JP7668245B2 - 信号処理装置、信号処理方法および信号処理プログラム - Google Patents

Description

本発明は、信号を処理する信号処理装置、信号処理方法および信号処理プログラムに関する。

疾病に罹患している患者について、患者と疾病固有の生体情報（血液、遺伝子情報など）とを用いて分類し、個別の医療行為を施せるようにすることを、医学用語で患者層別化と呼ぶ。患者層別化により、医師は個々の患者に薬剤を投与すべきか否かを、素早く正確に判断することが可能になる。したがって、患者層別化は、患者個人の迅速な回復に貢献すると共に加速度的に増大する医療費の削減につながり、個人と社会全体の利益の双方に資するものである。

また、非特許文献１は、皮膚がん患者（メラノーマ）を免疫細胞の特性によって層別化する手法を開示する。非特許文献２は、マルチスペクトル画像（カラー画像）を取り扱う構成を開示する。

Subrahmanyam， Priyanka B., et al． "Distinct predictive biomarker candidates for response to anti－CTLA－4 and anti－PD－1 immunotherapy in melanoma patients．" Journal for immunotherapy of cancer 6,Article number: 18 (2018), Published: 06 March 2018 Volodymyr Mnih, Koray Kavukcuoglu， et al．"Playing atari with deep reinforcement learning．" arXiv preprint arXiv：1312．5602 （2013）, Published: 19 December 2013

非特許文献１は、皮膚がん患者（メラノーマ）を免疫細胞の特性によって層別化する手法を開示する。その際、Ｔａｂｌｅ ３に示される４０種類の免疫細胞の分布を、ｖｉＳＮＥ法により画像として可視化する（Ｆｉｇ．１のｂおよびｃを参照。）。この画像を目視比較することによって、薬剤が効果を示した患者群（奏効群）と示せなかった患者群（非奏効群）とについて層別化が可能である。

非特許文献１の手法は、煩雑な目視確認作業であるが故に因子の特定に至らない可能性がある。また、複数因子の組み合わせにより、奏効群と非奏効群が層別化される薬剤の場合において、非特許文献１のＦｉｇ. １のｃに示される可視化画像から目視で組み合わせを見いだすことは著しく困難である。特に、ｖｉＳＮＥ法によって変換されたＦｉｇ. １のｂおよびｃの縦軸および横軸が、医学的にどのような意味を持つのかは定かではない。機序が不明な値に基づいて治療を行うのは治療にかかわる信頼性が低下する要因となる。

本発明は、患者を層別化する信号の生成式を通して機序の探求の支援を図ることを目的とする。

本願において開示される発明の一側面となる信号処理装置は、分析対象についての説明変数の値と目的変数の値とを有する分析対象データを前記分析対象ごとに有する分析対象データ群と、前記説明変数である行動及び前記説明変数を変調する変調方法である行動を保持する行動履歴情報と、を記憶する記憶部と、前記行動履歴情報に基づいて、前記分析対象ごとに前記分析対象データを変調した第１信号を生成する変調部と、前記変調部によって変調された前記分析対象ごとの前記第１信号を、前記目的変数の値別の第１スペクトル信号に分類した第１マルチスペクトル信号を生成する生成部と、前記第１マルチスペクトル信号に基づいて、前記第１信号の分布に基づく前記目的変数の値を１次元に配列した信号分布を生成して、表示可能に出力する出力部と、を有することを特徴とする。

本発明の代表的な実施の形態によれば、患者を層別化する信号の生成式を通して機序の探求の支援を図るができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

図１は、信号処理装置のハードウェア構成例を示すブロック図である。 図２は、分析対象ＤＢの一例を示す説明図である。 図３は、パターンＤＢの一例を示す説明図である。 図４は、信号処理回路の回路構成例を示すブロック図である。 図５は、コントローラの構成例を示すブロック図である。 図６は、実施例１にかかる信号処理装置による処理手順例として、メインルーチンを示すフローチャートである。 図７は、実施例１にかかる表示画面の一例を示す説明図である。 図８は、行動履歴情報の一例を示す説明図である。 図９は、ステップＳ６０２におけるメインルーチン内のサブルーチンの詳細な処理手順例を示すフローチャートである。 図１０は、実施例１にかかるマルチスペクトル信号の一例を示す説明図である。 図１１は、実施例１にかかるＯｖｅｒｗｒａｐおよびＭａｒｇｉｎの計算例を示す説明図である。 図１２は、実施例１にかかる信号処理装置の動作実験で用いた患者データの一例を示す説明図である。 図１３は、実施例１にかかる信号処理装置の動作実験結果の例１を示すグラフである。 図１４は、実施例１にかかる信号処理装置の動作実験結果の例２を示すグラフである。 図１５は、実施例２にかかる信号処理装置による処理手順例として、メインルーチンを示すフローチャートである。 図１６は、実施例２にかかる表示画面の一例を示す説明図である。 図１７は、ステップＳ１５０２におけるメインルーチン内のサブルーチン１７００の詳細な処理手順例を示すフローチャートである。 図１８は、実施例２にかかるマルチスペクトル信号Ｓ（ｔ）の一例を示す説明図である。 図１９は、実施例２にかかるマルチスペクトル信号Ｓ（ｔ）の可視化例を示す説明図である。

以下、実施例１にかかる信号処理装置、分析方法、および分析プログラムの一例について添付図面を参照して説明する。また、実施例１では、分析対象となるデータ群は、たとえば、５０人の糖尿病患者の各々について、体重および身長を含む患者の１００種類の患者情報を説明変数として示す分析対象データと健康状態を示す目的変数との組み合わせである分析対象データセットの集合である。なお、患者の人数や患者情報の種類の数は一例である。

＜信号処理装置のハードウェア構成例＞
図１は、信号処理装置のハードウェア構成例を示すブロック図である。信号処理装置１００は、プロセッサ１０１と、記憶デバイス１０２と、入力デバイス１０３と、出力デバイス１０４と、通信インターフェース（ＩＦ）１０５と、バス１０６と、信号処理回路１０７と、を有する。プロセッサ１０１、記憶デバイス１０２、入力デバイス１０３、出力デバイス１０４、通信ＩＦ１０５および信号処理回路１０７は、バス１０６により接続される。

プロセッサ１０１は、信号処理装置１００を制御する。記憶デバイス１０２は、プロセッサ１０１の作業エリアとなる。また、記憶デバイス１０２は、各種プログラムやデータ、を記憶する非一時的なまたは一時的な記録媒体である。記憶デバイス１０２としては、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリがある。入力デバイス１０３は、データを入力する。入力デバイス１０３としては、たとえば、キーボード、マウス、タッチパネル、テンキー、スキャナがある。出力デバイス１０４は、データを出力する。出力デバイス１０４としては、たとえば、ディスプレイ、プリンタがある。通信ＩＦ１０５は、ネットワークと接続し、データを送受信する。

また、信号処理装置１００は、記憶デバイス１０２に、分析対象ＤＢ（Ｄａｔａ Ｂａｓｅ）１２１、パターンＤＢ１２２を格納する。以下、具体的に説明する。

＜分析対象ＤＢ１２１の構成例＞
図２は、分析対象ＤＢ１２１の一例を示す説明図である。分析対象ＤＢ１２１には、第１分析対象データ２１０と第２分析対象データ２２０が格納されている。第２分析対象データ２２０は、実施例２で用いるため、後述する。

第１分析対象データ２１０は、フィールドとして、患者ＩＤ２０１と、目的変数２０２と、説明変数群２０３と、を有する。同一行における各フィールドの値の組み合わせが、１人の患者の分析対象データセットとなる。患者ＩＤ２０１は、分析対象の一例である患者を他の患者と区別するための識別情報であり、患者ＩＤ２０１の値は、たとえば、１～５０で表現される。目的変数２０２は、患者の健康状態を示す値を示す。

実施例１では、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）が基準値を上回るか否か（1：該当、0：非該当）を示す値が格納されている。説明変数群２０３の各説明変数は、患者情報を示す。実施例１では、「ｘ_１：年齢」と「ｘ_２：性別」、「ｘ_３：身長」、「ｘ_４：体重」を含む合計１００種類の患者情報が含まれている。たとえば、説明変数群２０３のうち「ｘ_１」という説明変数の患者ＩＤ２０１が「１」の値は、「３５」である。

＜パターンＤＢ１２２の構成例＞
図３は、パターンＤＢ１２２の一例を示す説明図である。パターンＤＢ１２２は、パターンテーブル３００と、価値マップ３１０と、を記憶する。パターンテーブル３００は、後述するモジュレータ４０１の制御信号の種類を規定する。パターンテーブル３００の内容はあらかじめ設定される。

パターンテーブル３００は、フィールドとして、行動番号行３０１と、行動行３０２と、を有する。行動番号行３０１の各カラムにおける０～１０８の昇順の数値が行動番号であり、以降、行動番号３０１と称す。行動行３０２の各カラムの値が行動であり、以降、行動３０２と称す。

行動番号３０１は、行動３０２を一意に特定する識別番号である。行動３０２は、説明変数群２０３の各説明変数ｘ_１、ｘ_２、…、ｘ_１００と、説明変数ｘ_１、ｘ_２、…、ｘ_１００を被演算子とする演算子と、演算の終了を示す指示子Ｅｎｄと、を含む。演算子には、単項演算子と多項演算子が含まれる。単項演算子には、たとえば、ｓｉｎ関数、ｃｏｓ関数、指数関数、対数関数が含まれる。たとえば、多項演算子には四則演算子が含まれる。価値マップ３１０については、後述する。

＜信号処理回路１０７の構成例＞
図４は、信号処理回路１０７の回路構成例を示すブロック図である。信号処理回路１０７は、データメモリ４００、モジュレータ４０１、スペクトルジェネレータ４０２、エバリュエータ４０３、コントローラ４０４を有する。図４の矢印は各部（４０１～４０４）で生成されたデータの流れを表している。なお、信号処理回路１０７は、回路構成により実現されるが、記憶デバイス１０２に記憶されたプログラムをプロセッサ１０１に実行させることにより実現されてもよい。

