-
公开(公告)号：CN107239828A
公开(公告)日：2017-10-10
申请号：CN201610183511.0
申请日：2016-03-28
Applicant: 日本电气株式会社
IPC: G06N3/08
Abstract: 本公开涉及一种在神经网络中进行特征选择的方法和设备。所述方法可以包括：接收包含待在神经网络中进行特征选择的特征的训练集，所述神经网络包括输入层、中间层、输出层以及连接在所述输入层和所述中间层之间的稀疏层；以及，通过所述训练集对所述神经网络进行训练，以确定所述神经网络中的输入层、稀疏层、中间层和输出层之间的连接权重，其中针对所述稀疏层设置有稀疏性约束，用以对与所述稀疏层连接的所述输入层的节点进行选择。根据本公开的实施方式，可以以更加高效、更加有效地执行特征选择和训练神经网络，进而可以提高经过训练后的神经网络的可靠性和预测准确度。
-
公开(公告)号：CN106156845A
公开(公告)日：2016-11-23
申请号：CN201510129042.X
申请日：2015-03-23
Applicant: 日本电气株式会社
IPC: G06N3/02
Abstract: 本公开涉及一种用于构建神经网络的方法和设备。所述方法包括：获取目标数据与其影响因素之间的关联关系模型，所述关联关系模型表征所述目标数据与其影响因素之间的关联性；根据所述关联关系模型，设定所述神经网络的网络拓扑；以及利用样本数据对所述神经网络进行训练。根据本公开，提供了一种改进的用于构建神经网络的方法，其中通过挖掘输入输出数据之间的关联关系模型来设定神经网络的网络拓扑。利用该方法可以在不影响模型预测精度的情况下，大大节省网络的训练时间。
-
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：CN104866911A
公开(公告)日：2015-08-26
申请号：CN201410059945.0
申请日：2014-02-21
Applicant: 日本电气株式会社
Abstract: 提供了一种用于优化物流配载的设备，包括：数据获取单元，被配置为获取与物流配载有关的数据；装载方案产生单元，被配置为基于与物流配载有关的数据来产生装载方案，并获得所需车辆数最少的装载方案的集合；能耗计算单元，被配置为针对所述集合中的每一个装载方案计算能耗最小的配送路径；以及输出单元，被配置为输出最优装载方案和相应的配送路径，其中，所述最优装载方案的配送路径的能耗是所有装载方案的配送路径的能耗中最小的。还提供了一种用于优化物流配载的方法。
-
公开(公告)号：CN107247861B
公开(公告)日：2023-10-10
申请号：CN201610187158.3
申请日：2016-03-29
Applicant: 日本电气株式会社
Abstract: 本发明提供了一种用于估计时空数据的设备，包括：预处理单元，被配置为将时空数据进行排序并划分为若干级别，计算各个级别中每一个级别上的数据的均值；概率计算单元，被配置为基于划分级别后的数据来计算各个级别之间的时空变化概率；以及估计单元，被配置为基于所述均值和所述时空变化概率来估计时空数据。本发明还提供了一种用于估计时空数据的方法。通过本发明，能够实现污染原因追溯和估计等时空问题的准确度的提高。
-
Patent Agency Ranking
公开(公告)号：CN106610980B
公开(公告)日：2022-03-18
申请号：CN201510690684.7
申请日：2015-10-22
Applicant: 日本电气株式会社
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：CN105824853B
公开(公告)日：2020-06-26
申请号：CN201510011593.6
申请日：2015-01-09
Applicant: 日本电气株式会社
IPC: G06K9/62
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：CN105653541B
公开(公告)日：2020-06-02
申请号：CN201410643814.7
申请日：2014-11-11
Applicant: 日本电气株式会社
IPC: G06F16/2455
Abstract: 提供了一种用于识别多元时序列数据的数据元素之间的关联和演变模式的系统，所述系统包括：预处理单元，被配置为对采集到的数据进行预处理，得到处理后的数据序列；关联发现单元，被配置为使用Granger因果图模型从预处理后的数据中发现多元时序列数据的数据元素之间的关联，得到因果图序列；以及演变模式发现单元，被配置为对得到的因果图序列进行聚合，从而发现因果关系的演变模式。还提供了一种用于识别多元时序列数据的数据元素之间的关联和演变模式的方法。采用本发明，能够有效地识别多元时序列数据的数据元素之间的因果关系以及演变模式，而且因果关系的识别会更加准确。
-
公开(公告)号：CN105488317B
公开(公告)日：2018-11-16
申请号：CN201410475151.2
申请日：2014-09-17
Applicant: 日本电气株式会社
IPC: G06F17/50
Abstract: 提供了一种基于多个预测任务的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所述多个预测任务并根据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。还提供了一种基于多个预测任务的用于预测空气质量的方法。本发明充分利用了相似任务间的关联性，提高了空气污染预测的精确度。
-
公开(公告)号：CN106918677A
公开(公告)日：2017-07-04
申请号：CN201510983294.9
申请日：2015-12-24
Applicant: 日本电气株式会社
IPC: G01N33/00
CPC classification number: G01N33/0004
Abstract: 提供了一种用于污染物溯源的设备，包括：获取单元，被配置为获取监测点的监测数据；计算单元，被配置为从监测数据中选取参数，并对每个参数均匀划分级别，以及设定时间窗和时间间隔，计算监测点之间的激活力矩阵；以及确定单元，被配置为根据激活力矩阵中的数值大小，在距离约束下依次找出前一时间窗的激活力最强的监测点，直到所有时间窗被追溯。还提供了一种用于污染物溯源的方法。采用本发明，能够实现较短时间、细时空粒度上的污染物溯源。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.021 seconds)
