ホーム > 特許ランキング > インテル・コーポレーション
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-12-18
(45)【発行日】2023-12-26
(54)【発明の名称】オブジェクトのエントロピークラスタリング
(51)【国際特許分類】
G06F 16/906 20190101AFI20231219BHJP
G06F 16/28 20190101ALI20231219BHJP
G06N 20/00 20190101ALI20231219BHJP
【ＦＩ】
G06F16/906
G06F16/28
G06N20/00 160
【請求項の数】
41
【外国語出願】
(21)【出願番号】P 2019088504
(22)【出願日】2019-05-08
(65)【公開番号】P2020004393
(43)【公開日】2020-01-09
【審査請求日】2022-04-26
(31)【優先権主張番号】16/018,136
(32)【優先日】2018-06-26
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】591003943
【氏名又は名称】インテル・コーポレーション
(74)【代理人】
【識別番号】110000877
【氏名又は名称】弁理士法人ＲＹＵＫＡ国際特許事務所
(72)【発明者】
【氏名】ジョージ エー． ムノス
【審査官】三橋 竜太郎
(56)【参考文献】
【文献】特開２０１７－０９２９５３（ＪＰ，Ａ）
【文献】特表２０１６－５３０５９１（ＪＰ，Ａ）
【文献】国際公開第２０１７／１７１８２６（ＷＯ，Ａ１）
【文献】Daniel J. Hepp，"Recognition of handprinted and cursive words by finding feature correspondences", [online]，PROCEEDINGS OF SPIE，米国，1994年03月23日，[令和５年５月１８日検索], インターネット＜https://www.spiedigitallibrary.org/conference-proceedings-of-spie/2181/0000/Recognition-of-handprinted-and-cursive-words-by-finding-feature-correspondences/10.1117/12.171130.full＞
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／００－１６／９５８
Ｇ０６Ｎ ２０／００
(57)【特許請求の範囲】
【請求項1】
プロセッサと、前記プロセッサに通信可能に連結されたメモリと、
前記プロセッサに通信可能に連結されたロジックと、を備え、
前記ロジックは、
データの関係または特性の維持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、前記２または２より多いグラフ表現を、複数のデータクラスタに編成し、
前記複数のデータクラスタのうち、２または２より多いデータクラスタを選択し、ここで、前記２または２より多いデータクラスタは、ノードごとに第１グラフ情報エントロピーに関連付けられ、
前記２または２より多いデータクラスタをマージして、マージされたクラスタを生成し、ここで、前記マージされたクラスタは、ノードごとに第２グラフ情報エントロピーに関連付けられ、
ノードごとのマージングに関するグラフ情報エントロピーに基づいて決定される遷移確率に基づいて、前記マージされたクラスタを許容するか否かを判定し、
ここで、前記ノードごとのマージングに関する前記グラフ情報エントロピーは、ノードごとの前記第２グラフ情報エントロピーが、ノードごとの前記第１グラフ情報エントロピーより大きいか否かを示すものであり、
ノードごとのマージングに関する前記グラフ情報エントロピーが、ノードごとの前記第２グラフ情報エントロピーがノードごとの前記第１グラフ情報エントロピーより大きいことを示す場合に、前記遷移確率は、前記マージされたクラスタが許容される確率に対応し、
前記マージされたクラスタが許容されない場合、前記２またはより多くのクラスタを選択し、前記マージされたクラスタを破棄し、
前記マージされたクラスタが許容される場合、前記マージされたクラスタを選択し、前記２またはより多くのクラスタを破棄する、
電子処理システム。
【請求項2】
前記データコレクションは、特徴に対して不完全な属性を有する１または複数の第１のデータ、または、同一の特徴に関連付けられる第２のデータおよび第３のデータを含み、前記第２のデータは、前記同一の特徴について、第１の数の属性を含み、前記第３のデータは、前記同一の特徴について第２の数の属性を含み、前記第１の数は、前記第２の数と異なる、請求項１に記載の電子処理システム。
【請求項3】
前記遷移確率は、シグモイド関数に基づく、請求項１または２に記載の電子処理システム。
【請求項4】
前記ロジックは、さらに、前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換し、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択し、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定し、
前記新しいクラスタ候補に対する遷移確率情報を判定し、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、請求項１から３のいずれか一項に記載の電子処理システム。
【請求項5】
プロセッサと、
前記プロセッサに通信可能に連結されたメモリと、
前記プロセッサに通信可能に連結されたロジックと、を備え、
前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記ロジックは、さらに、
前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換し、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択し、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定し、
