-
公开(公告)号：CN108694755A
公开(公告)日：2018-10-23
申请号：CN201810193423.8
申请日：2018-03-09
Applicant: 株式会社东芝
IPC: G07C3/14
CPC classification number: G06F17/5009 , G06F2217/16 , G07C3/146
Abstract: 本发明涉及模型构建系统和模型构建方法，其能够缓和灵敏度下降的影响，且能够辨别模型是否健全。根据其实施方式，该模型构建系统具有NCLM处理部、过滤器部、模型构建部、变量筛选部、判定部和健全度计算部。上述NCLM处理部将包含多个输入变量的第1输入变量群筛选为使用最近相关鲁汶算法(Nearest Correlation Louvain Method：NCLM)选择的第2输入变量群。上述过滤器部将上述第2输入变量群筛选为满足预定条件的第3输入变量群。上述模型构建部构建表示上述第3输入变量群和输出变量的关系的模型。上述变量筛选部将上述第1输入变量群筛选为未在构建上述模型中被使用的上述输入变量。上述判定部判定所构建的上述模型的数量是否达到了规定量，在上述模型的数量未达到上述规定量时，将由上述变量筛选部筛选出的上述第1输入变量群输出至上述NCLM处理部。上述健全度计算部计算上述规定量的上述模型的总体的健全度和各个上述模型的健全度。
-
公开(公告)号：CN108693787A
公开(公告)日：2018-10-23
申请号：CN201810193409.8
申请日：2018-03-09
Applicant: 株式会社东芝
IPC: G05B17/02
CPC classification number: G06F17/153 , G06F17/18 , G06F17/5009 , G06F17/5018 , G09G1/162 , G05B17/02
Abstract: 本发明提供模型构建系统以及模型构建方法，能够构建抑制精度降低并且泛化能力较高的模型。根据实施方式，模型构建系统具有基础模型构建部、类似度计算部、变形模型构建部以及泛化能力计算部。所述基础模型构建部构建表示从多个输入变量中选择的选择输入变量与输出变量之间的关系的基础模型。所述类似度计算部计算所述多个输入变量中除了所述选择输入变量以外的非选择输入变量与所述选择输入变量之间的类似度。所述变形模型构建部基于所述类似度将所述选择输入变量的至少一部分替换为所述非选择输入变量，并构建表示替换之后的输入变量与输出变量之间的关系的变形模型。所述泛化能力计算部计算所述基础模型和所述变形模型的泛化能力。
-
公开(公告)号：CN108694755B
公开(公告)日：2021-05-28
申请号：CN201810193423.8
申请日：2018-03-09
Applicant: 株式会社东芝
IPC: G07C3/14
Abstract: 本发明涉及模型构建系统和模型构建方法，其能够缓和灵敏度下降的影响，且能够辨别模型是否健全。根据其实施方式，该模型构建系统具有NCLM处理部、过滤器部、模型构建部、变量筛选部、判定部和健全度计算部。上述NCLM处理部将包含多个输入变量的第1输入变量群筛选为使用最近相关鲁汶算法(Nearest Correlation Louvain Method：NCLM)选择的第2输入变量群。上述过滤器部将上述第2输入变量群筛选为满足预定条件的第3输入变量群。上述模型构建部构建表示上述第3输入变量群和输出变量的关系的模型。上述变量筛选部将上述第1输入变量群筛选为未在构建上述模型中被使用的上述输入变量。上述判定部判定所构建的上述模型的数量是否达到了规定量，在上述模型的数量未达到上述规定量时，将由上述变量筛选部筛选出的上述第1输入变量群输出至上述NCLM处理部。上述健全度计算部计算上述规定量的上述模型的总体的健全度和各个上述模型的健全度。
-
-
Search Results
3
records
(took 0.015 seconds)