データメモリ４００は、リプレイメモリ４１１と、行動履歴情報４１２と、信号ｘ´と、を有する。リプレイメモリ４１１の詳細は、図５で後述する。行動履歴情報４１２の詳細は、図８で後述する。信号ｘ´は、患者を層別化するための数値である。

＜コントローラ４０４の構成例＞
図５は、コントローラ４０４の構成例を示すブロック図である。コントローラ４０４は、ネットワークユニット５００と、リプレイメモリ４１１と、学習パラメータ更新ユニット５２０と、を有する。ネットワークユニット５００は、Ｑ＊ネットワーク５０１と、Ｑネットワーク５０２と、ランダムユニット５０３と、を有する。Ｑ＊ネットワーク５０１およびＱネットワーク５０２は、価値と呼ばれる値を最大化する行動を学習する同一構成の価値関数である。Ｑ＊ネットワーク５０１は、学習パラメータθ＊を有する。Ｑネットワーク５０２は、学習パラメータθを有する。ランダムユニット５０３は、たとえば、０．０から１．０の範囲で乱数値を出力する。

リプレイメモリ４１１は、データパックＤ（ｔ）を格納する。データパックＤ（ｔ）は、タイムステップｔにおける、報酬ｒ（ｔ）、マルチスペクトル信号Ｓ（ｔ），Ｓ（ｔ＋１）、制御信号ａ（ｔ）、停止信号Ｋ（ｔ）および統計量Ｖ（ｔ）を含む。データパックＤ（ｔ）により、タイムステップｔの状態（マルチスペクトル信号Ｓ（ｔ））において行動３０２（制御信号ａ（ｔ））を取った場合に、行動履歴行８０２およびタイムステップｔをリセットするか（停止信号Ｋ（ｔ））が特定される。

学習パラメータ更新ユニット５２０は、勾配算出ユニット５２１を有する。学習パラメータ更新ユニット５２０は、勾配算出ユニット５２１を用いて報酬ｒ（ｔ）を考慮した勾配ｇを算出し、勾配ｇを学習パラメータθに加算することにより、学習パラメータθを更新する。なお、コントローラ４０４は、回路構成により実現されるが、記憶デバイス１０２に記憶されたプログラムをプロセッサ１０１に実行させることにより実現されてもよい。

＜処理手順例＞
図６は、実施例１にかかる信号処理装置１００による処理手順例として、メインルーチン６００を示すフローチャートである。以下、図６のフローチャートを用いて、メインルーチン６００の処理の流れを説明する。

［ステップＳ６００］
出力デバイス１０４には、表示画面が表示される。

図７は、実施例１にかかる表示画面の一例を示す説明図である。表示画面７００は、ロードボタン７１０と、開始ボタン７２０と、生成条件入力領域７３０と、目標尺度入力領域７４０と、結果表示領域７５０と、を有する。

ロードボタン７１０は、分析対象ＤＢ１２１内の第１分析対象データ２１０とパターンＤＢ１２２内のパターンテーブル３００をロードするためのユーザインタフェースである。ステップＳ６００では、ユーザの操作によりロードボタン７１０がクリックされると、プロセッサ１０１は、記憶デバイス１０２に格納された分析対象ＤＢ１２１内の第１分析対象データ２１０とパターンＤＢ１２２内のパターンテーブル３００をオペレーションシステムの機能を用いてロードする。そして、プロセッサ１０１は、信号処理回路１０７のデータメモリ４００に第１分析対象データ２１０とパターンテーブル３００を転送する。

開始ボタン７２０は、信号処理装置１００は処理を開始するためのユーザインタフェースである。ユーザの操作により開始ボタン７２０をクリックされると、ステップＳ６０１から処理が開始される。

生成条件入力領域７３０は、数式の生成条件の入力を受け付ける領域であり、具体的には、たとえば、数式長入力領域７３１と、単項演算子入力領域７３２と、多項演算子入力領域７３３と、を有する。

数式長入力領域７３１は、生成される数式の長さの上限値の入力を受け付ける入力欄である。数式長入力領域７３１が空欄の場合、デフォルトの最大数式長（本例では、３０）の数値が自動的に設定される。

単項演算子入力領域７３２は、モジュレータ４０１における変調方法の一つである単項演算子の追加入力を受け付ける入力欄である。単項演算子入力領域７３２の追加入力可能な単項演算子には、たとえば、パターンテーブル３００に未登録な双曲線関数や定数倍関数がある。追加入力されない場合は、パターンテーブル３００に登録されている単項演算子（ｓｉｎ関数、ｃｏｓ関数、指数関数、対数関数）が適用される。

多項演算子入力領域７３３は、モジュレータ４０１における変調方法の一つである多項演算子の追加入力を受け付ける入力欄である。追加入力可能な多項演算子には、たとえば、パターンテーブル３００に未登録なｍａｘ関数やｍｉｎ関数がある。追加入力されない場合は、パターンテーブル３００に登録されている多項演算子（＋、－、×、／）が適用される。

目標尺度入力領域７４０は、ユーザの操作により目標尺度の入力を受け付ける領域である。具体的には、たとえば、目標尺度入力領域７４０は、統計量選択部（Ｍｅａｓｕｒｅ）７４１と、目標値設定部（Ｔｈｒｅｓｈｏｌｄ）７４２と、重複率選択部（Ｏｖｅｒｗｒａｐ ｒａｔｉｏ）７４３と、クラス間マージン選択部（Ｃｌａｓｓ ｍａｒｇｉｎ）７４４と、を有する。

統計量選択部７４１は、識別モデルの予測精度を評価するための統計量Ｖ（ｔ）（たとえば、ａｃｃｕｒａｃｙ、ｐｒｅｃｉｓｉｏｎ、ｒｅｃａｌｌ、ｆ－ｍｅａｓｕｒｅなど）をユーザが選択するためのユーザインタフェースである。図７では、奏効と非奏功の良し悪しを判断するため、統計量Ｖ（ｔ）として「ＡＵＣ」（ａｃｃｕｒａｃｙ）が選択されている。

目標値設定部７４２は、統計量選択部７４１によって選択された統計量Ｖ（ｔ）の目標値の入力を受け付けるユーザインタフェースである。図７では、目標値として「０．９」が入力されている。

重複率選択部７４３は、異なるクラスの信号値同士が同じ値を持つ割合をスコアとして組み入れるか否かを選択するユーザインタフェースであり、ＯＮ（組み入れる）またはＯＦＦ（組み入れない）のいずれかが選択される。図７では、ＯＮに設定されている。

クラス間マージン選択部７４４は、異なるクラス間のマージンとして組み入れるか否かを選択するユーザインタフェースであり、ＯＮ（組み入れる）またはＯＦＦ（組み入れない）のいずれかが選択される。図７では、ＯＮに設定されている。

結果表示領域７５０は、信号処理装置１００による処理結果を表示する領域である。具体的には、たとえば、結果表示領域７５０は、信号分布７６０と、生成式７７０と、を含む。信号分布７６０は、患者の各々に対応する点（●および○）の集合の１次元的な分布を示すグラフィックユーザインタフェースである。図７の例では、患者群を２クラス（クラス０とクラス１）に分類しており、クラス０に所属する患者に対応する点（●）の集合がクラス０の点群７６１であり、クラス１に所属する患者に対応する点（○）の集合がクラス１の点群７６２である。

また、各点（●および○）の位置は、当該点に対応する患者の説明変数群２０３の各値のうち生成式７７０に存在する説明変数にその値を代入した結果、生成式７７０で計算される値、すなわち、信号ｘ´であり、この計算値が大きいほど点が右側に位置し、小さいほど左側に位置する。

クラス０の点群７６１の左端の点７６１Ｌは、クラス０の境界点７６１Ｌであり、クラス０の点群７６１の中で最大計算値となる患者に対応する。クラス１の点群７６２の右端の点７６２Ｒは、クラス１の境界点７６２Ｒであり、クラス１の点群７６２の中で最小計算値となる患者に対応する。マージン７６３は、境界点７６１Ｌと境界点７６２Ｒとの間隔、すなわち、計算値の差分である。

生成式７７０は、医師や研究者が扱いやすい層別化を信号分布７６０で実現する式であり、信号処理装置１００によって生成される。生成式７７０の生成方法については後述する。

ユーザの操作により開始ボタン７２０をクリックされると、ステップＳ６０１から処理が開始される。

［ステップＳ６０１］
図６に戻り、信号処理装置１００は、計算ステップｍをｍ＝０に初期する。Ｑ＊ネットワーク５０１およびＱネットワーク５０２は、価値と呼ばれる値を最大化する行動３０２である制御信号ａ（ｔ）を学習する同一構成の価値関数である。この場合の価値とは、制御信号ａ（ｔ）が報酬ｒ（ｔ）に影響を与える量である。報酬ｒ（ｔ）が大きくなるような制御信号ａ（ｔ）であれば高い価値となる。

ここで、図３に示した価値マップ３１０について具体的に説明する。価値マップ３１０は、ある状態（マルチスペクトル信号Ｓ（ｔ））において、ある行動３０２（制御信号ａ（ｔ））を取ったときのパターンテーブル３００内の各行動３０２における価値を表している。なお、タイムステップｔの価値マップ３１０を、価値マップｚ（ｔ）と表記する。

Ｑネットワーク５０２およびＱ＊ネットワーク５０１は、マルチスペクトル信号Ｓ（ｔ）が入力されると、価値マップ３１０を計算し、価値マップ３１０内の最大値を持つ行動番号３０１に対応する行動３０２を選択する。図３の例では、最大値は「０．９」であるため、行動番号３０１の値が「１０２」である「ｅｘｐ」（指数関数）が行動３０２として選択される。

実施例１におけるＱネットワーク５０２およびＱ＊ネットワーク５０１は、価値マップ３１０を出力可能である。具体的な価値マップ３１０の計算方法として、非特許文献２で示したような深層強化学習ＤＱＮ（Ｄｅｅｐ Ｑ－Ｎｅｔｗｏｒｋ）が適用可能である。