前記新しいクラスタ候補に対する遷移確率情報を判定し、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、電子処理システム。
【請求項6】
前記ロジックは、さらに、前記マージグラフの情報エントロピーおよび前記新しいクラスタ候補のノードごとの平均グラフ情報エントロピーに対応する差異情報を判定し、
前記判定されたマージグラフの情報エントロピー、前記判定された遷移確率および前記差異情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、請求項４または５に記載の電子処理システム。
【請求項7】
前記ロジックは、さらに、終了条件が満たされたかを判定し、前記終了条件が満たされない場合、１または複数のパラメータを調整し、
２または２より多いグラフ表現の新しいグループを、前記新しいクラスタ候補としてランダムに選択し、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補の各ノードに対するマージグラフのエントロピーを判定し、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補の遷移確率を判定し、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、請求項４または５に記載の電子処理システム。
【請求項8】
前記ロジックは、さらに、新しい構成可能なルールセットを、前記データコレクションに適用し、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングし、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成し、
前記２または２より多いデータクラスタ、および前記２または２より多いデータクラスタの新しいセットからの結果を集約する、請求項１から３のいずれか一項に記載の電子処理システム。
【請求項9】
プロセッサと、
前記プロセッサに通信可能に連結されたメモリと、
前記プロセッサに通信可能に連結されたロジックと、を備え、
前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記ロジックは、さらに、
新しい構成可能なルールセットを、前記データコレクションに適用し、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングし、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成し、
前記２または２より多いデータクラスタ、および前記２または２より多いデータクラスタの新しいセットからの結果を集約する、電子処理システム。
【請求項10】
前記ロジックは、さらに、新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間の、ノードごとのマージグラフのエントロピーを判定する、請求項１から９のいずれか一項に記載の電子処理システム。
【請求項11】
プロセッサと、
前記プロセッサに通信可能に連結されたメモリと、
前記プロセッサに通信可能に連結されたロジックと、を備え、
前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記ロジックは、さらに、
新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間の、ノードごとのマージグラフのエントロピーを判定する、電子処理システム。
【請求項12】
１または複数の基板と、前記１または複数の基板に連結されたロジックであって、前記ロジックは、構成可能なロジックまたは固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、前記１または複数の基板に連結された前記ロジックは、
データの関係または特性の維持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、前記２または２より多いグラフ表現を、複数のデータクラスタに編成し、
前記複数のデータクラスタのうち、２または２より多いデータクラスタを選択し、ここで、前記２または２より多いデータクラスタは、ノードごとに第１グラフ情報エントロピーに関連付けられ、
前記２または２より多いデータクラスタをマージして、マージされたクラスタを生成し、ここで、前記マージされたクラスタは、ノードごとに第２グラフ情報エントロピーに関連付けられ、
ノードごとのマージングに関するグラフ情報エントロピーに基づいて決定される遷移確率に基づいて、前記マージされたクラスタを許容するか否かを判定し、
ここで、前記ノードごとのマージングに関する前記グラフ情報エントロピーは、ノードごとの前記第２グラフ情報エントロピーが、ノードごとの前記第１グラフ情報エントロピーより大きいか否かを示すものであり、
ノードごとのマージングに関する前記グラフ情報エントロピーが、ノードごとの前記第２グラフ情報エントロピーがノードごとの前記第１グラフ情報エントロピーより大きいことを示す場合に、前記遷移確率は、前記マージされたクラスタが許容される確率に対応し、
前記マージされたクラスタが許容されない場合、前記２またはより多くのクラスタを選択し、前記マージされたクラスタを破棄し、
前記マージされたクラスタが許容される場合、前記マージされたクラスタを選択し、前記２またはより多くのクラスタを破棄する、
半導体パッケージ装置。
【請求項13】
前記ロジックは、さらに、前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換し、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択し、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定し、
前記新しいクラスタ候補に対する遷移確率情報を判定し、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、請求項１２に記載の半導体パッケージ装置。
