【課題】マルコフ決定過程が周期性を有する場合に、既存の計算方法よりも効率的に最適施策を決定する方法、装置及びコンピュータプログラムを提供する。
【解決手段】少なくとも一の状態を有するＴ（Ｔは自然数）個の部分空間が周期構造を有するマルコフ決定過程を用いて最適施策を決定する。状態空間の一部である部分空間を特定し、特定された部分空間のうち、ｔ（ｔは自然数、ｔ≦Ｔ）番目の部分空間の選択を受け付ける。選択を受け付けたｔ番目の部分空間における一又は複数の状態から一周期後のｔ番目の部分空間における一又は複数の状態に到達する確率とコストの期待値とを算出し、算出した確率とコストの期待値とに基づいて、（ｔ−１）番目の部分空間から順に価値とコストの期待値とを再帰的に算出する。 （もっと読む）

【課題】非線形のデータセットに対して、パラメータチューニング作業を行うことなく、実用的な時間内に外れ値の検出を支援又は実行する外れ値検出装置等を提供する。
【解決手段】外れ値検出装置１が、データセットに含まれる各データを次元ごとにビット列に変換し、ビット列に基づいて、データセットの観測領域を構築する。次に、外れ値検出装置１が、データセットに含まれるデータの中から着目データを１つずつ決定し、観測領域から着目データに相当する領域を除去したときの着目データの周辺のデータ密度に基づいて、着目データの外れ度合を算出する。 （もっと読む）

【課題】統計計算装置において、予め定められた統計データエリア以上のデータ数を扱え、また、統計データエリアに残されたデータを参照及び編集可能にすること。
【解決手段】ＣＰＵ１１は、統計計算プログラム１４ａに従って、統計データエリア１４ｃが備える予め決められたエリアまで統計データの組を記憶した後に、さらに統計データの組が新たに入力されると、既に統計計算値を算出するのに使用済みの統計データの組の少なくとも一部を統計データエリア１４ｃから削除して、新たに入力された統計データの組を統計データエリア１４ｃに記憶する。そして、削除された以外の計算済みの統計データの組を表示して、修正がなされると、その修正された統計データの組を用いた再計算を行って統計計算値を算出する。 （もっと読む）

【課題】 実用的なサイズの問題も妥当な計算量で取り扱うことができる多重核関数学習技法を提供すること。
【解決手段】 訓練データにおいて、異なるカーネルに対応するデータ毎に類似度行列を作成し、その類似度行列から、個別のグラフ・ラプラシアンを形成する。その個別のグラフ・ラプラシアンの、結合定数による一次結合として、全体のグラフ・ラプラシアンを定義し、観測変数と、それに付随する潜在変数に正規分布を、結合定数にガンマ分布を想定することにより、変分ベイズ法に基づき、観測変数の分散と、結合定数が、妥当な計算量で求められる。観測変数の分散と、結合定数が求まると、ラブラス近似により、任意の入力データに対する予測分布を求めることができる。 （もっと読む）

【課題】特徴の数が大きい場合に指数関数的に増加する特徴の組み合わせに対しても、現実的な時間で、適切な特徴の組み合わせを選択して予測関数の生成が可能な予測関数生成装置を提供する。
【解決手段】疎な関係性評価手段１０２は、応答変数及び説明変数を含む観測データと、疎な関係性とに基づいて、評価関数の値を計算する。疎な関係性学習手段１０３は、評価関数の値が向上するように、疎な関係性を学習する。予測関数学習手段１０４は、学習された疎な関係性に基づいて、予測関数を学習する。 （もっと読む）

データの確率的処理方法を提供する。前記データは、（ｘ_１，...，ｘ_ｎ）の形の多次元ｎ−タプルからなるデータ集合Ｓの形式で提供される。本方法は、ビット行列を用意し、前記行列内のビットを指定するために使用されるＫ個の独立なハッシュ関数Ｈ_ｋを用意し、前記Ｋ個の独立なハッシュ関数Ｈ_ｋのそれぞれについて前記ｎ−タプルのすべての値ｘに対するハッシュ値Ｈ_ｋ（ｘ）を計算して結果を前記行列のビット［Ｈ_ｋ（ｘ_１），...，Ｈ_ｋ（ｘ_ｎ）］にセットすることにより前記ビット行列に前記ｎ−タプル（ｘ_１，...，ｘ_ｎ）を挿入する、ことによってｎ次元データ構造が生成されることを特徴とする。また、対応するシステムが提供される。
（もっと読む）