実施例１におけるマルチスペクトル信号Ｓ（ｔ）の場合におけるＱ＊ネットワーク５０１の構成例を具体的に説明する。Ｑ＊ネットワーク５０１は、たとえば、８４次元のスペクトル信号の集合であるマルチスペクトル信号Ｓ（ｔ）を入力とした場合を例に説明する。実施例１では、マルチスペクトル信号Ｓ（ｔ）は、２種（０，１の２クラス）のスペクトル信号を持つ。

ここで、Ｑ＊ネットワーク５０１の構成例を説明する。Ｑ＊ネットワーク５０１の第１層は畳み込みネットワーク（カーネル（ニューロン）：８信号、ストライド：４、アクチベーション関数：ＲｅＬＵ）である。第２層は畳み込みネットワーク（カーネル（ニューロン）：４信号、ストライド：２、アクチベーション関数：ＲｅＬＵ）である。第３層は全結合ネットワーク（ニューロン数：２５６、アクチベーション関数：ＲｅＬＵ）である。

また、出力層は全結合ネットワークであり、パターンテーブル３００の行動行３０２に対応する価値マップ３１０としてｚ（ｔ）を出力する。価値マップｚ（ｔ）はパターンテーブル３００の各行動３０２に１対１に対応する。即ち、価値マップｚ（ｔ）は、１０９個の行動３０２に対応する価値を持つ配列である。

Ｑ＊ネットワーク５０１の学習パラメータθ＊は、Ｑ＊ネットワーク５０１の第１層から第３層のニューロン（即ち、実数値行列）である。また、Ｑネットワーク５０２はＱ＊ネットワーク５０１と同一の構成である。以上により、Ｑネットワーク５０２およびＱ＊ネットワーク５０１は、マルチスペクトル信号Ｓ（ｔ）を入力として価値マップｚ（ｔ）を計算し、最大値を持つ行動番号３０１に対応する行動３０２をパターンテーブル３００から選択することが可能である。

図６に戻り、ステップＳ６０１では、信号処理装置１００は、Ｑ＊ネットワーク５０１の学習パラメータθ＊をランダムユニット５０３の乱数値で初期化し、Ｑネットワーク５０２の学習パラメータθをランダムユニット５０３の乱数値で初期化する。

ここで、Ｑネットワーク５０２およびＱ＊ネットワーク５０１において、マルチスペクトル信号Ｓ（ｔ）を取り扱った場合の効果を説明する。信号処理装置１００において、マルチスペクトル信号Ｓ（ｔ）が占有する計算機上のメモリ量はＯ（ｎ^２）となる。他方、非特許文献２に示されるようなマルチスペクトル画像（つまり、ＲＧＢ３種のスペクトルによるカラー画像）の場合、１枚の画像が占有する計算機上のメモリ量はＯ（ｎ^３）となる。

実施例１において、スペクトル信号の信号長ｎ＝８４（すなわち、８４次元）とした場合、マルチスペクトル信号Ｓ（ｔ）を取り扱うことで、単純に８４倍メモリ量が少なく、リプレイメモリ４１１の容量を１／ｎに削減することができる。また、マルチスペクトル信号Ｓ（ｔ）を用いることで、コントローラ４０４において、ネットワークユニット５００と学習パラメータ更新ユニット５２０、リプレイメモリ４１１の間で行われる通信速度をｎ倍に改善することができる。

コントローラ４０４が記憶デバイス１０２に記憶されたプログラムをプロセッサ１０１に実行させる場合にも、バス１０６で行われる通信がｎ倍に改善する。他方、Ｑネットワーク５０２が価値マップ３１０を計算する際に使われる入力データの情報量は、マルチスペクトル画像と比較して情報量が１／ｎになる。

その際、価値マップ３１０の計算が正しく行われるのではないかとの懸念がある。しかし、実施例１では、後述するサブルーチン９００を用いてマルチスペクトル信号Ｓ（ｔ）を生成することで、価値マップ３１０が正確に生成されると共に、医師や研究者が扱いやすい層別化を実現する生成式７７０を得ることができる。

［ステップＳ６０２］
信号処理装置１００は、コントローラ４０４を初期化する。具体的には、たとえば、信号処理装置１００は、行動履歴情報４１２を初期状態に設定し、メインルーチン６００内のサブルーチンを実行する。

図８は、行動履歴情報４１２の一例を示す説明図である。行動履歴情報４１２は、タイムステップ行８０１と、行動履歴行８０２と、を有する。タイムステップ行８０１は、計算ステップｍにおける時系列なタイムステップｔ（ｍ）である。タイムステップ行８０１の各カラム内の０、１、２、…、２９の昇順の数値は、タイムステップｔ（ｍ）である。行動履歴行８０２は、タイムステップｔ（ｍ）に対応する時系列な行動３０２のシークエンスデータとなる行動履歴Ａ（ｍ）である。行動履歴行８０２の各カラム内の値（ｘ２、ｘ１、／、…）は、タイムステップｔ（ｍ）における行動３０２である。

ステップＳ６０２では、信号処理装置１００は、タイムステップ行８０１のタイムステップｔをｔ＝０に設定し、行動履歴行８０２の全カラムを空欄にすることで、行動履歴情報４１２を初期状態に設定する。そして、信号処理回路１０７がサブルーチンを実行して、マルチスペクトル信号Ｓ（ｔ＝０）および信号ｘ´を算出する。メインルーチン６００の終了時の数式８００が、図７に示した生成式７７０となる。

＜サブルーチン＞
図９は、ステップＳ６０２におけるメインルーチン６００内のサブルーチンの詳細な処理手順例を示すフローチャートである。サブルーチン９００は、メインルーチン６００のステップＳ６０２およびステップＳ６０５により呼び出されて実行される。

［ステップＳ９０１］
モジュレータ４０１は、識別変調を実行する。具体的には、たとえば、モジュレータ４０１は、タイムステップｔ（ｔは０以上Ｔ－１以下の整数。Ｔはタイムステップｔの総ステップ回数であり、たとえば、Ｔ＝３０）においてコントローラ４０４から出力されてくる制御信号ａ（ｔ）から説明変数または変調方法を選択する。モジュレータ４０１は、ユーザから選択された説明変数または変調方法の選択を受け付けてもよい。

つぎに、モジュレータ４０１は、行動履歴行８０２のタイムステップｔのカラムに、選択した説明変数または変調方法を追加する。行動履歴情報４１２は、タイムステップｔ＝０～Ｔ－１の行動３０２をカラムとするシークエンスデータである。行動履歴行８０２の初期値は、ステップＳ６０２で説明したように、すべてのカラムについて空白である。

モジュレータ４０１は、行動履歴行８０２が示すシークエンスデータを、タイムステップｔの昇順に１カラムずつ読み出すと、逆ポーランド記法により、数式を生成する。図８の例では、数式８００が生成される。

モジュレータ４０１は、逆ポーランド記法以外の数式記法、たとえば、ポーランド記法や中置記法を用いてもよい。なお、中置記法の場合には演算の種類として、パターンテーブル３００に「（」「）」が追加される。

数式８００による信号ｘ´の算出例を説明する。モジュレータ４０１は、数式８００が生成されると、数式８００に、患者ＩＤ２０１の値がｉ（ｉは整数）である患者（以下、患者ｉ）の説明変数群２０３のうち数式８００に存在する説明変数の値を代入することで、患者ｉについて数式８００を適用したときの信号ｘ´を算出する。患者ｉの信号ｘ´を信号ｘ_ｉ´と表記する。信号ｘ´は、数式８００の算出値である。なお、図２の第１分析対象データ２１０では、患者数（患者ＩＤ２０１の総数）が５０であるため、信号ｘ´の個数は５０個である。

信号ｘ´はデータメモリ４００に記憶され、コントローラ４０４に出力される。なお、モジュレータ４０１は、行動履歴行８０２が示すシークエンスデータから数式８００を構成できない場合、すべての信号ｘ´の値を０にする。これにより、ステップＳ９０１が終了し、ステップＳ９０２に移行する。

［ステップＳ９０２］
モジュレータ４０１は、行動履歴行８０２のすべてのカラムが埋められたとき（すなわち、タイムステップｔ＝Ｔ－１）、または変調方法として「Ｅｎｄ」が選ばれたときに、停止信号Ｋ（ｔ）を、Ｋ（ｔ）＝１に設定し、そうでなければ、Ｋ（ｔ）＝０に設定する。これにより、ステップＳ９０２が終了し、ステップＳ９０３に移行する。

［ステップＳ９０３］
スペクトルジェネレータ４０２は、現在のタイムステップｔにおいて、ステップＳ９０１で得られた信号ｘ´から、識別信号となるマルチスペクトル信号Ｓ（ｔ）を生成する。具体的には、たとえば、スペクトルジェネレータ４０２は、下記式（１）により、信号位置ＳＰ（ｔ）を算出する。

上記式（１）の右辺において、ｄ（０以上の整数）はスペクトル信号の信号長である。ｍｉｎ（ｘ´）は、全信号ｘ´内の最小値を選択する演算であり、ｍａｘ（ｘ´）は、全信号ｘ´内の最大値を選択する演算である。また、関数ｆｌｏｏｒ（）は整数値へ切り捨てる関数である。

図１０は、実施例１にかかるマルチスペクトル信号Ｓ（ｔ）の一例を示す説明図である。マルチスペクトル信号Ｓ（ｔ）は、スペクトル番号ｋごとのスペクトル信号を示すカラムの配列Ｂｋ（ｔ）の集合である。スペクトル番号ｋは、患者が所属するクラスを一意に特定する番号である。図１０では、ｋ＝０～１０までの１１クラスがある。また、配列番号ｎは、ｄ＝０～８３の整数である。

また、マルチスペクトル信号Ｓ（ｔ）は、（ｄ＋１）×（ｋ＋１）の行列として表現される。なお、図１０では、ｄ＝８３、ｋ＝１０とした。また、配列番号ｎの最大値はｄ－１である。

配列Ｂｋ（ｔ）の各カラムには、上記式（１）から出力される整数値に該当するか否かを示す値が設定される。該当する場合には「１」、該当しない場合には「０」が設定される。カラムの初期値も「０」である。