【請求項14】
１または複数の基板と、
前記１または複数の基板に連結されたロジックであって、前記ロジックは、構成可能なロジックまたは固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、前記１または複数の基板に連結された前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記ロジックは、さらに、
前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換し、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択し、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定し、
前記新しいクラスタ候補に対する遷移確率情報を判定し、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、半導体パッケージ装置。
【請求項15】
前記ロジックは、さらに、前記マージグラフの情報エントロピーおよび前記新しいクラスタ候補のノードごとの平均グラフ情報エントロピーに対応する差異情報を判定し、
前記判定されたマージグラフの情報エントロピー、前記判定された遷移確率および前記差異情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、請求項１３または１４に記載の半導体パッケージ装置。
【請求項16】
前記ロジックは、さらに、終了条件が満たされたかを判定し、前記終了条件が満たされない場合、１または複数のパラメータを調整し、
２または２より多いグラフ表現の新しいグループを、前記新しいクラスタ候補としてランダムに選択し、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補の各ノードに対するマージグラフのエントロピーを判定し、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補に対する遷移確率を判定し、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う、請求項１３または１４に記載の半導体パッケージ装置。
【請求項17】
前記ロジックは、さらに、新しい構成可能なルールセットを、前記データコレクションに適用し、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングし、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成し、
前記２または２より多いデータクラスタおよび前記２または２より多いデータクラスタの新しいセットからの結果を集約する、請求項１２に記載の半導体パッケージ装置。
【請求項18】
１または複数の基板と、
前記１または複数の基板に連結されたロジックであって、前記ロジックは、構成可能なロジックまたは固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、前記１または複数の基板に連結された前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記ロジックは、さらに、
新しい構成可能なルールセットを、前記データコレクションに適用し、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングし、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成し、
前記２または２より多いデータクラスタおよび前記２または２より多いデータクラスタの新しいセットからの結果を集約する、半導体パッケージ装置。
【請求項19】
前記ロジックは、さらに、新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間のノードごとのマージグラフのエントロピーを判定する、請求項１２から１８のいずれか一項に記載の半導体パッケージ装置。
【請求項20】
１または複数の基板と、
前記１または複数の基板に連結されたロジックであって、前記ロジックは、構成可能なロジックまたは固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、前記１または複数の基板に連結された前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記ロジックは、さらに、
新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間のノードごとのマージグラフのエントロピーを判定する、半導体パッケージ装置。
【請求項21】
前記１または複数の基板に連結された前記ロジックは、前記１または複数の基板内に位置付けられたトランジスタチャネル領域を含む、請求項１２に記載の半導体パッケージ装置。
【請求項22】
１または複数の基板と、
前記１または複数の基板に連結されたロジックであって、前記ロジックは、構成可能なロジックまたは固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、前記１または複数の基板に連結された前記ロジックは、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングし、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成し、
前記１または複数の基板に連結された前記ロジックは、前記１または複数の基板内に位置付けられたトランジスタチャネル領域を含む、半導体パッケージ装置。
【請求項23】
コンピュータが教師なし機械学習を実行する方法であって、前記コンピュータが、
データの関係または特性の維持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする段階と、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、前記２または２より多いグラフ表現を、複数のデータクラスタに編成する段階と、
