【課題】 従来よりも不規則時系列データの予測精度を高めることができるリカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法を提供する。
【解決手段】 学習時にリカレントニューラルネットワークを用いる。このリカレントニューラルネットワークの入力層１に含まれる第１のニューロン群Ｎ１と第２のニューロン群Ｎ２とを構成する２ｒ個のニューロン１１〜１ｒと２１〜２Ｒの活性化関数として単調関数を用いる。また中間層３に含まれる第３のニューロン群Ｎ３を構成するｑ個のニューロン３１〜３ｑの活性化関数として正弦波関数を用いる。さらに出力層５に含まれる第４のニューロン群Ｎ４を構成するｒ個のニューロン５１〜５Ｒの活性化関数として正弦波関数を用いる。 （もっと読む）

【課題】 予測対象にばらつきがあっても高精度に予測する。
【解決手段】 需要データと入力データの関係を、ニューラルネットワークの係数の集合である入出力重みベクトルとして算出する入出力関係算出手段１０１と、前記入出力関係算出手段１０１により得られる入出力重みベクトルと前記入力データの関係をニューラルネットワークを用いて学習し、未知の入力データに対しての入出力重みベクトルを予測することで、予測需要データを算出する学習予測処理手段１０２とを備え、ばらつきが小さい入出力重みベクトルを用いた学習により、需要データがばらつきが大きい場合でも高精度な予測が可能となる。 （もっと読む）

【課題】複数のデータセットに適合するようリアルタイムでトレーニングする。
【解決手段】
ニューラルネットワークによるレーティングシステムは、レコードとレコードに関連づけられたフィールドとデータレーティングアプリケーションとを備えるデータセットを備え、第１のレコードについてのレーティングのユーザ入力のための手段と、人工ニューラルネットワーク（ＡＮＮ）と、データセット内のフィールドに応じてＡＮＮを自動的にディメンショニングする手段と、トレーニングされたＡＮＮが第２のレコードのレーティングを生成すべく動作するようにＡＮＮのトレーニングを開始するための手段と、トレーニングされたＡＮＮにより第２のレコードのレーティングを開始するための手段と、ユーザレーティングおよびＡＮＮ生成のレーティングに基づくデータセットをソートするための手段とを備える。 （もっと読む）

主題の開示は、機械学習システムをトレーニングするためのシステムおよび方法に関する。多数のコストファンクションは、滑らか、または微分可能ではなく、機械学習システムのトレーニング中に簡単に使用することができない。機械学習システムは、学習システムによって生成されるランク付けされ、またはソートされる結果に少なくとも部分的に基づいた１組の推定される勾配を含むことができる。その推定される勾配は、コストファンクションの要件を反映するように選択し、学習システムのトレーニング中に学習システムのパラメータを決定し、または修正するために、コストファンクションの代わりに利用することができる。
（もっと読む）

【課題】 結合加重の初期値を調整し、学習の高速化を図ることができる自己組織化ネットワークシステムを得る。
【解決手段】 自己組織化ネットワーク１０の入力層と出力層を結合する各結合リンク（ノード間リンク）に、初期化部１１によってランダムな初期結合加重を与え、次に結合加重交換部１２により、初期化部１１により初期結合加重が与えられた結合リンク（ノード間リンク）の結合加重を、入力層で距離の近い学習データに対応する出力ノードが出力層で近傍になるように交換し、次いで、学習部１３により、結合加重交換部１２により結合加重が交換された状態で、入力層に学習データ１５を入力することにより学習を行うようにした。 （もっと読む）

変換データがパターン分類学習方法による入力に適しているように、測定データの結合変換のためのシステム600、装置500及び方法が提供される。変換されたデータの感度は信頼性の低い領域において減らされる。一方、他の領域での感度は、大部分変化がないままであるか、又は強化される。感度減少を実現するため装置500及びシステム600において結合変換モジュール502を用いて、ガウシアン変換がシグモイド関数と組み合わされる。ユーザは、システム600のユーザ制御サブシステム604を介して、及び装置500に入力されるユーザ解析入力508を提供することにより、処理を命令することができる。
（もっと読む）

【課題】ユーザの医学知識参照を支援する知識管理システムを提供する。
【解決手段】ランク値を付与した知識情報を格納する知識記憶部１３１と、知識情報を表示する知識情報表示部１１１と、患者の診療における知識情報表示部１１１に対する操作履歴を格納する知識操作履歴記憶部１３２と、患者の診療における疾患の重症化や再発等の診療上の評価結果を示す診療データを含む診療データ記憶部１３３と、知識操作履歴記憶部１３２及び診療データ記憶部１３３のデータに基づき、各知識のランク値を決定するランク値算出部１２２と、ランク値算出部１２２のランク値に基づき知識記憶部１３１のランク値を更新するランク値更新部を備える。 （もっと読む）

【課題】グリッド性能を向上させる方法を提供する。
【解決手段】本方法は、一実施形態において、作業単位をグリッドエグゼキュータに送り、グリッドエグゼキュータの性能に基づいてトレーニングデータを作成し、トレーニングデータを介してニューラルネットワークをトレーニングする。トレーニングデータは、入力および出力データの対を含み、入力データは、作業単位の種類であり、出力データは、グリッドエグゼキュータのサービスの強さである。ニューラルネットワークがトレーニングされると、作業単位の種類をニューラルネットワークに入力し、かつ、ニューラルネットワークからサービスの強さを出力として受信することによって、後続の作業単位によってグリッドエグゼキュータが選択される。グリッドエグゼキュータは、その後、ニューラルネットワークから出力されたサービスの強さに基づいて選択される。 （もっと読む）

【課題】 未学習から出発して実験および学習の累積的なサイクルを通じて自身を適応的または創造的な能力のより高いレベルへ漸進的にブートストラップする。
【解決手段】 発見システム内の訓練を実行し、自身に適用される各種の形式の摂動を通じて新たな出力パターンを生成すべく刺激を受けるニューラル・ネットワークと、同様に当該システム内のその場で訓練を実行し、前者のネットワーク内でこれらのパターンのうち、より有用またはより貴重なパターンの強化学習を起動しつつ、そのような新たなパターンに自身の有用性または価値を関連付けることができる評価機能ニューラル・ネットワークとを用いる発見システム。後者と前者の自己学習人工ニューラル・ネットワーク間のオプションのフィードバック機構を用いて、有用な概念または行動計画に向けて本システムの収束を加速する。 （もっと読む）

【課題】 正例が全く存在しないか、ごく僅かしか存在しない場合、仮の正例を生成して能動学習を進める。
【解決手段】 学習データ記憶部１３１は、複数の記述子と複数のラベルとで構成される学習データの集合を記憶する。制御部１５０は、学習データ記憶部１３１中に所望ラベルの値が所望値となる正例が存在しないか少ない場合、所望ラベルの値を類似する他のラベルの値で書き換えて仮の正例を生成する。能動学習部１４０は、仮の正例と負例を用いてルールを学習し、学習したルールを候補データ記憶部１３３に記憶された所望ラベルが未知の候補データの集合に適用して各候補データの正例らしさを予測し、予測結果に基づいて次に学習すべきデータを選択して入出力装置１１０から出力する。その後、所望ラベルの実際の値が入出力装置１１０から入力されたデータについては、候補データの集合から取り除いて学習データの集合に追加する。 （もっと読む）