-
-
公开(公告)号：CN107292407A
公开(公告)日：2017-10-24
申请号：CN201610191871.5
申请日：2016-03-30
Applicant: 日本电气株式会社
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明的实施方式涉及用于在不确定集中进行采样的方法和装置。具体地，在本发明的一个实施方式中，提供了一种用于在不确定集中进行采样的方法，包括：接收所述不确定集，所述不确定集是鲁棒优化中可以被赋予不确定参数的数值的集合；获取所述不确定集中的违背与所述鲁棒优化相关联的约束函数的不确定参数的基准采样点；以及基于所述基准采样点与所述不确定集之间的空间位置关系，在所述不确定集中确定违背所述约束函数的候选采样点。在本发明的一个实施方式中，提供了一种用于在不确定集中进行采样的装置。
-
公开(公告)号：CN107292323A
公开(公告)日：2017-10-24
申请号：CN201610201154.6
申请日：2016-03-31
Applicant: 日本电气株式会社
IPC: G06K9/62
CPC classification number: G06K9/6256
Abstract: 本公开的实施例涉及用于训练混合模型的方法和设备。该混合模型包括多个子模型。该方法包括：响应于接收到第一数据集，确定第一数据集相对于多个子模型的第一分布。该方法还包括：迭代执行以下操作至少一次，直至收敛条件被满足：基于第一分布，降低多个子模型中的第一子模型的第一子空间维度；以及基于降低后的第一子空间维度，更新第一分布。本公开的实施例能够实现自动学习用于降维的混合模型。
-
-
公开(公告)号：CN106155779A
公开(公告)日：2016-11-23
申请号：CN201510150031.X
申请日：2015-03-31
Applicant: 日本电气株式会社
IPC: G06F9/48
Abstract: 本公开的实施方式提供了一种分片线性模型生成系统及生成方法，该系统包括：获取装置，用于获取多个任务的数据；第一设置装置，用于设置用于表征所述多个任务之间的相关性的任务相关隐变量；第二设置装置，用于设置多个分片线性模型的模型结构，并且初始化相应的模型参数和分层隐变量；以及模型优化装置，用于基于所述多个任务的数据、所述任务相关隐变量以及所述分层隐变量优化所述模型结构和所述模型参数。
-
Patent Agency Ranking
公开(公告)号：CN104933014A
公开(公告)日：2015-09-23
申请号：CN201410101228.X
申请日：2014-03-18
Applicant: 日本电气株式会社
IPC: G06F17/18
Abstract: 本发明公开了一种关系模型的确定方法及装置，属于统计技术领域。方法包括：获取根据样本数据、至少两个用于说明样本数据拥有的特征的隐变量及模型参数确定的对数似然、正则项及各个隐变量的变分分布的对数；根据对数似然、正则项及各个隐变量的变分分布的对数确定目标函数；确定使目标函数收敛的隐变量的变分分布及模型参数，根据使目标函数收敛的隐变量的变分分布及模型参数确定关系模型。本发明通过根据对数似然、正则项及各个隐变量的变分分布的对数确定目标函数后，根据使目标函数收敛的隐变量的变分分布及模型参数确定关系模型，提高了关系模型的确定效率和精度，由于采用正则项，因而可以对模型的复杂度进行自动控制，提高模型的确定效率。
-
公开(公告)号：CN117556051A
公开(公告)日：2024-02-13
申请号：CN202210940329.0
申请日：2022-08-05
Applicant: 日本电气株式会社
IPC: G06F16/36 , G06F16/35 , G06F40/30 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/295
Abstract: 根据本公开的实施例，提供了用于信息处理的方法和设备。该方法包括基于关于目标对象的非结构化文本集，确定所述目标对象的一组目标因素。每个目标因素表示所述目标对象的一个方面。该方法还包括通过分析所述文本集中的文本，确定包括原因事件和结果事件的因果事件对。该方法进一步包括基于所述因果事件对，确定所述一组目标因素中的第一因素与所述目标对象的第二因素之间的第一因果关系。该方案有助于完善目标对象因果关系的挖掘，从而有利于目标对象的改善。
-
公开(公告)号：CN107292323B
公开(公告)日：2023-09-19
申请号：CN201610201154.6
申请日：2016-03-31
Applicant: 日本电气株式会社
IPC: G06V10/774
Abstract: 本公开的实施例涉及用于训练混合模型的方法和设备。该混合模型包括多个子模型。该方法包括：响应于接收到第一数据集，确定第一数据集相对于多个子模型的第一分布。该方法还包括：迭代执行以下操作至少一次，直至收敛条件被满足：基于第一分布，降低多个子模型中的第一子模型的第一子空间维度；以及基于降低后的第一子空间维度，更新第一分布。本公开的实施例能够实现自动学习用于降维的混合模型。
-
公开(公告)号：CN113887008A
公开(公告)日：2022-01-04
申请号：CN202010627708.5
申请日：2020-07-01
Applicant: 日本电气株式会社
IPC: G06F30/20 , G06F17/16 , G06F111/04 , G06F111/08
Abstract: 本公开的实施方式涉及信息处理方法、电子设备和计算机存储介质。该方法包括：获取一组变量；获取因果模型；以及使用该因果模型，基于该一组变量中的变量的类型来确定该一组变量中的变量之间的因果关系。使用本公开的技术方案，可以利用新的模型来处理复杂的、非线性的、连续数据或离散数据的混合，从确定观测数据之间的因果关系。
-
公开(公告)号：CN113469478A
公开(公告)日：2021-10-01
申请号：CN202010246073.4
申请日：2020-03-31
Applicant: 日本电气株式会社
Abstract: 本公开的实施例提供了一种信息处理方法、电子设备和计算机程序产品。该方法包括：获得产品的普及水平和与产品相关联的多个属性的值。该方法还包括：通过将普及水平和多个属性的值应用于数据处理模型，确定多个属性对产品的普及水平的多个影响因子。该方法进一步包括：基于多个影响因子来确定调整多个属性中的至少一个属性，以提高产品的普及水平。本公开的实施例可以指导产品提供方有效地提高产品的普及水平。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.027 seconds)
