【課題】競合学習型ニューラルネットワークの規模を大きくせずに複数種類の対象信号を用いて機器の異常の予兆を早期に検出可能とする。
【解決手段】信号入力部２は、機器Ｘの動作により生じる複数種類の対象信号を取り込む。各対象信号の特徴を表す特徴ベクトルを特徴抽出部４でそれぞれ抽出する。カテゴリ分類部１は、特徴抽出部４により抽出した各特徴ベクトルを入力データとする競合学習型ニューラルネットワークを用いて構成される。乖離度演算部５は、カテゴリ分類部１における出力層のニューロンに設定された重みベクトルと機器Ｘの動作により得られた各特徴ベクトルとの差分ベクトルの大きさを乖離度として求める。判別部６は、各対象信号から得られた乖離度を要素とする多次元の乖離度ベクトルの存在領域により機器Ｘの異常の有無を判別する。 （もっと読む）

【課題】複数音源から発せられた音の分離学習が可能な音学習装置を提供する。
【解決手段】複数個の競合学習ニューロン１を備え、各競合学習ニューロン１は複数個の入力部２を備えて、内部電位値が閾値を超えたときに発火するように構成され、勝者ニューロンについて参照ベクトルが入力ベクトルに近づくように結合重みを更新することを、各入力ベクトルについて繰り返すことにより学習を行い、各入力部２に対応してパルス信号の立ち上がりを検出するＯＮニューロン４が設けられ、各ＯＮニューロン４は、パルス信号の立ち上がり時から所定時間だけ発火するように構成され、各ＯＮニューロン４が出力したパルス信号を用いて、各競合学習ニューロン１の各入力部２の結合重みを、パルス信号の立ち上がり時から所定時間だけ非零となるように変化させる音学習装置。 （もっと読む）

【課題】障害又は状態の診断を支援する重要な変数を識別する。
【解決手段】変数選択のためのコンピュータシステムは、（ａ）ｎ個の候補変数にてなる第一セットと、最初は空である重要な選択された変数にてなる第二セットとを与える手段と、（ｂ）候補変数を一度に一つずつ取り、重要な選択された変数の現在のセットに結合された変数に基づいて意思決定支援システムをトレーニングすることによって各変数を評価する手段と、（ｃ）候補変数のうち、意思決定支援システムの最高の性能を与える変数である最良の変数を選択し、最良の候補変数が重要な選択された変数の性能と比較して性能を改善する場合、それを重要な選択された変数にてなるセットに追加してそれを候補セットから除去し、最良の候補変数が性能を改善しなくなるまで上記手段（ｂ）を用いた評価を継続する手段を備える。 （もっと読む）

【課題】競合学習型ニューラルネットの学習に用いる学習データを適正化することにより、信号識別装置のカテゴリの分類精度を高める。
【解決手段】機器Ｘの動作により生じる振動成分を含んだ対象信号の特徴量を用いて機器Ｘの異常の有無を競合学習型ニューラルネットワーク１により判断する。学習データ記憶部６にはカテゴリが正常とみなされる複数個のデータからなるデータセットが格納されており、このデータセットで競合学習型ニューラルネットワーク１を学習させる。学習データ選択部４は、学習後の競合学習型ニューラルネットワーク１の出力層のうち発火したニューロンの重みベクトルと各データの乖離度をそれぞれ求める。データセットのデータから求めた乖離度の平均値が平均閾値より小さくかつ乖離度の分散値が分散閾値より小さくなるまで、乖離度が規定の乖離度閾値以上であるデータをデータセットから削除する。 （もっと読む）