配列Ｂｋ（ｔ）のカラムの値を「０」から「１」に更新する処理例について説明する。スペクトルジェネレータ４０２は、患者ｉの信号ｘ_ｉ´と全患者の信号ｘ´とを上記式（１）に適用して、タイムステップｔにおける患者ｉの信号位置ＳＰ（ｔ）を算出し、算出した信号位置ＳＰ（ｔ）に一致する配列番号ｎを特定する。

また、スペクトルジェネレータ４０２は、患者ｉの目的変数２０２の値を第１分析対象データ２１０から取得し、取得した値に一致するスペクトル番号ｋを特定する。スペクトルジェネレータ４０２は、特定した配列番号ｎと特定したスペクトル番号ｋとに該当する配列Ｂｋ（ｔ）のカラムの値を「０」から「１」に更新する。

たとえば、特定した配列番号ｎがｎ＝８２だとする。また、患者ＩＤ２０１の値ｉがｉ＝１とすると、その目的変数２０２の値は「１」であるため、ｋ＝１となる。したがって、患者ｉ（ｉ＝１）についてはハッチングが施された配列Ｂ１（ｔ）における配列番号ｎ＝８２のカラムに「１」が設定される。患者ｉ（ｉ＝２～５０）についても同様に処理されることで、タイムステップｔのマルチスペクトル信号Ｓ（ｔ）が生成される。マルチスペクトル信号Ｓ（ｔ）は、タイムステップｔごとにデータメモリ４００に記憶され、コントローラ４０４に出力され、サブルーチン９００はメインルーチン６００に処理を返す。

［ステップＳ６０３］
サブルーチン９００から図６に戻り、コントローラ４０４は、タイムステップｔの制御信号ａ（ｔ）を決定する。具体的には、たとえば、コントローラ４０４は、ランダムユニット５０３は、０．０から１．０の範囲で乱数値を出力する。コントローラ４０４は、ランダムユニット５０３から出力された乱数値が、しきい値ｅ（たとえば、ｅ＝０．５）以上であれば、パターンテーブル３００からランダムに１つの行動３０２を選択し、選択した行動３０２で制御信号ａ（ｔ）を決定する。

たとえば、あるタイムステップｔにおいて、パターンテーブル３００からランダムに選択された行動３０２が、行動番号３０１の値「１０４」の「／」であれば、コントローラ４０４は、「／」を制御信号ａ（ｔ）に決定する。

一方、あるタイムステップｔにおいて、ランダムユニット５０３が出力した乱数値がしきい値ｅ未満であれば、コントローラ４０４は、ネットワークユニット５００内のＱ＊ネットワーク５０１に、マルチスペクトル信号Ｓ（ｔ）を入力し、価値マップｚ（ｔ）を生成する。

コントローラ４０４は、価値マップｚ（ｔ）内の価値が最大値となった行動番号３０１に対応する行動３０２をパターンテーブル３００から１つ選択し、選択した行動３０２を制御信号ａ（ｔ）に決定する。

たとえば、図３では、価値マップｚ（ｔ）内の価値の最大値は「０．９」であり、行動番号１０２に対応する。パターンテーブル３００において、行動番号３０１の値「１０２」に対応する行動３０２は、「ｅｘｐ」である。コントローラ４０４は、制御信号ａ（ｔ）を最大値「０．９」に対応する「ｅｘｐ」に決定する。このように、価値が最大値となった行動３０２を選択することにより、コントローラ４０４は、より価値の高い制御信号ａ（ｔ）を選択することができ、コントローラ４０４がより好適な行動３０２を取ることができる。

［ステップＳ６０４］
エバリュエータ４０３は、タイムステップｔにおける報酬ｒ（ｔ）の計算を実行する。具体的には、たとえば、エバリュエータ４０３は、ステップＳ６０２：コントローラ初期化のサブルーチン９００から出力された信号ｘ´と、データメモリ４００からロードした目的変数２０２の値と、を用いて、識別モデルを学習し、予測精度を計算する。

識別モデルとしては、ロジスティック回帰、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＭ）、勾配ブーストのような予測モデルを用いることできる。いずれの予測モデルを用いても、識別が正しく行われたかを知ることのできる統計量Ｖ（ｔ）（ＡＵＣ、ａｃｃｕｒａｃｙ、ｐｒｅｃｉｓｉｏｎ、ｒｅｃａｌｌ、ｆ－ｍｅａｓｕｒｅなど）を用いて、タイムステップｔの報酬ｒ（ｔ）を計算することが可能である。実施例１では、最もシンプルな構成であるロジスティック回帰を例に説明する。

上記式（２）を用いて説明すると、エバリュエータ４０３は、学習後の識別モデル（実施例１では、ロジスティック回帰モデル）に信号ｘ´を入力して予測値ｐを計算する。つぎに、エバリュエータ４０３は、上記式（３）に示すように、予測値ｐと目的変数２０２（式（３）中、「ｔａｒｇｅｔ」と表記）とをスコア関数ｓｃｏｒｅ（）に代入して、あるタイムステップｔにおける統計量Ｖ（ｔ）を計算する。

実施例１では、図７に示したように、ステップＳ６００において、ユーザが統計量選択部（Ｍｅａｓｕｒｅ）７４１でスコア関数ｓｃｏｒｅ（）として「ＡＵＣ」を選択したが、ｆ－ｍｅａｓｕｒｅなど、識別モデルの予測精度を評価できる統計量Ｖ（ｔ）であれば、同様に上記式（２）を構成することができる。

そして、エバリュエータ４０３は、下記式（４）により、統計量Ｖ（ｔ）を用いて、タイムステップｔにおける報酬ｒ（ｔ）を算出する。医師や研究者が信号ｘ´から優れた識別が行われたと直感的に感じられるように、報酬ｒ（ｔ）の計算式として下記式（４）を構成した。

上記式（４）の右辺のＯｖｅｒｗｒａｐは、異なるクラス同士の点が重なった割合である。図７の信号分布７６０を例に挙げると、クラス０の点群７６１のいずれの点も、クラス１の点群７６２のいずれの点とも重複していない。したがって、異なるクラス同士の点が１つも重なっていないことになる。この場合、異なるクラス同士の点が重なった割合は０となる。

また、図１０を例にあげると、配列Ｂ０（ｔ）と配列Ｂ１（ｔ）とを比較すると、ともに配列番号ｎ＝８２のカラムが「１」である。したがって、クラス０（ｋ＝０）の点とクラス１（ｋ＝１）の点が信号分布７６０において重複していることを示す。重複位置がこの１か所であるとすると、異なるクラス同士の点が重なった割合は、信号長ｄ＝８４であるため、１／８４となる。

また、上記式（４）の右辺のＭａｒｇｉｎは、異なるクラス間の幅である。図７の信号分布７６０を例に挙げると、境界点７６１Ｌと境界点７６２Ｒとの間隔を示すマージン７６３が、Ｍａｒｇｉｎとなる。また、図１０を例にあげると、配列Ｂ０（ｔ）と配列Ｂ１（ｔ）とを比較すると、ともに配列番号ｎ＝８２の値が「１」であるため、異なるクラス同士の点が重なる。したがって、Ｍａｒｇｉｎ＝０となる。

なお、クラス数が２より大きい場合（ｋ≧２）には、異なるクラス同士で、ＯｖｅｒｗｒａｐとＭａｒｇｉｎを総当たり計算して、上記式（４）に加算される。ここで、図１１を用いて、Ｍａｒｇｉｎの計算例について具体的に説明する。

図１１は、実施例１にかかるＯｖｅｒｗｒａｐおよびＭａｒｇｉｎの計算例を示す説明図である。（Ａ）は、信号分布１１００Ａと、そのクラス分布を示すパネル１１１０Ａと、を示す。（Ｂ）は、信号分布１１００Ｂと、そのクラス分布を示すパネル１１１０Ｂと、を示す。（Ｃ）は、信号分布１１００Ｃと、そのクラス分布を示すパネル１１１０Ｃと、を示す。

なお、信号分布１１００Ａ、１１００Ｂ、１１００Ｃを区別しない場合は、信号分布１１００と称す。パネル１１１０Ａ、１１１０Ｂ、１１１０Ｃを区別しない場合は、パネル１１１０と称す。また、パネル１１１０の各点（●および○）は、各患者の信号ｘ´、すなわち、生成式７７０の計算値である。

また、信号分布１１００は、出力デバイス１０４から表示可能に出力され、また、信号分布１１００に関するデータを通信ＩＦ１０５を介して他のコンピュータに送信することで当該他のコンピュータにおいて表示可能に出力される。また、パネル１１１０は、内部処理的なデータであるが、信号分布１１００とともに、または、信号分布１１００に替えて、表示可能に出力されてもよい。

（Ａ）信号分布１１００Ａにおいて、クラス０の点群（●）の分布と、クラス１の点群（○）の分布と、は重なり合っている。信号分布１１００Ａでは、Ｏｖｅｒｗｒａｐの値が０．３であるため、クラス０およびクラス１の間で２５個の点が重複している。また、クラス０の点群（●）の分布と、クラス１の点群（○）の分布と、は重なり合っているため、Ｍａｒｇｉｎの値は０である。

パネル１１１０Ａは、数直線１１１１と、クラス０の点群の分布範囲１１１２Ａと、クラス１の点群の分布範囲１１１３Ａと、を含む。クラス０の点群の分布範囲１１１２Ａの左端の黒丸は、クラス０において信号ｘ´が最小となる点であり、右端の黒丸は、クラス０において信号ｘ´が最大となる点である。同様に、クラス１の点群の分布範囲１１１３Ａの左端の白丸は、クラス１において信号ｘ´が最小となる点であり、右端の白丸は、クラス１において信号ｘ´が最大となる点である。