前記複数のデータクラスタのうち、２または２より多いデータクラスタを選択する、ここで、前記２または２より多いデータクラスタは、ノードごとに第１グラフ情報エントロピーに関連付けられる、段階と、
前記２または２より多いデータクラスタをマージして、マージされたクラスタを生成する、ここで、前記マージされたクラスタは、ノードごとに第２グラフ情報エントロピーに関連付けられる、段階と、
ノードごとのマージングに関するグラフ情報エントロピーに基づいて決定される遷移確率に基づいて、前記マージされたクラスタを許容するか否かを判定する、
ここで、前記ノードごとのマージングに関する前記グラフ情報エントロピーは、ノードごとの前記第２グラフ情報エントロピーが、ノードごとの前記第１グラフ情報エントロピーより大きいか否かを示すものであり、
ノードごとのマージングに関する前記グラフ情報エントロピーが、ノードごとの前記第２グラフ情報エントロピーがノードごとの前記第１グラフ情報エントロピーより大きいことを示す場合に、前記遷移確率は、前記マージされたクラスタが許容される確率に対応する、段階と、
前記マージされたクラスタが許容されない場合、前記２またはより多くのクラスタを選択し、前記マージされたクラスタを破棄する段階と、
前記マージされたクラスタが許容される場合、前記マージされたクラスタを選択し、前記２またはより多くのクラスタを破棄する段階と、
を実行する、方法。
【請求項24】
前記コンピュータが、
前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換する段階と、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択する段階と、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定する段階と、
前記新しいクラスタ候補に対する遷移確率情報を判定する段階と、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、をさらに実行する、請求項２３に記載の方法。
【請求項25】
コンピュータが教師なし機械学習を実行する方法であって、前記コンピュータが、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする段階と、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、
前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換する段階と、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択する段階と、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定する段階と、
前記新しいクラスタ候補に対する遷移確率情報を判定する段階と、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、
を実行する、方法。
【請求項26】
前記コンピュータが、
前記マージグラフの情報エントロピーおよび前記新しいクラスタ候補のノードごとの平均グラフ情報エントロピーに対応する差異情報を判定する段階と、
前記判定されたマージグラフの情報エントロピー、前記判定された遷移確率および前記差異情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、をさらに実行する、請求項２４または２５に記載の方法。
【請求項27】
前記コンピュータが、
終了条件が満たされたかを判定する段階をさらに実行し、前記終了条件が満たされない場合、
１または複数のパラメータを調整する段階と、
２または２より多いグラフ表現の新しいグループを、前記新しいクラスタ候補としてランダムに選択する段階と、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補の各ノードに対するマージグラフのエントロピーを判定する段階と、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補に対する遷移確率を判定する段階と、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、を実行する、請求項２４または２５に記載の方法。
【請求項28】
前記コンピュータが、
新しい構成可能なルールセットを、前記データコレクションに適用する段階と、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングする段階と、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成する段階と、
前記２または２より多いデータクラスタおよび前記２または２より多いデータクラスタの新しいセットからの結果を集約する段階と、をさらに実行する、請求項２３に記載の方法。
【請求項29】
コンピュータが教師なし機械学習を実行する方法であって、前記コンピュータが、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする段階と、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、
新しい構成可能なルールセットを、前記データコレクションに適用する段階と、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングする段階と、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成する段階と、
前記２または２より多いデータクラスタおよび前記２または２より多いデータクラスタの新しいセットからの結果を集約する段階と、を実行する、方法。
【請求項30】
前記コンピュータが、
