【課題】計算量を削減することができ、かつ、計算量の削減に伴う計算精度の低下が従来よりも小さなカーネル主成分分析方法を実現する。
【解決手段】本発明の主成分分析方法は、ｎ個の標本ベクトル｛ｘ₁，ｘ₂，…，ｘ_n｝からｍ個の標本ベクトル｛ｙ₁，ｙ₂，…，ｙ_m｝を選択する選択ステップと、一般化固有値問題Ｋ_xy^TＫ_xyｚ＝λＫ_yzを解くことによって、ｒ個の固有ベクトル｛ｚ₁，ｚ₂，…，ｚ_r｝を算出する設計ステップと、評価対象ベクトルｘの特徴ベクトルｙ＝［ｚ₁，ｚ₂，…，ｚ_r］^Tｘ_Φを算出する評価ステップとを含んでいる。 （もっと読む）

【課題】重み付き特異値分解の加算的構成を可能とすることを目的とする。
【解決手段】データ取得部１００は、センサによって得られる物理的な計測量の系列やアンケートによって得られる回答の系列等を表すデータ行列Ａの特異値分解結果とデータ行列Ａに追加されて新たな特異値分解の計算対象となる追加データａとを取得する。重み生成部１０１は、データ行列Ａの特異値分解結果用及び追加データａ用の重み係数を生成する。重み付け部１０２は、データ行列Ａの特異値分解結果と追加データａとに対する重み付けを、該当する重み係数を用いて行う。加算的特異値分解部１０３は、重み付けされたデータ行列Ａの特異値分解結果と追加データａとを用いて加算的特異値分解を行うことで、データ行列Ａに追加データａが追加されたデータ行列Ａ´の特異値分解を計算する。 （もっと読む）

【課題】 時系列データの異常度の検知精度を高めることを目的とする。
【解決手段】 テスト用時系列データと、参照用正常時系列データの各々について、先ず相関係数行列を作成する。次に、graphic lassoのアルゴリズムにより、その各々の相関係数行列から、逆行列である、疎の精度行列を作成する。精度行列が得られると、テスト用時系列データと参照用正常時系列データの各々について、好適には多変量ガウスモデルによって近傍性の確率分布が記述できる。すると、負のエントロピーの計算により、異常度が、カルバック・ライブラー距離として計算できる。この技法は、近傍性保存原理に基づく時系列データの異常検出手法に、各センサの周りの近接グラフ構造をデータから自動的に推測する機能が組み込まれ、さらには、局所的な統計モデルの直接比較に基づいて、理論的に首尾一貫した異常度を与える、という点で有利である。 （もっと読む）

【課題】アレーアンテナの相関行列を求める際に、高速かつ小さな回路規模で逆行列を演算し得る逆行列演算回路を提供する。
【解決手段】各ステップ演算部１１０〜１４０間で行入れ替え操作を共通とし、パイプライン処理を可能な構成とした。また、各ステップ演算部１１０〜１４０内の逆数演算部において、複素数による逆数計算を不要とし、実数による逆数計算を行うようにした。 （もっと読む）

【課題】積和演算回数を減少させ、高速に固有値を求める。
【解決手段】入力行列のＱＲ分解を行うＱＲ分解手段２１、ＱＲ分解手段２１により得られた結果によるＲＱ演算を行った結果の対角成分要素中の１要素を除く残りの対角成分要素を求める対角成分要素演算手段２２、直前の入力行列における対角成分要素の総和Ｄから上記対角成分要素の和の引き算を行う引き算手段２３、ＱＲ分解結果を用いたＲＱ演算結果における対角成分要素以外の要素を求める演算を行う残要素演算手段２４、分解済回数が入力ＱＲ分解回数に満たない場合には、残要素演算手段２４による演算の演算結果と対角成分要素演算手段２２及び引き算手段２３による演算結果を入力行列としてＱＲ分解手段２１に帰還する一方、分解済回数が入力ＱＲ分解回数と一致すると、対角成分要素演算手段２２と引き算手段２３の演算結果を固有値として出力する制御手段２５を具備する。 （もっと読む）