（Ｂ）信号分布１１００Ｂにおいて、クラス０の点群（●）の分布と、クラス１の点群（○）の分布と、は重なり合っておらず（Ｏｖｅｒｗｒａｐ＝０）、マージン１１０１Ｂを有する（Ｍａｒｇｉｎ＞０）。マージン１１０１Ｂは、クラス０の点群のうち信号ｘ´が最大となる点１１０２Ｂと、クラス１の点群のうち信号ｘ´が最小となる点１１０３Ｂと、の間隔である。すなわち、マージン１１０１Ｂは、点１１０３Ｂの位置を示す信号ｘ´から点１１０２Ｂの位置を示す信号ｘ´を減算した値である。

パネル１１１０Ｂは、数直線１１１１と、クラス０の点群の分布範囲１１１２Ｂと、クラス１の点群の分布範囲１１１３Ｂと、を含む。クラス０の点群の分布範囲１１１２Ｂの左端の黒丸は、クラス０において信号ｘ´が最小となる点であり、右端の黒丸は、クラス０において信号ｘ´が最大となる点である。同様に、クラス１の点群の分布範囲１１１３Ｂの左端の白丸は、クラス１において信号ｘ´が最小となる点であり、右端の白丸は、クラス１において信号ｘ´が最大となる点である。

（Ｃ）信号分布１１００Ｃにおいて、クラス０の点群（●）の分布と、クラス１の点群（○）の分布と、は重なり合っておらず（Ｏｖｅｒｗｒａｐ＝０）、マージン１１０１Ｃを有する（Ｍａｒｇｉｎ＞０）。マージン１１０１Ｃは、クラス０の点群のうち信号ｘ´が最大となる点１１０２Ｃと、クラス１の点群のうち信号ｘ´が最小となる点１１０３Ｃと、の間隔である。

パネル１１１０Ｃは、数直線１１１１と、クラス０の点群の分布範囲１１１２Ｃと、クラス１の点群の分布範囲１１１３Ｃと、を含む。クラス０の点群の分布範囲１１１２Ｃの左端の黒丸は、クラス０において信号ｘ´が最小となる点であり、右端の黒丸は、クラス０において信号ｘ´が最大となる点である。同様に、クラス１の点群の分布範囲１１１３Ｃの左端の白丸は、クラス１において信号ｘ´が最小となる点であり、右端の白丸は、クラス１において信号ｘ´が最大となる点である。

これにより、エバリュエータ４０３は、上記式（３）で算出した統計量Ｖ（ｔ）と、算出したＯｖｅｒｗｒａｐおよびＭａｒｇｉｎを上記式（４）に代入することで報酬ｒ（ｔ）を算出することになる。なお、図１１では、２クラス分類の例について説明したが、３クラス以上の場合、すべてのクラス間の組み合わせから計算された（１－Ｏｖｅｒｗｒａｐ）とＭａｒｇｉｎが上記式（４）に代入される。

上記式（４）によって算出された報酬ｒ（ｔ）は、（ａ）統計量Ｖ（ｔ）により予測精度が高いこと、（ｂ）異なるクラスの点が互いに重なっていないこと（つまり、（１－Ｏｖｅｒｗｒａｐ）の値が大きい）、（ｃ）異なるクラスの点が離れて分布していること（Ｍａｒｇｉｎの値が大きい）の３条件のうち該当する条件が多いほど大きくなる。

図１１において、（Ａ）では予測精度（ＡＵＣ）がＶ（ｔ）＝０．６と低く、異なるクラス間で３割の点が重なっており、クラス間の距離を示すマージンは０である。したがって、報酬ｒ（ｔ）＝１．３となる。

（Ｂ）および（Ｃ）では、等しい予測精度（Ｖ（ｔ）＝１．０）を持ち、クラス間で重なりも無い。一方、クラス間の距離を示すマージンについては、（Ｃ）の方が大きく、（Ｃ）の報酬ｒ（ｔ）が０．３ポイント（＝２．４－２．１）高い結果となる。なお、エバリュエータ４０３は、報酬ｒ（ｔ）をデータメモリ４００に保存するとともにコントローラ４０４に出力する。

［ステップＳ６０５］
信号処理装置１００は、図８に示したタイムステップｔ＋１における信号データ生成処理を実行する。具体的には、たとえば、信号処理装置１００は、サブルーチン９００によりマルチスペクトル信号Ｓ（ｔ＋１）と信号ｘ´とを計算する。

［ステップＳ６０６］
ネットワークユニット５００は、報酬ｒ（ｔ）、マルチスペクトル信号Ｓ（ｔ）、Ｓ（ｔ＋１）、制御信号ａ（ｔ）、および停止信号Ｋ（ｔ）をデータパックＤ（ｔ）として、データメモリ４００内のリプレイメモリ４１１に保存する。

［ステップＳ６０７］
停止信号Ｋ（ｔ）＝０であれば（ステップＳ６０７：Ｙｅｓ）、信号処理装置１００は、ｔ＝ｔ＋１としてタイムステップｔを更新し、ステップＳ６０３に戻る。一方、停止信号Ｋ（ｔ）＝１であれば（ステップＳ６０７：Ｎｏ）、信号処理装置１００は、ステップＳ６０８に処理を移行する。

［ステップＳ６０８］
学習パラメータ更新ユニット５２０は、リプレイメモリ４１１からランダムにＪ個のデータパックＤ（１），…，Ｄ（ｊ），…，Ｄ（Ｊ）（ｊ＝１，…，Ｊ）（以下、データパック群Ｄｓ）をロードし、下記式（５）により教師信号ｙ（ｊ）を更新する。なお、実施例１では、例としてＪ＝１００とする。

上記式（５）において、γは割引率であり、実施例１では、γ＝０．９９８とする。上記式（５）における計算処理ｍａｘＱ（Ｓ（ｊ＋１）；θ）は、ネットワークユニット５００内のＱネットワーク５０２にマルチスペクトル信号Ｓ（ｊ＋１）を入力し、Ｑネットワーク５０２が学習パラメータθを適用して算出した価値マップｚ（ｊ）の中から最大値、すなわち、最大の行動価値を出力する処理である。たとえば、図３の価値マップｚ（ｔ）が価値マップｚ（ｊ）である場合、計算処理ｍａｘＱ（Ｓ（ｊ＋１）；θ）は、行動番号＝１０２の値「０．９」を最大の行動価値として出力する。

［ステップＳ６０９］
学習パラメータ更新ユニット５２０は学習計算を実行する。勾配算出ユニット５２１は、下記式（６）を用いて学習パラメータθについて勾配を出力することで学習パラメータθを更新する。

上記式（６）の右辺第２項のｇｒａｄ_θは、学習パラメータθについて勾配を計算する関数である。αは、正の実数値を持つ学習係数である（実施例１では、例として、α＝０．００１）。これにより、Ｑネットワーク５０２は、報酬ｒ（ｔ）が考慮された更新後の学習パラメータθにより、報酬ｒ（ｔ）、すなわち、目的変数の予測精度が高くなるような行動３０２を示す制御信号ａ（ｔ）を生成することができる。

また、ステップＳ６０９において、学習パラメータ更新ユニット５２０は、Ｑネットワーク５０２の更新後の学習パラメータθを、Ｑ＊ネットワーク５０１の学習パラメータθ＊に上書きする。すなわち、Ｑ＊ネットワーク５０１が、更新後の学習パラメータθと同一の値となる。これにより、Ｑ＊ネットワーク５０１は、行動価値、すなわち、目的変数の予測精度が高くなると期待できる行動として制御信号ａ（ｔ）を特定することができる。

［ステップＳ６１０］
信号処理装置１００は、統計量Ｖ（t）が目標値設定部７４２に入力された目標値を下回り、かつ、計算ステップｍが所定の回数Ｍ未満であれば（ステップＳ６１０：Ｙｅｓ）、信号処理装置１００による分析を継続するため、ステップＳ６０２に戻り、計算ステップｍをｍ＝ｍ＋１として更新する。実施例１では、例として、Ｍ＝１００万回とする。

一方、信号処理装置１００は、統計量Ｖ（ｔ）が目標値設定部７４２に入力された目標値以上、または、計算ステップｍが所定の回数Ｍに到達した場合（ステップＳ６１０：Ｎｏ）、ステップＳ６１１に移行する。

［ステップＳ６１１］
信号処理装置１００は、データメモリ４００に保存されたデータパック群Ｄｓのうち、統計量Ｖ（ｔ）が目標値以上となったすべての計算ステップｍ’＝１，…，Ｍ’の行動履歴Ａ（ｍ’）と、計算ステップｍ’におけるタイムステップｔ’以下のデータパックＤ（ｔ≦t’）を記憶デバイス１０２に保存する。

［ステップＳ６１２］
信号処理装置１００は、出力部として結果表示を実行する。具体的には、たとえば、信号処理回路１０７は、記憶デバイス１０２に保存された複数の行動履歴Ａ（ｍ’）と計算ステップｍ’に付随するタイムステップｔ’以下のデータパックＤ（ｔ≦ｔ’）から最終的な信号分布７６０および生成式７７０を出力する。プロセッサ１０１は、出力部として、信号処理回路１０７から出力された最終的な信号分布７６０および生成式７７０を、結果表示領域７５０に表示する。これにより、メインルーチン６００の全処理が終了する。

以上のように生成された信号ｘ´とその生成式７７０は、医師や研究者が結果を医学的に考察しやすく、また、薬剤の効果などを判断しやすい。このため、生成式７７０を通して機序の探求に質することができる。また、マルチスペクトル信号Ｓ（ｔ）を取り扱うことで、計算処理に要するメモリ量を削減することができると共に、計算処理の高速化に寄与することができる。

＜実験＞
図１２は、実施例１にかかる信号処理装置１００の動作実験で用いた患者データの一例を示す説明図である。患者データ１２００は、第１分析対象データ２１０の具体例である。ここで、実施例１にかかる信号処理装置１００の動作結果を示す。図１２の患者データ１２００は実験に用いた患者データの抜粋である。