新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間のノードごとのマージグラフのエントロピーを判定する段階をさらに実行する、請求項２３から２９のいずれか一項に記載の方法。
【請求項31】
コンピュータが教師なし機械学習を実行する方法であって、前記コンピュータが、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする段階と、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、
新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間のノードごとのマージグラフのエントロピーを判定する段階を実行する、方法。
【請求項32】
コンピューティングデバイスに、データの関係または特性の維持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする手順と、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、前記２または２より多いグラフ表現を、複数のデータクラスタに編成する手順と、
前記複数のデータクラスタのうち、２または２より多いデータクラスタを選択する、ここで、前記２または２より多いデータクラスタは、ノードごとに第１グラフ情報エントロピーに関連付けられる、手順と、
前記２または２より多いデータクラスタをマージして、マージされたクラスタを生成する、ここで、前記マージされたクラスタは、ノードごとに第２グラフ情報エントロピーに関連付けられる、手順と、
ノードごとのマージングに関するグラフ情報エントロピーに基づいて決定される遷移確率に基づいて、前記マージされたクラスタを許容するか否かを判定する、
ここで、前記ノードごとのマージングに関する前記グラフ情報エントロピーは、ノードごとの前記第２グラフ情報エントロピーが、ノードごとの前記第１グラフ情報エントロピーより大きいか否かを示すものであり、
ノードごとのマージングに関する前記グラフ情報エントロピーが、ノードごとの前記第２グラフ情報エントロピーがノードごとの前記第１グラフ情報エントロピーより大きいことを示す場合に、前記遷移確率は、前記マージされたクラスタが許容される確率に対応する、手順と、
前記マージされたクラスタが許容されない場合、前記２またはより多くのクラスタを選択し、前記マージされたクラスタを破棄する手順と、
前記マージされたクラスタが許容される場合、前記マージされたクラスタを選択し、前記２またはより多くのクラスタを破棄する手順と、
を実行させるための、少なくとも１つのプログラム。
【請求項33】
前記コンピューティングデバイスに、前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換する手順と、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択する手順と、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定する手順と、
前記新しいクラスタ候補に対する遷移確率情報を判定する手順と、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う手順と、をさらに実行させるための、請求項３２に記載の少なくとも１つのプログラム。
【請求項34】
コンピューティングデバイスに、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする手順と、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する手順と、を実行させ、
前記コンピューティングデバイスに、
前記構成可能なルールセットに基づき、前記それぞれの属性セットの各データ属性のノード表現および同一の属性セットに属するノード間の接続表現を用いて、前記それぞれの属性セットを、前記２または２より多いグラフ表現に変換する手順と、
２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択する手順と、
前記新しいクラスタ候補の各ノードに対するマージグラフの情報エントロピーを判定する手順と、
前記新しいクラスタ候補に対する遷移確率情報を判定する手順と、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う手順と、をさらに実行させるための、少なくとも１つのプログラム。
【請求項35】
前記コンピューティングデバイスに、前記マージグラフの情報エントロピーおよび前記新しいクラスタ候補のノードごとの平均グラフ情報エントロピーに対応する差異情報を判定する手順と、
前記判定されたマージグラフの情報エントロピー、前記判定された遷移確率および前記差異情報に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う手順と、をさらに実行させるための、請求項３３または３４に記載の少なくとも１つのプログラム。
【請求項36】
前記コンピューティングデバイスに、終了条件が満たされたかを判定する手順をさらに実行させ、前記終了条件が満たされない場合、１または複数のパラメータを調整する手順と、
２または２より多いグラフ表現の新しいグループを、前記新しいクラスタ候補としてランダムに選択する手順と、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補の各ノードに対するマージグラフのエントロピーを判定する手順と、
前記調整された１または複数のパラメータに基づき、前記新しいクラスタ候補に対する遷移確率を判定する手順と、
前記判定されたマージグラフの情報エントロピーおよび前記判定された遷移確率に基づき、前記新しいクラスタ候補の保持または破棄のうち一方を行う手順と、を実行させるための、請求項３３または３４に記載の少なくとも１つのプログラム。
【請求項37】
前記コンピューティングデバイスに、新しい構成可能なルールセットを、前記データコレクションに適用する手順と、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングする手順と、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成する手順と、
