【課題】本発明の課題は、変数間の関係が線形相関に限定されないという条件のもと、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する技術を提供することにある。
【解決手段】本発明は、目的変数及び説明変数を含む観測データと前記目的変数及び説明変数の各々との間の疎な関係性とに基づいて計算される評価関数の値が向上するように、前記疎な関係性を学習する疎な関係性学習手段と、前記学習された疎な関係性に基づいて、すべての変数がいずれかの変数と相関関係が結ばれるような予測関数を学習する予測関数学習手段とを備えることを特徴とする。 （もっと読む）

【課題】第１の信号と第２の信号との間の相互計算を実行する信号処理方法を提供する
【解決手段】第１の信号を長さＭのより短いセグメントに分割するステップと、第１の信号のセグメントと第２の信号との複数の部分相互相関関数を得るステップと、部分相互相関関数を合成して合成相互相関関数を得るステップと、異常値検出又は異常値除去手法を適用し、乱れているか若しくは破損したセグメントを特定又は除去するステップとを含み、異常値検出手法は、部分相互相関が上記合成相互相関関数とコンセンサスしているか否かをチェックするために、個々の部分相互相関関数を合成部分相互相関関数と比較して、コンセンサスチェックを実行し、コンセンサスチェックに基づいて乱れているか若しくは破損したと特定されたものを用いることなく、部分相互相関関数を再合成し、乱れの少ない又は破損の少ない最終的な相互相関関数を得る方法。 （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】時間軸又は空間軸上の一の系列データと他の系列データとの間の相関を簡便に解析できるようにすること。
【解決手段】情報処理装置は、時間軸又は空間軸上の第１の系列データに対する移動平均を第１の移動平均として算出するとともに、当該時間軸又は当該空間軸上の第２の系列データに対する移動平均を第２の移動平均として算出する移動平均算出部と、第１の移動平均及び第２の移動平均との間の相関に基づいて、第１の系列データと第２の系列データとの間の相関を解析する相関解析部と、を有する。 （もっと読む）

【課題】複数の属性からなる２つのデータ間の類似度を、各属性の属性値の種類の違いを意識することなく、計算することを可能にする。
【解決手段】離散化ルール記憶装置３０は、実数値離散化ルールおよびシンボル値離散化ルールを記憶している。離散化装置２０は、ＥＣＵ１０、１１から得られた車両状態データの各属性を、該属性が実数値であれば実数値離散化ルールに従い離散値に変換し、シンボル値であればシンボル値離散化ルールに従い離散値に変換する。類似度計算方法記憶装置は類似度計算方法を記憶している。類似度計算装置は、前記両車両状態データ類似度を、類似度計算方法に従い各属性の離散値に基づいて計算する。 （もっと読む）

【課題】時系列データのみを用い、時系列に関わるその他の情報を一切使用することなく、二つの時系列の相互相関にかかわる知見を得る。
【解決手段】本発明では、解析対象の２系列の時系列データを、夫々解析して、その一般化三角多項式パラメータを求める２系統の単一系列解析手段２ａ，２ｂと、夫々の単一系列解析手段により求められた２系列の時系列データの一般化三角多項式パラメータ１６ａ，１６ｂから、２系列の時系列データの間の相互相関を定量化する諸量を求める相互相関解析手段３とから構成している。本発明を利用して構成される予測支援システムは、多数の時系列中から一対の時系列を見いだすことにより、一方の時系列の現在までの挙動から他方の時系列の将来挙動を予測することが期待される。 （もっと読む）

【課題】編集によりメディアデータに付与されたメタ情報に基づき、他のメディアデータと関連付けられたコンテクストを抽出するコンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラムを提供することにある。
【解決手段】特徴量算出機能部２０７により、映像中の物体の大まかな位置を検出するアルゴリズムや、平均の色を算出するアルゴリズム等の基礎的な特徴量を抽出するアルゴリズムをメディアデータに適用し、得られる時系列的な特徴量ベクトルと、メタ情報整形機能部２０６により、メディアデータに時系列的に付与されたコメントを、その発生頻度や言語自体の特性から形成されるメタ情報との相関が、相関計算機能部３０５により演算される。 （もっと読む）

受信信号のサンプルと内的に生成された／記憶されているサンプル・シーケンス（IGSSS）のサンプルとを相関付ける方法が提供される。本方法は、第一の解像度の相関付け状態の第一の反復工程を実行する段階を含む。第一解像度の相関付けは、受信信号からサンプルの第一のN個のセットを選択する段階；IGSSSからサンプルの第一のセットを選択する段階；サンプルの前記N個のセットのそれぞれを並行してサンプルの前記第一のセットと相関付けして、その間に相関が存在するかどうかを判定する段階を含む。サンプルの前記N個のセットの一つとサンプルの前記第一のセットの間に相関が存在しないと判定された場合、第一の解像度の相関付け状態の第二の反復工程が実行される。サンプルの前記N個のセットの一つとサンプルの前記第一のセットの間に相関が存在すると判定された場合、第二の解像度の相関付け状態の第一の反復工程が実行される。
（もっと読む）

【課題】時系列データから簡潔な構造や関係性を効率的に抽出することができるデータ解析システムを提供する。
【解決手段】データ解析システムは、複数の時系列データのそれぞれを、独立して区別可能な複数の頂点の集合とそれら頂点間を結合する辺の集合とで定義される低次元の部分空間に射影して圧縮データを生成するデータ圧縮・変換部１０と、生成した圧縮データについて、部分空間上における頂点および辺として与えられる変数間の相関構造または相関関係を推定する構造関係推定部１１と、推定した相関構造または相関関係の時系列な変化を推定する時系列構造推定部１２と、推定した時系列な変化に基づいて相関構造または相関関係の出現パターンを学習し、該学習結果に基づいて、時系列データに内在する構造または関係性の変化を検出または予測する検出・予測部１３と、を有する。 （もっと読む）