患者数は４４２名（図１２では、患者ＩＤ２０１が１～１０であるため１０名）、説明変数群２０３は、ａｇｅ（年齢）、ｓｅｘ（性別）、ｈｅｉｇｈｔ（身長）およびｗｅｉｇｈｔ（体重）と、９６個の一様乱数の合計１００種類とされている。ａｇｅ（年齢）の値は平均０、分散１に正規化されている。ｓｅｘ（性別）の値は「０」が女性、「１」が男性である。Ｔａｒｇｅｔ（目的変数）は、ｗｅｉｇｈｔ／ｈｅｉｇｈｔ^２から計算されたＢＭＩについて、患者全体のＢＭＩの中央値より大きければ「１」、そうでなければ「０」に設定されている。

図１３は、実施例１にかかる信号処理装置の動作実験結果の例１を示すグラフであり、図１４は、実施例１にかかる信号処理装置の動作実験結果の例２を示すグラフである。図１３および図１４において、パネル１３０１，１３０２，１４０１，１４０２はカーネル密度推定を用いて、各患者の信号ｘ´の値の分布を図示した。横軸は信号ｘ´の値であり、縦軸はカーネル密度推定量（概して、頻度とする）である。

信号処理装置１００を動作させた結果、
パネル１３０１については、
統計量Ｖ（ｔ）＝ＡＵＣ：０．８９３
生成式７７０：ｗｅｉｇｈｔ＋ｅｘｐ（ａｇｅ）、
パネル１３０２については、
統計量Ｖ（ｔ）＝ＡＵＣ：０．９５９
生成式７７０：ｈｅｉｇｈｔ／ｗｅｉｇｈｔ、
パネル１４０１については、
統計量Ｖ（ｔ）＝ＡＵＣ：１．０
生成式７７０：ｗｅｉｇｈｔ／ｈｅｉｇｈｔ^２、
パネル１４０２については、
統計量Ｖ（ｔ）＝ＡＵＣ：１．０
生成式７７０：ｈｅｉｇｈｔ^２／ｗｅｉｇｈｔ
が得られた。

パネル１４０１の統計量Ｖ（ｔ）はＡＵＣ：１．０であり、横軸の値からもＢＭＩが正しく復元されている。つぎに、パネル１４０２の結果である生成式７７０のｈｅｉｇｈｔ^２／ｗｅｉｇｈｔは、ＢＭＩの逆数であり、層別化の用途であればＢＭＩと同様に取り扱うことができる。このように、医師や研究者は生成式を通して、医学的な妥当性を判断することができる。以上の結果から、実施例１にかかる構成は、意図する通りに層別化が行えることを確認できた。

実施例２は、実施例１において、図２に示した第１分析対象データ２１０に替えて、第２分析対象データ２２０を適用する場合の例である。第１分析対象データ２１０との違いは、第１分析対象データ２１０の目的変数２０２が質的変数であったのに対し、第２分析対象データ２２０の目的変数２１２が量的変数であるという点である。実施例２では、実施例１との相違点を中心に説明するため、実施例1と同一構成には同一符号を付し、説明を省略する。

＜処理手順例＞
図１５は、実施例２にかかる信号処理装置１００による処理手順例として、メインルーチン１５００を示すフローチャートである。以下、図１５のフローチャートを用いて、メインルーチン１５００の処理の流れを説明する。また、実施例２では、サブルーチン９００に替えて図１７に示すサブルーチンが実行される。

［ステップＳ１５００］
出力デバイス１０４には、表示画面が表示される。

図１６は、実施例２にかかる表示画面の一例を示す説明図である。表示画面１６００は、ロードボタン７１０と、開始ボタン７２０と、生成条件入力領域７３０と、目標尺度入力領域７４０と、結果表示領域７５０と、を有する。ユーザがロードボタン７１０をクリックすると、記憶デバイス１０２に格納された分析対象ＤＢ１２１内の第２分析対象データ２２０とパターンＤＢ１２２内のパターンテーブル３００とが、オペレーションシステムの機能を用いてロードされる。プロセッサ１０１は、信号処理回路１０７のデータメモリ４００に第２分析対象データ２２０とパターンテーブル３００とを転送する。ユーザが開始ボタン７２０をクリックすることによりメインルーチン１５００の処理が開始する。

実施例１と異なる点としては、実施例２では量的変数を表すマルチスペクトル信号Ｓ（ｔ）を生成するため、統計量選択部７４１に、相対二乗誤差（ＲＳＥ：Ｒｅｌａｔｉｖｅ Ｓｑｕａｒｅｄ Ｅｒｒｏｒ）が入力され、目標値設定部７４２には「０．９」が設定されている。統計量選択部７４１は、回帰モデルの予測精度を評価できるＲＳＥ以外の他の統計量（２乗誤差、Ｒｅｌａｔｉｖｅ Ａｂｓｏｌｕｔｅ Ｅｒｒｏｒ、決定係数など）を選択することもできる。

目標尺度入力領域７４０の損失関数設定部１６４３にはマルチスペクトル信号Ｓ（ｔ）を計算する際の損失関数を１以上設定することができる。実施例２では、下記式（７）の符号付き２乗誤差が設定されたものとする。

損失関数設定部１６４３には、このほか、符号付き絶対値誤差（下記式（８））、符号付きヒンジ誤差（下記式（９））を１以上設定することができる。

上記式（７）～（９）のｓｉｇｎ関数は、値を受け取って符号を返す関数であり、引数が０以上であれば「１．０」、引数が０未満であれば「－１．０を」出力する。また、上記式（９）のεは、許容誤差を表すパラメータであり、実施例２では「０．１」に設定されている。なお、損失関数設定部１６４３には、ユーザが誤差関数を式として入力してもよい。たとえば、下記式（１０）のように符号付き対数変換ヒンジ誤差関数を入力することが可能である。

また、結果表示領域７５０は、信号分布１６６０と、生成式７７０と、を含む。信号分布１６６０において、縦軸は損失の大きさ（Ｐの値）を示す。また、横軸は、目的変数２１２（ｔａｒｇｅｔ）の大きさを小さい順に並び替えた場合の目的変数２１２のインデックス（後述する式（１１）のａｒｇｓｏｒｔ関数の出力値）を示す。図１６の信号分布１６６０では、各々の患者について損失関数Ｐ＝０であることを示している。すなわち、各患者の目的変数２１２と信号ｘ´とが完全一致したことを意味する。

［ステップＳ１５０２］
図１５に戻り、ステップＳ１５０１の実行後、信号処理装置１００は、ステップＳ６０２のように、コントローラ４０４の初期化を実行する。ただし、ステップＳ１５０２では、信号処理装置１００は、サブルーチン９００に替わってサブルーチン１７００を実行する。

＜サブルーチン＞
図１７は、ステップＳ１５０２におけるメインルーチン１５００内のサブルーチン１７００の詳細な処理手順例を示すフローチャートである。サブルーチン１７００は、メインルーチン１５００のステップＳ１５０２およびステップＳ１５０５により呼び出されて実行される。

［ステップＳ１７０１］
モジュレータ４０１は、回帰変調を実行する。具体的には、たとえば、モジュレータ４０１は、タイムステップｔにおいてコントローラ４０４から出力されてくる制御信号ａ（ｔ）から説明変数または変調方法を選択する。モジュレータ４０１は、ユーザから選択された説明変数または変調方法の選択を受け付けてもよい。

モジュレータ４０１は、行動履歴行８０２のタイムステップｔのカラムに、選択した変数または変調方法を追加する。行動履歴行８０２の初期値はすべてのカラムについて空白である。

モジュレータ４０１は、行動履歴行８０２が示すシークエンスデータを、タイムステップｔの昇順に１カラムずつ読み出すと、逆ポーランド記法により、数式を生成する。図８の例では、数式８００が生成される。また、モジュレータ４０１は、数式８００に、患者ｉの説明変数群２０３のうち数式８００に存在する説明変数の値を代入することで、患者ｉについて数式８００を適用したときの信号ｘ´を算出する。信号ｘ´は、数式８００の算出値である。なお、図２の第２分析対象データ２２０では、患者数（患者ＩＤ２０１の総数）が５０であるため、信号ｘ´の個数は５０個である。

信号ｘ´はデータメモリ４００に記憶され、コントローラ４０４に出力される。なお、モジュレータ４０１は、行動履歴行８０２が示すシークエンスデータから数式８００を構成できない場合、すべての信号ｘ´の値をすべて０にする。これにより、ステップＳ１７０１が終了し、ステップＳ１７０２に移行する。

［ステップＳ１７０２］
モジュレータ４０１は、行動履歴行８０２のすべてのカラムが埋められたとき（すなわち、ｔ＝Ｔ－１）、または変調方法として「Ｅｎｄ」が選ばれたときに、停止信号Ｋ（ｔ）を、Ｋ（ｔ）＝１と設定し、そうでなければ、Ｋ（ｔ）＝０に設定する。これにより、ステップＳ１７０２が終了し、ステップＳ１７０３に移行する。

［ステップＳ１７０３］
スペクトルジェネレータ４０２は、現在のタイムステップｔにおいて、ステップＳ１７０１で得られた信号ｘ´からマルチスペクトル信号Ｓ（ｔ）を生成する。具体的には、たとえば、スペクトルジェネレータ４０２は、下記式（１１）により、信号位置ＳＰ（ｔ）を算出する。

上記式（１１）において、Ｎは患者ＩＤ２０１の総数（実施例２では、Ｎ＝５０）である。ａｒｇｓｏｒｔは、目的変数２１２（ｔａｒｇｅｔ）の大きさを小さい順に並び替えた場合の目的変数２１２のインデックス（０から始まる整数）を出力する関数である。たとえば、仮にｔａｒｇｅｔ＝｛０．１，０．０，１｝とすると、「０．１」のインデックスは「１」、「０．０」のインデックスは「０」、「１」のインデックスは「２」となるため、ａｒｇｓｏｒｔ（ｔａｒｇｅｔ）＝｛１，０，２｝となる。

図１８は、実施例２にかかるマルチスペクトル信号Ｓ（ｔ）の一例を示す説明図である。マルチスペクトル信号Ｓ（ｔ）は、スペクトル番号ｋごとのカラムの配列Ｂｋ（ｔ）の集合である。スペクトル番号ｋは、患者の目的変数２０２の値である。図１０では、ｋ＝０～１０までの１１クラスがある。また、配列番号ｎは、ｄ＝０～８３の整数である。また、実施例１では、カラムに設定される値が「０」（初期値）または「１」であったのに対し、実施例２では、「０」（初期値）または損失関数設定部１６４３に設定された損失関数の計算結果である。