前記２または２より多いデータクラスタおよび前記２または２より多いデータクラスタの新しいセットからの結果を集約する手順と、をさらに実行させるための、請求項３２に記載の少なくとも１つのプログラム。
【請求項38】
コンピューティングデバイスに、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする手順と、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する手順と、を実行させ、
前記コンピューティングデバイスに、
新しい構成可能なルールセットを、前記データコレクションに適用する手順と、
前記データコレクションからの前記それぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現の新しいセットにマッピングする手順と、
前記２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成する手順と、
前記２または２より多いデータクラスタおよび前記２または２より多いデータクラスタの新しいセットからの結果を集約する手順と、をさらに実行させるための、少なくとも１つのプログラム。
【請求項39】
前記コンピューティングデバイスに、新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間のノードごとのマージグラフのエントロピーを判定する手順をさらに実行させるための、請求項３２から３８のいずれか一項に記載の少なくとも１つのプログラム。
【請求項40】
コンピューティングデバイスに、
構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、対応する特性から成る２または２より多いグラフ表現にマッピングする手順と、
グラフ情報エントロピーに基づき、前記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する手順と、を実行させ、
前記コンピューティングデバイスに、
新しいデータコレクションと、前記２または２より多いデータクラスタの各々との間のノードごとのマージグラフのエントロピーを判定する手順をさらに実行させるための、少なくとも１つのプログラム。
【請求項41】
請求項３２から４０のいずれか一項に記載のプログラムを格納した、少なくとも１つのコンピュータ可読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
実施形態は、概して、教師なし機械学習に関する。より具体的には、実施形態は、オブジェクトのエントロピークラスタリングに関する。
【背景技術】
【0002】
教師なし機械学習とは、ラベルなしデータの構造を識別する機械学習タスクを指してよい。１つのタイプの教師なし学習には、クラスタ解析またはクラスタリングが含まれてよい。クラスタリングとは、１または複数のメトリックに少なくとも部分的に基づき、同一グループ／クラスタ内のオブジェクト同士が、他のグループ／クラスタにおけるオブジェクトと比べて、互いにより類似するように、オブジェクトのセットをグループ化するタスクを指してよい。データマイニングの分野では、ｋ平均法とは、データをｋ個のクラスタにグループ化するための処理を指してよい。標準的なｋ平均法は、データポイント間のユークリッド距離に基づき、データをグループ化してよい。球面ｋ平均法は、データポイント間のコサインの類似度に基づき、データをグループ化してよい。
【図面の簡単な説明】
【0003】
以下の明細書および添付の特許請求の範囲を読み、以下の添付図面を参照することで、当業者は、実施形態の様々な利点を理解するであろう。
【0004】
【図1】一実施形態による電子処理システムの例のブロック図である。
【0005】
【図2】一実施形態による半導体パッケージ装置の例のブロック図である。
【0006】
【0007】
【図4】一実施形態によるデータコレクションの例に係る例示的な図である。
【0008】
【0009】
【0010】
【図7】一実施形態による、フェルミ‐ディラック分布の例のグラフである。
【0011】
【図8】一実施形態による、データオブジェクトのエントロピークラスタリングの方法の例のフローチャートである。
【0012】
【0013】
【図10】一実施形態による、プロセッサの例のブロック図である。
【0014】
【図11】一実施形態による、システムの例のブロック図である。
【発明を実施するための形態】
【0015】
ここで図１を参照すると、電子処理システム１０の一実施形態は、プロセッサ１１、プロセッサ１１に通信可能に連結されたメモリ１２、およびプロセッサ１１に通信可能に連結されたロジック１３を含んでよく、ロジック１３は、データの関係性または特性の保持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングし、グラフ情報エントロピーおよび１または複数のパラメータに基づき、２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する。例えば、ロジック１３は、強化または保持する必要のあるデータの関係性または特性により判定された、各データ属性のためのノード表現並びにノード間の接続および重みを用いて、それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用するように構成されてよい。いくつかの実施形態において、ロジック１３は、さらに、２または２より多いグラフ表現を、新しいクラスタ候補として選択（例えば、ランダムに、または他の好適な方法で）し、構成グラフのノードごとのグラフ情報エントロピーを判定し、新しいクラスタ候補のノードごとのグラフ情報エントロピーを判定し、１または複数のパラメータ、および構成グラフのノードごとの平均グラフ情報エントロピーと、新しいクラスタ候補のノードごとのグラフ情報エントロピーとの間の差異に基づき、新しいクラスタ候補のための遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行う、ように構成されてよい。