入力値の組から数量を算出するコンピュータシステム。コンピュータシステムは、ｎ＝１，２，．．．ｉである第１入力値Ｘ_ｎの値列を保存するデータベースを含み、任意の値ｎに対して、Ｘ_ｎは、上記値列においてＸ_ｎ＋１とｘの間にある。各ｘ値は、第２入力値ｙ_ｎと、変換アルゴリズムによりｙ_ｎから計算される変換値ｐ_ｎと、ｚ_ｎ＝ｚ_ｎ−１＋ｐ_ｎである出力値ｚ_ｎと関連付けられている。上記データベースは、複数の出力値ｚ_ｎを保存するように構成されている。また、上記データベースは、保存された値列から最小値及び／又は最大値を特定し、少なくとも第１部分列の値と該第１部分列の値の直後に追随する値よりなる第２部分列を定義するように構成されている。上記第１部分列と第２部分列の境界は、上記値列の最小値又は最大値の位置に配置されている。 （もっと読む）

非線形、時変、及びパラメータ変動動的プロセスあるいはシステムを支配できる微分または差分方程式を推定する方法及びシステム。これらの方程式を推定する前記方法及びシステムは、観測した出力と、必要に応じて、方程式の入力データとの推定値に基づいてもよい。前記方法及びシステムは、非線形、時変、及びパラメータ変動差分方程式を用いて表せる任意のシステムあるいはプロセスとともに利用できる。また、システム制御、故障検出、状態推定及び予測、並びにシステムまたは方法における変化へのその適応において用いられるシステムあるいは方法の詳細な挙動を記述する際に、差分方程式の自動抽出にも利用できる。 （もっと読む）

【課題】多変量解析手法により得られたデータを効率的に評価し、少ない労力で精度の高い重回帰式を抽出する方法を提供する。
【解決手段】多変量解析における目的変数及びその説明変数となるデータ群を多変量解析して得られた複数の重回帰式と、その評価データとからなる外部データを取得する（ステップＳ１）。次に、前記複数の重回帰式の各々について、所定の重回帰式評価基準に基づいて、重回帰式自体の良否を判定する第１の評価を行う（ステップＳ２）。そして、前記第１の評価で良と判定された重回帰式の導出に用いられた説明変数の各々について、所定の説明変数評価基準に基づいて、説明変数としての良否を判定する第２の評価を行う（ステップＳ３）。この第２の評価で、最も評価値が高かった重回帰式を抽出する（ステップＳ４）。 （もっと読む）

【課題】データの収集過程で欠落したデータを補間する際の精度を高める。
【解決手段】データの欠落があると（Ｓ１０）、欠落したデータと同じデータ種の過去のデータを用いて、このデータ種のデータの時間変化傾向から欠落したデータの第一推定値ｑを求めると共に（Ｓ１２）、欠落したデータと異なるデータ種の欠落時の複数のデータの平均値から、欠落したデータの第第二推定値ｐを求める（Ｓ１３）。次に、同データ種の欠落後のデータと第一推定値との第一誤差、同データ種の欠落後のデータの第二推定値との第二誤差を求め（Ｓ１４）、各誤差の累積値を算出する（Ｓ１５）。両誤差の累積値の和に対する一方の誤差の累積値の比率を重みαとし（Ｓ１６）、この重みαを用いて、ｒ＝α・ｑ＋（１−α）・ｐで、欠落したデータの補間データｒを求める（Ｓ１７）。 （もっと読む）

【課題】画像や音響信号のスペクトログラムのような非負値（０以上の値）からなるデータから、ポアソン分布とガウス分布の混合分布により定義される関数を尤度関数とし、適応的に観測データの統計分布の分布形を推定し、ＮＭＦ（非負値行列分解）を行う。
【解決手段】ポアソン分布とガウス分布の基底行列、混合比および重み行列の初期値を生成し、観測データに基づいたガウス分布の分散より生成されたガウス分布率行列で混合比率を更新し、基底行列および重み行列の更新を収束するまで繰り返す。 （もっと読む）

【課題】１つの原信号を複数のチャネルで観測した観測信号から、各チャネルの信号雑音比や原信号を推定する信号処理装置等を提供する。
【解決手段】信号処理装置１０１において、入力受付部１０２はチャネルiの時刻tの観測信号x_i(t)を受け付け、相関計算部１０４は、チャネルi,jの標本相関r_i,jを計算し、初期値設定部１０５は、計算結果からチャネルsの原信号と雑音の混合比a_sの初期値として〔r_s,tr_u,s/r_t,u〕^1/2を設定し、更新値設定部１０６は混合比を交互最小自乗法により混合比a_iを更新し、収束したら、混合比出力部１０７は、各混合比を出力する。ベクトル計算部１０９は、得られた混合比と観測信号に基づいて重みベクトルを計算し、原信号推定部１１０は、計算された重みベクトルに基づいて観測信号の重み付き平均を求めて、これを原信号の推定信号とする。 （もっと読む）