スペクトルジェネレータ４０２は、上記式（７）を用いて、マルチスペクトル信号Ｓ（ｔ）を計算する。たとえば、上記式（１１）で信号位置ＳＰ（ｔ）＝０、上記式（７）で損失関数Ｐ＝－０．１と計算された場合には、スペクトル番号ｋ＝０の配列Ｂ０（ｔ）の配列番号ｎ＝ＳＰ（ｔ）＝０のカラムに、損失関数Ｐ＝－０．１を設定する。

図１９は、実施例２にかかるマルチスペクトル信号Ｓ（ｔ）の可視化例を示す説明図である。（Ａ）は、図１６に示した信号分布１６６０を示す。（Ｂ）は、各々の患者ｉの信号ｘ_ｉ´に損失が存在（Ｐ≠０）する信号分布１９０１を示す。

また、損失関数設定部１６４３において、符号付き２乗誤差（上記式（７））と符号付き絶対値誤差（上記式（８））が入力されている場合、すなわち、複数の損失関数が入力されている場合には、スペクトルジェネレータ４０２は、損失関数の入力順にスペクトル番号ｋを付与して損失関数Ｐの計算を実行する。マルチスペクトル信号Ｓ（ｔ）は、損失関数別に、図１８に示したようなデータが保持される。

（Ｃ）は、損失関数Ｐ別にマルチスペクトル信号Ｓ（ｔ）が保存された場合の信号分布１９０２を示す。具体的には、たとえば、患者ｉの信号ｘ_ｉ´は、損失関数設定部１６４３への１番目の入力である符号付き２乗誤差（上記式（７））については黒丸（●）として表示され、２番目の入力である符号付き絶対値誤差（上記式（８））については白丸（○）として表示される。

（Ｄ）は、ユーザが損失関数設定部１６４３に入力した誤差関数（たとえば、上記式（１０））が適用された場合の信号分布１９０３を示す。たとえば、上記式（１０）のように損失関数Ｐに対数が存在する場合には、信号分布１９０３の縦軸は対数スケールの表示となる。マルチスペクトル信号Ｓ（ｔ）はデータメモリ４００に記憶され、コントローラ４０４に出力され、サブルーチン１７００はメインルーチン１５００に処理を返し、ステップＳ６０３に戻る。

［ステップＳ１５０４］
図１５に戻り、ステップＳ６０３の実行後、エバリュエータ４０３は、タイムステップｔの報酬ｒ（ｔ）の計算を実行する。ただし、実施例２では、エバリュエータ４０３は、実施例１とは異なるタイムステップｔの報酬ｒ（ｔ）の計算を実行する。具体的には、たとえば、エバリュエータ４０３は、ステップＳ６０２：コントローラ初期化のサブルーチン９００から出力された信号ｘ´と、データメモリ４００からロードした目的変数２０２の値と、を用いて、回帰モデルを学習し、予測精度を計算する。

識別モデルとしては、線形回帰、ＳＶＭ回帰、勾配ブースト回帰を用いることできる。いずれの予測モデルを用いても、回帰がどの程度正しく行われたかを知ることのできる統計量（相対二乗誤差（ＲＳＥ）、２乗誤差、決定計数など）を計算することが可能である。実施例２では、最もシンプルな構成である線形回帰モデルを例に説明する。

医師や研究者が信号ｘ´から優れた識別が行われたと直感的に感じるように、報酬ｒ（ｔ）を下記式（１２）で構成した。

上記式（１２）から計算される報酬ｒ（ｔ）は、相対二乗誤差（ＲＳＥ）が小さいほど値が大きくなるように設計されている。上記式（１２）において、ユーザが統計量選択部７４１により予測精度として相対二乗誤差（ＲＳＥ）を選択したものとする。決定係数の場合には上記式（４）が採用されるが、実施例２に適用する場合には、上記式（４）中、ＯｖｅｒｗｒａｐおよびＭａｒｇｉｎの値を０に設定することになる。

［ステップＳ１５０５］
信号処理装置１００は、図８に示したタイムステップｔ＋１における信号データ生成処理を実行する。具体的には、たとえば、信号処理装置１００は、サブルーチン１７００によりマルチスペクトル信号Ｓ（ｔ＋１）と信号ｘ´とを計算する。

［ステップＳ１５１２］
実施例１と同様にステップＳ６０６～Ｓ６１１が実行されたあと、信号処理装置１００は、記憶デバイス１０２に保存された複数の行動履歴Ａ（ｍ’）と計算ステップｍ’に付随するタイムステップｔ’以下のデータパックＤ（ｔ≦ｔ’）から信号処理回路１０７を動作さることにより、結果表示領域７５０に最終的な図１９に示したような信号分布および生成式７７０を表示して、メインルーチン１５００の全処理を終了する。

実施例２によれば、以上のように生成された信号ｘ´とその生成式７７０は、医師や研究者が結果を医学的に考察しやすく、また、薬剤の効果などを判断しやすい。このため、生成式７７０を通して機序の探求に質することができる。また、マルチスペクトル信号Ｓ（ｔ）を取り扱うことで、計算処理に要するメモリ量を削減することができると共に、計算処理の高速化に寄与することができる。

また、上述した実施例１および実施例２にかかる信号処理装置１００は、下記（１）～（１３）のように構成することもできる。

（１）信号処理装置１００は、分析対象（患者）についての説明変数群２０３の各説明変数の値と目的変数２０２の値とを有する分析対象データを前記分析対象ごとに有する分析対象データ群（第１分析対象データ２１０または第２分析対象データ２２０）と、前記説明変数または前記説明変数を変調する変調方法のいずれか一方である行動３０２を１以上保持する行動履歴情報４１２と、を記憶する記憶部（記憶デバイス１０２）と、前記行動履歴情報に基づいて、前記分析対象ごとに前記分析対象データを変調した第１信号を生成する変調部であるモジュレータ４０１と、前記変調部によって変調された前記分析対象ごとの前記第１信号ｘ´を、前記目的変数２０２の値別の第１スペクトル信号に分類した第１マルチスペクトル信号Ｓ（ｔ）を生成する生成部であるスペクトルジェネレータ４０２と、前記第１マルチスペクトル信号Ｓ（ｔ）に基づいて、前記目的変数２０２の値に基づく前記第１信号ｘ´の分布を１次元に配列した信号分布（７６０、１１００、１６６０、１９０１～１９０３）を生成して、表示可能に出力する出力部と、を有する。

（２）上記（１）の信号処理装置１００において、前記変調部は、前記行動履歴情報内の前記行動を組み合わせて数式８００を立案し、前記数式８００に含まれる前記説明変数の値を前記分析対象データから取得して前記数式８００の計算結果である前記第１信号ｘ´を前記分析対象ごとに出力する。

（３）上記（１）の信号処理装置１００において、前記記憶部は、１以上の前記説明変数と１以上の前記変調方法とを含むパターンテーブル３００を記憶しており、前記パターンテーブル３００から第１行動を選択して、前記行動履歴情報４１２に追加する制御部であるコントローラ４０４と、を有する。

（４）上記（１）の信号処理装置１００において、前記制御部は、前記パターンテーブル３００から前記第１行動をランダムに選択する。

（５）上記（３）の信号処理装置１００において、前記制御部は、学習パラメータθ＊と、前記第１マルチスペクトル信号Ｓ（ｔ）と、に基づいて、前記行動ごとの価値を示す第１配列（価値マップｚ（ｔ））を生成し、前記第１配列（価値マップｚ（ｔ））の中の特定の価値に対応する前記第１行動を選択して、前記行動履歴情報４１２に追加する。

（６）上記（３）の信号処理装置１００は、前記分析対象ごとの前記第１信号ｘ´と前記目的変数２０２の値とに基づいて学習モデルを生成し、前記分析対象ごとの前記第１信号ｘ´を前記学習モデルに入力することにより前記分析対象ごとの予測値ｐを算出し、前記分析対象ごとの前記予測値ｐと前記目的変数２０２の値とに基づいて、前記第１行動の価値を評価する報酬ｒ（ｔ）を算出する評価部であるエバリュエータ４０３を有し、前記変調部は、前記制御部によって前記第１行動が追加された追加後の行動履歴情報４１２に基づいて、前記分析対象ごとに前記分析対象データを変調した第２信号ｘ´を生成し（ステップＳ９０１）、前記生成部は、前記変調部によって変調された前記分析対象ごとの前記第２信号ｘ´を、前記目的変数２０２の値に基づく第２スペクトル信号に分類した第２マルチスペクトル信号Ｓ（ｔ＋１）を生成し（ステップＳ９０３）、前記制御部は、前記報酬ｒ（ｔ）と、学習パラメータθと、前記第２マルチスペクトル信号Ｓ（ｔ＋１）と、に基づいて、前記行動ごとの価値を示す第２配列（価値マップｚ（ｊ））を生成して、前記第２配列（価値マップｚ（ｊ））の中の特定の価値を選択（たとえば、行動番号＝１０２の値「０．９」を最大の行動価値として選択）するとともに（ステップＳ６０８）、前記学習パラメータθを更新する（ステップＳ６０９）。

（７）上記（６）の信号処理装置１００において、前記報酬ｒ（ｔ）は、前記学習モデルの予測精度が大きいほど大きい値となる。

（８）上記（６）の信号処理装置１００において、前記目的変数２０２の値は、前記分析対象に関する識別値であり、前記出力部は、前記第１マルチスペクトル信号Ｓ（ｔ）に基づいて、前記目的変数２０２の値別の前記第１信号ｘ´の複数の分布を１次元に配列した信号分布（７６０、１１００）を生成して、表示可能に出力し、前記報酬ｒ（ｔ）は、前記複数の分布が重なる部分が少ないほど大きい値となる。