【課題】近傍のベクトル群を代表する意味での適切な代表ベクトルを算出する。
【解決手段】本発明は、予め入力ベクトル集合に属する全ての要素のベクトルを正規化して入力ベクトル集合記憶手段に格納しておき、入力手段からベクトル量子化数、終了回数、検査回数が入力されると、学習に必要な初期設定を行い、入力ベクトル集合記憶手段から選択した入力ベクトルと、既に生成され代表ベクトル集合記憶手段に格納されている各代表ベクトルとの距離を計算し、代表ベクトルの中で最も該入力ベクトルとの距離が小さい代表ベクトルを抽出し、計算された該距離を抽出した代表ベクトルの部分ひずみに加算し、該代表ベクトルを更新し、更新された代表ベクトルを入力ベクトル集合と同じ長さに正規化し、代表ベクトル集合記憶手段に格納する。 （もっと読む）

【課題】ベクトルを複数のクラスのいずれかに適切に分類する分類装置等を提供する。
【解決手段】分類装置１０１において、最小化部１０３は、サンプル受付部１０２が受け付けたサンプルベクトルx[i]とそのクラスy[i]を参照して、パラメータ行列Wを用いて分類した場合の標本誤差R^empと、行列Wの行列ノルムにより表現される複雑さL(W)との、線形和からなる評価関数J(W)=R^emp+βL(W)を最小化するように、最急降下法や共役勾配法により行列Wを求め、識別値計算部１０５は、対象受付部１０４が受け付けた分類対象ベクトルzのi番目のクラスに対する識別値f_i(z)を、行列Wのi列目の列ベクトルW[i]とzの内積により定め、分類部１０６は、その最大識別値f_k(z)から、分類対象ベクトルzをクラスkに分類する。 （もっと読む）

【課題】大規模な固有値を計算機で求める、処理速度や記憶容量で有利な多階層のモード合成法等の近似解法において、これまでに知られていた実空間とモード空間を交互に解くＰ行列処理の非現実的な処理時間を改善し、数百万自由度以上の問題に適用できるようにする。
【解決手段】モード結合による多階層のモード合成法において、解析領域全体を木の形式で多階層に領域分割し、その領域において実空間とモード空間を完全に分離する。木に領域分割した場合の根元を上の階層、枝の方を下の階層と呼ぶ。まず、実空間を下の階層から上の階層に順番に固有値問題を解く。その階層毎の実空間の固有ベクトルを基底として、上の階層から下の階層にモード空間での固有値問題を解き、最終的に全体領域の固有値・固有ベクトルを求めるアルゴリズムが構成でき、そのアルゴリズムを実現するシステムを構築する。 （もっと読む）

【課題】時系列データに対して、スパイク型ノイズ２１２を識別し、スパイク型ノイズ２１２を検出して除去することを目的とする。
【解決手段】分析対象行列生成部１２０は基準データ２２０から抽出した複数の基準レコード２２１と分析対象データ２１０から抽出した１つの分析対象レコード２１１とをそれぞれ列にして分析対象行列２４０を分析対象レコード２１１毎に生成する。主成分分析部１３０は各分析対象行列２４０を主成分分析して各第１主成分係数列ベクトル２５１から成る第１主成分係数行列２６０を生成する。ノイズ検出部１４０は第１主成分係数行列２６０から抽出した第１主成分係数正方行列２６１の逆対角成分２６２の比率ρを算出する。スパイク型ノイズ除去部１５０は逆対角比ρとノイズ判定閾値ｎｔとの比較によりスパイク型ノイズ２１２と判定された逆対角成分２６２に対応する時点の分析対象データ２１０の計測値を除去する。 （もっと読む）

【課題】dⁿ×dⁿ(d≧3)のユニタリ行列を、量子ｄ準位系で動作する量子コンピュータのための量子回路に変換可能な行列の積に効率的に分解する。
【解決手段】d^m×d^m(n≧m≧2)の行列Gを、行列K₁,K₂∈K(d^m)と、d^r×d^r(r≧1)のユニタリ行列をブロックとするブロック対角行列A₁との積G=K₁・A₁・K₂に分解する。なお、c₁, c₂, tを実数とし、c₁+c₂=d^tとし、pをp=c₁・d^m-t<(d-1)・d^m-1を満たす整数とし、qをq=c₂・d^m-t≦p, 2・q≦d^mを満たす整数とする。次に、行列K₁の部分行列K₁₁∈SU(p),K₁₂∈SU(q)と、行列K₂の部分行列K₂₁∈SU(p),K₂₂∈SU(q)と、ブロック対角行列A₁のd^r×d^rの対角ブロックのユニタリ行列である部分行列とを、行列リストの要素として記憶部に格納し、これらの部分行列に対応する行列Gを行列リストの要素から排除する。そして、d×dよりも大きな行列が存在する限り、再帰的な処理を繰り返す。 （もっと読む）

