新。根据本公开，可以得到优化时间分段及其相关的因果关系和延迟参数，并且利用该方法，可以同时学习动态因果关系以及延迟参数，这将显著提高因果关系和延迟参数的准确性。
-
公开(公告)号：CN106610980A
公开(公告)日：2017-05-03
申请号：CN201510690684.7
申请日：2015-10-22
Applicant: 日本电气株式会社
CPC classification number: G06F17/30241 , G06K9/6262 , G06K9/6267
Abstract: 提供了一种用于对时空序列数据进行分类/预测的设备，包括：接收单元，被配置为接收时空序列数据；建模单元，被配置为基于时空序列数据产生与地理上的异构性有关的权重参数，并基于所产生的权重参数构建用于分类/预测的模型；以及分类/预测单元，被配置为采用所构建的用于分类/预测的模型对时空序列数据进行分类/预测。还提供了一种用于对时空序列数据进行分类/预测的方法。本发明提出的地理加权极限学习机考虑到地理空间的异构性，能够提高对时空序列数据进行分类或预测的精度。
-
公开(公告)号：CN105678046A
公开(公告)日：2016-06-15
申请号：CN201410659700.1
申请日：2014-11-18
Applicant: 日本电气株式会社
IPC: G06F19/00
Abstract: 本发明涉及一种修补时空序列数据中的缺失数据的方法及装置，其中，该方法包括：分别确定空间周边点以及时间周边点对数据缺失的待求点的贡献权重；根据对所述待求点的贡献权重从大到小排序靠前的多个空间周边点，算出所述待求点的空间维度估计数据；根据对所述待求点的贡献权重从大到小排序靠前的多个时间周边点，算出所述待求点的时间维度估计数据；根据所述空间维度估计数据和所述时间维度估计数据，算出所述待求点的数据。本发明充分利用了时空序列数据的时空相关性和异质性，得到的待求点的数据精度高。
-
公开(公告)号：CN104809139A
公开(公告)日：2015-07-29
申请号：CN201410042833.4
申请日：2014-01-29
Applicant: 日本电气株式会社
Abstract: 本发明公开了一种代码文件查询方法和装置，属于数据处理技术领域。所述方法包括：基于历史查询词向量以及每个代码文件的文本特征向量和代码特征向量构造的转换矩阵，对当前查询词向量和每个代码文件的代码特征向量进行转换，代码特征向量根据代码文件的代码块确定；根据当前查询词向量、转换后的查询词向量、每个代码文件转换后的代码特征向量以及每个代码文件的文本特征向量，计算每个代码文件与查询词之间的相似度，得到代码文件查询结果。本发明考虑到了代码文件的结构对语义的影响，充分挖掘代码文件的内容和结构，提高了特征提取的准确性，且在查询代码文件的过程中，基于该文本特征向量和代码特征向量计算相似度，提高了查询精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.035 seconds)