（９）上記（６）の信号処理装置１００において、前記目的変数２０２の値は、前記分析対象に関する識別値であり、前記出力部は、前記第１マルチスペクトル信号Ｓ（ｔ）に基づいて、前記目的変数２０２の値別の前記第１信号ｘ´の複数の分布を１次元に配列した信号分布（７６０、１１００）を生成して、表示可能に出力し、前記報酬ｒ（ｔ）は、前記複数の分布間の間隔が大きいほど大きい値となる。

（１０）上記（８）の信号処理装置１００において、前記出力部は、前記複数の分布間の間隔を表示可能に出力する。

（１１）上記（１）の信号処理装置１００において、前記目的変数２０２の値は、前記分析対象に関する回帰結果を示す予測値であり、前記生成部は、前記変調部によって変調された前記分析対象ごとの前記第１信号ｘ´と、前記目的変数２０２の値と、に基づいて、前記分析対象ごとに損失関数Ｐを計算し、前記損失関数Ｐの計算結果を、前記目的変数２０２の値別に分類した第１マルチスペクトル信号Ｓ（ｔ）を生成し、前記出力部は、前記第１マルチスペクトル信号Ｓ（ｔ）に基づいて、前記目的変数２０２の値順に配列された前記第１信号ｘ´についての前記損失関数Ｐの計算結果を示す信号分布（１６６０、１９０１～１９０３）を生成して、表示可能に出力する。

（１２）上記（１１）の信号処理装置１００において、前記生成部は、複数の前記損失関数Ｐが設定されている場合、前記損失関数Ｐごとに前記第１マルチスペクトル信号Ｓ（ｔ）を生成し、前記出力部は、前記損失関数Ｐごとの前記第１マルチスペクトル信号Ｓ（ｔ）に基づいて、前記目的変数２０２の値順に配列された前記第１信号ｘ´についての複数の前記損失関数Ｐの計算結果を含む１つの信号分布１９０２を生成して、表示可能に出力する。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１００ 信号処理装置
１０１ プロセッサ
１０２ 記憶デバイス
１０７ 信号処理回路
２０２、２１２ 目的変数
２０３ 説明変数群
２１０ 第１分析対象データ
２２０ 第２分析対象データ
３００ パターンテーブル
３０１ 行動番号（行）
３０２ 行動（行）
３１０ 価値マップ
４００ データメモリ
４０１ モジュレータ
４０２ スペクトルジェネレータ
４０３ エバリュエータ
４０４ コントローラ
４１１ リプレイメモリ
４１２ 行動履歴情報
５００ ネットワークユニット
５０１ Ｑ＊ネットワーク
５０２ Ｑネットワーク
５０３ ランダムユニット
５２０ 学習パラメータ更新ユニット
５２１ 勾配算出ユニット
６００ メインルーチン
７６０、１１００、１６６０、１９０１～１９０３ 信号分布
７７０ 生成式
８００ 数式
９００、１７００ サブルーチン
ａ（ｔ） 制御信号
ｘ´ 信号
ｚ（ｔ） 価値マップ
θ、θ＊ 学習パラメータ

Claims (14)

1. 分析対象についての説明変数の値と目的変数の値とを有する分析対象データを前記分析対象ごとに有する分析対象データ群と、前記説明変数である行動及び前記説明変数を変調する変調方法である行動を保持する行動履歴情報と、を記憶する記憶部と、
   前記行動履歴情報に基づいて、前記分析対象ごとに前記分析対象データを変調した第１信号を生成する変調部と、
   前記変調部によって変調された前記分析対象ごとの前記第１信号を、前記目的変数の値別の第１スペクトル信号に分類した第１マルチスペクトル信号を生成する生成部と、
   前記第１マルチスペクトル信号に基づいて、前記第１信号に基づく前記目的変数の値の分布を１次元に配列した信号分布を生成して、表示可能に出力する出力部と、
   を有することを特徴とする信号処理装置。
2. 請求項１に記載の信号処理装置であって、
   前記変調部は、前記行動履歴情報内の前記行動を組み合わせて数式を立案し、前記数式に含まれる前記説明変数の値を前記分析対象データから取得して前記数式の計算結果である前記第１信号を前記分析対象ごとに出力する、
   ことを特徴とする信号処理装置。
3. 請求項１に記載の信号処理装置であって、
   前記記憶部は、１以上の前記説明変数と１以上の前記変調方法とを含むパターン情報を記憶しており、
   前記パターン情報から第１行動を選択して、前記行動履歴情報に追加する制御部と、
   を有することを特徴とする信号処理装置。
4. 請求項３に記載の信号処理装置であって、
   前記制御部は、前記パターン情報から前記第１行動をランダムに選択する、
   ことを特徴とする信号処理装置。
5. 請求項３に記載の信号処理装置であって、
   前記制御部は、学習パラメータと、前記第１マルチスペクトル信号と、に基づいて、前記行動ごとの価値を示す第１配列を生成し、前記第１配列の中の特定の価値に対応する前記第１行動を選択して、前記行動履歴情報に追加する、
   ことを特徴とする信号処理装置。
6. 請求項３に記載の信号処理装置であって、
   前記分析対象ごとの前記第１信号と前記目的変数の値とに基づいて学習モデルを生成し、前記分析対象ごとの前記第１信号を前記学習モデルに入力することにより前記分析対象ごとの予測値を算出し、前記分析対象ごとの前記予測値と前記目的変数の値とに基づいて、前記第１行動の価値を評価する報酬を算出する評価部を有し、
   前記変調部は、前記制御部によって前記第１行動が追加された追加後の行動履歴情報に基づいて、前記分析対象ごとに前記分析対象データを変調した第２信号を生成し、
   前記生成部は、前記変調部によって変調された前記分析対象ごとの前記第２信号を、前記目的変数の値に基づく第２スペクトル信号に分類した第２マルチスペクトル信号を生成し、
   前記制御部は、前記報酬と、学習パラメータと、前記第２マルチスペクトル信号と、に基づいて、前記行動ごとの価値を示す第２配列を生成して、前記第２配列の中の特定の価値を選択するとともに、前記学習パラメータを更新する、
   ことを特徴とする信号処理装置。
7. 請求項６に記載の信号処理装置であって、
   前記報酬は、前記学習モデルの予測精度が大きいほど大きい値となる、
   ことを特徴とする信号処理装置。
8. 請求項６に記載の信号処理装置であって、
   前記目的変数の値は、前記分析対象に関する識別値であり、
   前記出力部は、前記第１マルチスペクトル信号に基づいて、前記第１信号別の前記目的変数の値の複数の分布を１次元に配列した信号分布を生成して、表示可能に出力し、
   前記報酬は、前記複数の分布が重なる部分が少ないほど大きい値となる、
   ことを特徴とする信号処理装置。
9. 請求項６に記載の信号処理装置であって、
   前記目的変数の値は、前記分析対象に関する識別値であり、
   前記出力部は、前記第１マルチスペクトル信号に基づいて、前記第１信号別の前記目的変数の値の複数の分布を１次元に配列した信号分布を生成して、表示可能に出力し、
   前記報酬は、前記複数の分布間の間隔が大きいほど大きい値となる、
   ことを特徴とする信号処理装置。
10. 請求項８に記載の信号処理装置であって、
    前記出力部は、前記複数の分布間の間隔を表示可能に出力する、
    ことを特徴とする信号処理装置。
11. 請求項１に記載の信号処理装置であって、
    前記目的変数の値は、前記分析対象に関する回帰結果を示す予測値であり、
    前記生成部は、前記変調部によって変調された前記分析対象ごとの前記第１信号と、前記目的変数の値と、に基づいて、前記分析対象ごとに損失関数を計算し、前記損失関数の計算結果を、前記目的変数の値別の第１スペクトル信号に分類した第１マルチスペクトル信号を生成し、
    前記出力部は、前記第１マルチスペクトル信号に基づいて、前記目的変数の値順に配列された前記第１信号についての前記損失関数の計算結果を示す信号分布を生成して、表示可能に出力する、
    ことを特徴とする信号処理装置。
12. 請求項１１に記載の信号処理装置であって、
    前記生成部は、複数の前記損失関数が設定されている場合、前記損失関数ごとに前記第１マルチスペクトル信号を生成し、
    前記出力部は、前記損失関数ごとの前記第１マルチスペクトル信号に基づいて、前記目的変数の値順に配列された前記第１信号についての複数の前記損失関数の計算結果を含む１つの信号分布を生成して、表示可能に出力する、
    ことを特徴とする信号処理装置。
13. 分析対象についての説明変数の値と目的変数の値とを有する分析対象データを前記分析対象ごとに有する分析対象データ群と、前記説明変数である行動及び前記説明変数を変調する変調方法である行動を保持する行動履歴情報と、を記憶する信号処理装置が、
    前記行動履歴情報に基づいて、前記分析対象ごとに前記分析対象データを変調した第１信号を生成する変調処理と、
    前記変調処理によって変調された前記分析対象ごとの前記第１信号を、前記目的変数の値別の第１スペクトル信号に分類した第１マルチスペクトル信号を生成する生成処理と、
    前記第１マルチスペクトル信号に基づいて、前記第１信号に基づく前記目的変数の値の分布を１次元に配列した信号分布を生成して、表示可能に出力する出力処理と、
    を実行することを特徴とする信号処理方法。
14. 分析対象についての説明変数の値と目的変数の値とを有する分析対象データを前記分析対象ごとに有する分析対象データ群と、前記説明変数である行動及び前記説明変数を変調する変調方法である行動を保持する行動履歴情報と、を記憶するコンピュータに、
    前記行動履歴情報に基づいて、前記分析対象ごとに前記分析対象データを変調した第１信号を生成する変調処理と、
    前記変調処理によって変調された前記分析対象ごとの前記第１信号を、前記目的変数の値別の第１スペクトル信号に分類した第１マルチスペクトル信号を生成する生成処理と、
    前記第１マルチスペクトル信号に基づいて、前記第１信号に基づく前記目的変数の値の分布を１次元に配列した信号分布を生成して、表示可能に出力する出力処理と、
    を実行させることを特徴とする信号処理プログラム。

Images