-
-
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：CN113469363A
公开(公告)日：2021-10-01
申请号：CN202010246058.X
申请日：2020-03-31
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 本公开涉及用于信息处理的方法、装置、设备和存储介质。具体地，提出了一种信息处理方法。在该方法中，获取与应用系统中的多个定序数据相关联的多个样本，多个样本中的每个样本包括多个维度，多个维度中的维度对应于多个定序数据中的定序数据。基于多个样本，提供表示多个定序数据之间的因果关系的第一因果结构和第二因果结构，第二因果结构是基于第一因果结构获得的。进一步，提供了用于信息处理的装置、设备和存储介质。利用本公开的示例性实现方式，基于多个样本来提供第一因果结构和第二因果结构，可以以简单并且有效的方式确定因果关系，并且提高因果关系的可信度。
-
公开(公告)号：CN111861519A
公开(公告)日：2020-10-30
申请号：CN201910335036.8
申请日：2019-04-24
Applicant: 日本电气株式会社
Abstract: 本公开的实施例涉及用于数据处理的方法、设备和计算机可读存储介质。一种用于数据处理的方法包括获取关于多个因素的观测样本集合，该观测样本集合中的一个观测样本包括多个因素的相应观测值。该方法还包括针对多个因素中的每个因素，基于观测样本集合来估计该因素的观测值与估计值之间的差所服从的分布。该方法还包括至少基于估计的分布来确定表示多个因素间的因果关系的因果结构。本公开的实施例还提供了能够实现上述方法的设备和计算机可读存储介质。本公开的实施例能够在不对数据分布和因素间的关系进行任何假设的情况下准确且鲁棒地发现多个因素间的因果关系，并基于该因果关系来影响目标因素的观测值。
-
公开(公告)号：CN110555047A
公开(公告)日：2019-12-10
申请号：CN201810269835.5
申请日：2018-03-29
Applicant: 日本电气株式会社
IPC: G06F16/2458 , G06N20/00
Abstract: 本公开的实施例涉及一种数据处理方法、电子设备和计算机可读存储介质。数据处理方法包括：基于多个变量的观测数据集，获得表示多个变量之间的因果关系的模型；基于所获得的模型，确定多个变量中基于直接因果关系的第一变量和第二变量；确定第一变量和第二变量是否相互独立；以及响应于第一变量和第二变量相互独立，从所获得的模型中删除第一变量和第二变量之间的直接因果关系。利用本公开的数据处理方法，能够有效去除伪因，从而可以更精确地表示多个变量之间的因果关系。
-
公开(公告)号：CN110019973A
公开(公告)日：2019-07-16
申请号：CN201710919294.1
申请日：2017-09-30
Applicant: 日本电气株式会社
IPC: G06F16/901 , G06F16/2458
Abstract: 本申请提供了一种用于估计观测变量之间的因果关系的方法、装置和系统。根据本公开的用于估计观测变量之间的因果关系的方法可以包括响应于接收到针对多个观测变量其中至少一部分的专家知识，将所述专家知识转换为所述多个观测变量的因果关系目标式所需要满足的约束；以及利用所述观测变量的观测数据，通过稀疏因果关系推理，在有向无环图的约束和从专家知识转换得到的所需要满足的约束下，对所述因果关系目标式进行最优化求解，以估计所述观测变量之间的因果关系。利用本公开的实施方式，能够以简单的方式将其并入到因果推理过程中，以充分利用专家知识，得到更加精确的因果关系。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.061 seconds)