【課題】複素領域Ｄに零点を持つ一変数実多項式のうち、領域Ｄに零点を持たない一変数実多項式ｆに最も近い一変数実多項式ｆ~と、一変数実多項式ｆとのｌ^∞-ノルムで定義された距離を求める。
【解決手段】f(x)=e₀(x)+Σ_j=1ⁿa_je_j(x) (a_j∈Ｒ)として、領域Ｄの各区分境界Ｃ_kと集合｛Σ_j=1ⁿ±e_j(x)｝に属する多項式q(x)との組合せ毎に得られるf(x)+tq(x)=0の零点の候補に対応して得られる絶対値|t|のうち最小のものを求める〔処理Ａ〕。また、各区分境界Ｃ_kと{1,2,…,n}に属する整数μと集合{Σ_{1≦j≦n,j≠μ}±e_j(x)}に属する多項式p_μ(x)との組合せ毎に得られるf(x)+t_μe_μ(x)+τp_μ(x)=0の零点の候補に対応して得られる絶対値|τ|のうち最小のものを求める〔処理Ｂ〕。処理Ａと処理Ｂで得られた値のうち最小のものが最小距離である。 （もっと読む）

【課題】固有値に無限大値が含まれる共分散行列をコンピュータ上で演算する場合であっても、演算量を増大させることなく計算の精度を向上させることのできる技術を提供する。
【解決手段】共分散行列を行列Ａと対角行列Ｄと行列Ａの転置行列の積の形で表して演算を行う処理装置１において、入力部８は、対角行列Ｄを、無限大値と対角行列Ｄ１との積と、対角行列Ｄ２との和で表したとき、対角行列Ｄ１及び対角行列Ｄ２を入力させる。第１の格納部４及び第２の格納部５はそれぞれ対角行列Ｄ１及び対角行列Ｄ２を格納する。第３の格納部６は行列Ａを格納する。演算部７は、対角行列Ｄ１、対角行列Ｄ２及び行列Ａを用いて、共分散行列を下三角行列Ｌと対角行列Ｅと下三角行列Ｌの転置行列の積の形で表し、対角行列Ｅを無限大値と対角行列Ｅ１の積と、対角行列Ｅ２との和で表したときの下三角行列Ｌ、対角行列Ｅ１及び対角行列Ｅ２を計算する。出力部９は得られた下三角行列Ｌを出力する。 （もっと読む）

【課題】実行する必要のある命令の数をさらに減らすことができる処理装置を提供する。
【解決手段】SIMD方式で演算を適用できる数値を含むセグメントとしてフォーマットできるレジスタ用のデータ処理装置。さらに、１つのレジスタの異なるレジスタを、または異なるレジスタ内の異なる位置でのセグメントを組み合わせる演算を実行することが可能である。このように、専用に選択されたレジスタを提供することにより、 多次元の分離可能な変換をレジスタ内の数値を置き換えずに実行することが可能となった。 （もっと読む）

【課題】観測対象に生じた異常を効率よく検出する。
【解決手段】観測対象を観測して得られた時系列データのうち、異常検出の基準となる複数の期間に観測された複数の部分時系列データを、それぞれ列ベクトルとして配列して第１行列、第２行列を生成し、第２行列の特異ベクトルを算出し、第１行列に第１行列の転置行列を右から乗じて積行列を算出し、特異ベクトルを基底として含む積行列のクリロフ部分空間の正規直交基底の各基底を列ベクトルとして配列した行列、および当該行列の転置行列を用いて３重対角化された、積行列の３重対角化行列の対角要素および副対角要素を算出し、３重対角化行列の固有ベクトルを算出し、それぞれの固有ベクトルと特異ベクトルとの間の内積の線形結合に基づいて、異常検出の対象となる期間における観測対象の変化の程度を算出して、観測対象の異常を示す指標として出力する。 （もっと読む）