【課題】対象信号の特徴量が時間の経過に伴って変化する機器に用いても正常・異常について誤判定を生じない異常監視装置を提供する。
【解決手段】機器Ｘから生じる音および振動をセンサ部２で検出し、センサ部２から出力される対象信号から特徴抽出部３において特徴量を抽出する。２台のニューラルネット１ａ，１ｂには、特徴抽出部３で抽出した特徴量が入力される。一方のニューラルネット１ａ，１ｂは検査モードで動作し、特徴量のカテゴリを分類する。他方のニューラルネット１ａ，１ｂは学習モードで動作し、特徴量を学習データに用いて学習する。切換判定部４は、検査モードで動作するニューラルネット１ａ，１ｂについて判定結果の信頼性を評価し、判定結果の信頼性が低下すると、両ニューラルネット１ａ，１ｂの動作の入れ替えを行う。 （もっと読む）

【課題】専門知識がなくても適切な学習用データセットを設定するとともに、学習用データセットの設定に必要な処理時間を短縮する。
【解決手段】特徴量抽出部２が、特徴量データ種類選択部３で選択された特徴量データの種類及び抽出範囲選択部４で選択された抽出範囲で学習信号から特徴量データを複数抽出する。確度演算部６が、複数の特徴量データの各要素を各要素番号で昇順に並び換えた状態で、各要素を有する特徴量データに応じて複数領域に区分けされた判定画像を作成し、判定画像から要素番号ごとに複数領域の乱雑度及びこれらの乱雑度の総和を求める。全範囲で上記処理を行った後、乱雑度の総和が最小となるものを学習用データセットとする。ニューラルネットワーク演算部７のマップ作成部７１が教師なし競合学習型ニューラルネットワーク７０に学習用データセットを入力し、クラスタ判定部７２が検査時に用いるクラスタリングマップを作成する。 （もっと読む）

【課題】競合学習型ニューラルネットの学習に用いる学習データを適正化することにより、信号識別装置のカテゴリの分類精度を高める。
【解決手段】ニューラルネット１を複数個のデータからなるデータセットにより学習させたときに、複数種類のカテゴリに属するデータで１つのニューロンが発火する場合に、学習データ選択部７では、当該ニューロンと入力されたデータとの乖離度を求める。学習データ選択部７は、データに対応付けたカテゴリごとに乖離度の平均値を求め、乖離度が小さいほうのカテゴリを持つデータを学習データ記憶部６に残し、乖離度が大きいほうのカテゴリを持つデータを学習データ記憶部６から削除する。ニューラルネット１における出力層のすべてのニューロンが単一のカテゴリに分類されるまで学習データ記憶部６からのデータの削除を繰り返す。 （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、次に初期化加重交換部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、入力層に入力されたベクトル値と距離の近い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、初期化加重交換部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）

【課題】データ処理装置，データ処理方法，作業機械の遠隔診断システム及び作業機械の遠隔診断方法に関し、簡素な構成で、対象体の状態をより正確かつ効率的に解析することができるようにする。
【解決手段】対象体の状態に応じて変動する複数のパラメータからなる複数の実データを検出する実データ検出手段１と、実データ検出手段１で検出された該複数の実データのうち、予め設定された抽出条件を満たす実データを有効実データとして抽出する実データ抽出手段４ａと、実データ抽出手段４ａで抽出された該有効実データを、ニューラルネットワークの教師なし学習によりニューロンへと圧縮するニューロン圧縮手段６とを備える。 （もっと読む）

データを分類するためのシステム、方法、データ処理装置、および製品が提供される。機械学習手法を用いたデータ分類方法がまた、開示される。該データ分類方法の一実施形態は、ラベル付きデータ点を受信するステップと、ラベルなしデータ点を受信するステップと、該ラベル付きデータ点およびラベルなしデータ点の少なくとも１つの所定コスト要因を受信するステップと、該少なくとも１つのコスト要因ならびに該ラベル付きデータ点および該ラベルなしデータ点を訓練例として、最大エントロピー識別を用いてトランスダクティブ分類器を訓練するステップと、該ラベルなしデータ点、該ラベル付きデータ点、および入力データ点の少なくとも１つを分類するために訓練された分類器を適用するステップと、分類されたデータ点の分類、またはその派生物を出力するステップと、を含む。 （もっと読む）