【課題】事前にモデルの設定を行うことなく、分布関数の数や形を決定する。
【解決手段】光学測定等によるスペクトル強度分布や統計データによる統計分布の離散データを入力して有限長の区間に分割し、予測係数算出部１２により、各区間毎の離散データを用いて、予測係数ａ_k,nを算出し、物理量算出部１３により、所定の関係式を満たすＫ個の複素数ｗ_k,nを算出し、表示部１４により、複素数ｗ_k,nのうち虚部が０でないものの実部をプロットする。これにより、入力された離散データに含まれる分布の形や数および分布関数のパラメータを推定することができる。 （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）

【課題】測定対象の状態に影響を与える可能性のある多数の影響因子から、測定対象の状態に強い影響を与える影響因子を推定し、測定対象の状態の予測に必要な影響因子だけを測定できるようにする。
【解決手段】多数の影響因子Ｆのなかから、影響因子選択部１３２が選択因子Ｆ’を選択し、特異値分解部１３３が特異値分解し、スコア値圧縮部１３６が圧縮スコア値行列Ｕ’を算出する。特徴度算出部１３４が特徴度Ｃを算出し、圧縮スコア値ベクトルＱ’のバラツキが小さい場合に、判別式算出部１３７が算出した判別式の判別度を、判別度算出部１３８が算出し、判別精度がよい場合に、影響因子選択部１３２が選択した選択因子Ｆ’を、強影響因子出力部１４５が出力する。 （もっと読む）

【課題】特に網羅的な発現プロファイル解析に代表される多変量解析において、変量が０近傍となるデータの影響を有効に軽減し、確実な解析を行う。
【解決手段】解析用変量から、第１データおよび第２データの対数比を含む補正変量を算出する補正変量算出部３２と、１回の実験により、複数の要素のそれぞれから同時期に解析用変量が得られ、かつ、同一の実験により得られた解析用変量より算出される補正変量が、同一の実験系に所属する補正変量として分類できる場合に、同一の要素より得られ、かつ異なる実験系に所属する２つの補正変量を、相関変量として抽出する相関変量抽出部４１と、相関変量を用いて、２つの実験系の間における相関係数を算出する相関係数算出部４３とを備えている。 （もっと読む）

【課題】 判別分析を行うとき、判別効率を低下させずに変数の数を減少させる方法を提供する。
【解決手段】 Ｎ個のインデクス集合に対してＮ−１個の要素を持つ部分集合族を生成する工程と、それぞれの部分集合に対して判別効率を計算する工程と、判別効率が最大の部分集合をＮ−１個のインデクス集合として採用し、Ｎ個のインデクス集合と置き換える工程と、要求仕様が満足されたかどうかを判定する工程とで構成される判別分析法であり、判別効率をＫＬＤで計算することを特徴とする。 （もっと読む）

【課題】従来の情報処理装置においては、自然言語の単語列の中の話題の変化点を推定できない、という課題があった。
【解決手段】処理対象情報が格納されるＮ個のバッファと、前記各バッファに対応付けて、ディリクレ分布を、それぞれ２以上格納しており、各バッファから、単位情報を取得し、バッファごとに、処理対象情報の中の最も近い変化点以降の単位情報から直前の単位情報までの１以上の単位情報に基づいて、ディリクレ分布を更新し、各バッファに対応する２以上のディリクレ分布を用いて、次の単位情報に関する確率分布である予測確率分布を、バッファごとに算出し、算出したバッファごとの予測確率分布に基づいて、バッファ変化点確率を算出し、バッファ変化点確率に基づいて所定の処理を行う情報処理装置により、自然言語の単語列の中の話題の変化点を推定できる。 （もっと読む）

【課題】制御入力を受けないARMAモデルにおいて、従来必ずしも収束性のよくなかったブートストラップ法に新たな手法を導入して計算時間の短縮を図り、的確なパラメータの推定方法を提供する。
【解決手段】記憶部及び演算部を備えたコンピュータを用いて、Ｎ個のデータから構成される時系列を（ｐ、ｑ）次のＡＲＭＡモデルによって同定する際、
｛ｘ_n｝；定常的エルゴード的正規過程ｘ（ｔ）の標本時系列（ｎ＝１、２、・・、Ｎ・・）
｛ｅ_n｝；平均値０、分散σ_e² の正規性白色雑音を用い、自己回帰（ＡＲ）部分については、３次キュムラントを用いて、パラメータを推定し、一方、移動平均（ＭＡ）部分については、


からなるアルゴリズムを用いて推定する。 （もっと読む）

【課題】 高精度に複数のランク結果の類似性を評価する。
【解決手段】 同一のデータに対して得られる複数のランク結果を比較して類似性を評価するためのランク比較装置において、前記複数のランク結果の比較項目数を設定し、設定された比較項目数に基づいて、所定の関数を用いて順位相関係数による前記複数のランク結果の評価を行うランク評価手段を有することにより、上記課題を解決する。 （もっと読む）