【課題】アクセス回数を削減でき、行列の対角化処理の高速化を図ることが可能な行列対角化装置、行列対角化方法、および復号装置を提供する。
【解決手段】行列対角化装置１００は、行列を記憶する行列メモリ１２０と、行のインデックスを記憶する行インデックスメモリ１１０と、要探索、掃き出しを行う要探索、掃き出し回路１３０，１６０と、を含み、行インデックスメモリ１１０から順に行インデックスを読み出し、行インデックスが指定する行を行列メモリ１２０から読み出し、その行の対角化の対象となる列の要素を見て、要探索、掃き出しを行い、要探索、掃き出しを複数列並列に行う機能を有する。 （もっと読む）

【課題】行列の対角化処理の高速化を図ることが可能な行列対角化方法、行列対角化装置、復号装置、およびプログラムを提供する。
【解決手段】行列対角化装置１００は、行列を記憶する行列メモリ１２０と、行のインデックスを記憶する行インデックスメモリ１１０と、要探索、掃き出しを行う要探索、掃き出し回路１３０と、を含み、行インデックスメモリ１１０から順に行インデックスを読み出し、その行インデックスが指定する行を行列メモリ１２０から読み出し、当該行の対角化の対象となる列の要素を見て、要探索、掃き出しを行う機能を有し、要探索の対象とする要素をその要素を含む行が未だ要行になっていない要素のみに限定する。 （もっと読む）

【課題】処理演算量を少なくし、回路規模を小型化し、消費電力を削減するQL分解アルゴリズムの行列における数値分解方法を提供する。
【解決手段】入力される行列Hを行列Qと下三角行列Lとに分解するQL分解に関し、行列Hと該行列の複素共役転置行列H^Ｈと行列Hとを乗算して求めた正方行列Gを入力し、行列Hの各要素を、空行列Qに対して付与して行列Qとし、正方行列Gの下三角部分の各要素を空三角行列Lに対して付与して下三角行列Lとする過程と、下三角行列Lを読み出し、行ベクトル単位に、各行ベクトルにおける非ゼロ要素のみの部分行列に対して演算を行い、行列Lの各行ベクトルを算出する過程と、記憶部から行列Qを読み出し、列ベクトル単位に演算を行い、行列Qの各列ベクトルを求める過程と、行列L，Qを求める程を同一ループ内で、行列Hの列数に対応する回数繰り返す過程とを有する。 （もっと読む）

【課題】 シフト項を含む単回帰モデル、更には一般の重回帰モデルに対する評価関数及びパラメタ推定方法を求める。
【解決手段】 多変量データと目的変数との組み合わせからなる行列の分散共分散行列を求め（Ｓ１０２）、その分散共分散行列を固有値分解することによって、複数の固有値及び対応する固有ベクトルを計算する（Ｓ１０３）。そして、これら複数の固有値より、絶対値の大きい順に累積寄与率を計算し（Ｓ１０４）、所定値を超える累積寄与率に対応する固有値及び固有ベクトルから回帰係数を算出する（Ｓ１０６）。 （もっと読む）

本発明は、一般に、データ処理ハードウェアに関し、より詳細には、行列因数分解、特に非負行列因子分解(NMF)のためのハードウェアアクセラレータおよび関連の方法に関する。本発明の実装形態は、特に、OLEDディスプレイなどの電子発光ディスプレイの駆動に有用である。掛け合わせると対象の行列に近づく1対の因子行列(R;C)を決定する行列因子分解ハードウェアアクセラレータであって、前記対象の行列を表す入力データ行列を受信する入力と、第1の因子行列(R)の行および列のデータを格納する第1の因子行列メモリであって、ブロックに格納されている第1の因子行列の列データにアクセスするための、前記第1の因子行列メモリのそれぞれのブロックにそれぞれ関連付けられている複数の第1のデータバスを有する第1の因子行列メモリとを備える。
（もっと読む）

【課題】方法は、スパース主成分分析の基数制約組み合わせ最適化問題に対する候補解を最大にする。
【解決手段】近似的な方法は、入力として、共分散行列Ａ、候補解、およびスパーシティパラメータｋを有する。その後、Ａの部分行列固有値分解によって、共分散行列Ａおよびスパーシティパラメータｋの固有値構造に関する候補解ベクトルｘのための変分再正規化を実行して、最も可能性の高い解である、分散最大化ｋ−スパース固有ベクトルｘ（＾）が求められる。別の方法は、順方向パスおよび逆方向パスを含むネストされた貪欲探索技法によって、その問題を解く。その問題に対する厳密解は、貪欲解の出力で、分岐限定探索を初期化する。 （もっと読む）