ロジック１３は、また、新しいクラスタ候補が保持される場合、構成グラフを除去する、または、新しいクラスタ候補が破棄される場合、構成グラフをそのまま残す、のうち一方を行うように構成されてもよい。ロジック１３は、また、終了条件が満たされたかを判定するように構成されてよく、終了条件が満たされない場合、１または複数のパラメータを調整し、２または２より多いグラフ表現の新しいグループを、新しいクラスタ候補として選択（例えば、ランダムに、または他の好適な方法で）し、調整された１または複数のパラメータに基づき、新しいクラスタ候補のノードごとのグラフ情報エントロピーを判定し、調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとのグラフ情報エントロピーを判定し、調整された１または複数のパラメータ、クラスタ候補のノードごとのグラフ情報エントロピー、および構成グラフ表現のノードごとの平均グラフ情報エントロピーに基づき、新しいクラスタ候補に対する遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうちの一方を行う、ように構成されてよい。いくつかの実施形態において、ロジック１３は、プロセッサ１１を含む様々なコンポーネント内に配置されてよい、またはそれらと同一場所（例えば、同一のダイ上）に配置されてよい。
【0016】
上記のプロセッサ１１、メモリ１２、ロジック１３および他のシステムコンポーネントの各々の実施形態は、ハードウェア、ソフトウェア、またはこれらの任意の好適な組み合わせにおいて実装されてよい。例えば、ハードウェア実装には、例えば、プログラマブルロジックアレイ（ＰＬＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、複合プログラマブルロジックデバイス（ＣＰＬＤ）等の構成可能なロジック、または、例えば特定用途向け集積回路（ＡＳＩＣ）、相補型金属酸化物半導体（ＣＭＯＳ）若しくはトランジスタ－トランジスタロジック（ＴＴＬ）技術等の回路技術を用いた固定機能ロジックハードウェア、またはこれらの任意の組み合わせを含んでよい。
【0017】
代替的にまたは追加的に、これらのコンポーネントの全部または一部は、１または複数のモジュールにおいて、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、ファームウェア、フラッシュメモリ等の機械またはコンピュータ可読記憶媒体に格納された、プロセッサまたはコンピューティングデバイスによって実行されるべきロジック命令セットとして実装されてよい。例えば、コンポーネントの動作を実行するコンピュータプログラムコードは、オペレーティングシステム（ＯＳ）に適用可能な／適切な１または複数のプログラミング言語を任意に組み合わせて記述されてよく、当該言語としては、例えば、ＰＹＴＨＯＮ、ＦｉＭ＋＋、ＰＥＲＬ、ＪＡＶＡ（登録商標）、ＳＭＡＬＬＴＡＬＫ、Ｃ＋＋、Ｃ＃等のオブジェクト指向プログラミング言語、および"Ｃ"プログラミング言語または同様のプログラミング言語等の従来の手続型プログラミング言語、および、ＬＯＬＣＯＤＥおよびＰＩＫＡＣＨＵ等の難解プログラミング言語といったものさえ含まれる。例えば、メモリ１２、永続的ストレージ媒体、または他のシステムメモリは、プロセッサ１１による実行時に、システム１０に、システム１０の１または複数のコンポーネント、機能、または態様（例えば、データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングし、グラフ情報エントロピーおよび１または複数のパラメータに基づき、２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、ロジック１３等）を実装させる、命令セットを格納してよい。
【0018】
ここで図２を参照すると、半導体パッケージ装置２０の実施形態は、１または複数の基板２１、当該１または複数の基板２１に連結されたロジック２２を含んでよく、ロジック２２は、構成可能なロジックおよび固定機能ハードウェアロジックの１または複数において少なくとも部分的に実装されている。１または複数の基板２１に連結されたロジック２２は、データの関係性または特性の保持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングし、グラフ情報エントロピーおよび１または複数のパラメータに基づき、２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、ように構成されてよい。例えば、ロジック２２は、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のためのノード表現並びにノード間の接続および重みを用いて、それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用するように構成されてよい。いくつかの実施形態において、ロジック２２は、さらに、２または２より多いグラフ表現を、新しいクラスタ候補として選択（例えば、ランダムに、または他の好適な方法で）し、構成グラフのノードごとのグラフ情報エントロピーを判定し、新しいクラスタ候補のノードごとのグラフ情報エントロピーを判定し、１または複数のパラメータ、および構成グラフのノードごとの平均グラフ情報エントロピーと、新しいクラスタ候補のノードごとのグラフ情報エントロピーとの間の差異に基づき、新しいクラスタ候補に対する遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行う、ように構成されてよい。ロジック２２は、また、新しいクラスタ候補が保持される場合、構成グラフを除去する、または、新しいクラスタ候補が破棄される場合、構成グラフをそのまま残す、のうち一方を行うように構成されてもよい。ロジック２２は、また、終了条件が満たされたかを判定し、終了条件が満たされない場合は、１または複数のパラメータを調整し、２または２より多いグラフ表現の新しいグループを、新しいクラスタ候補として選択（例えば、ランダムに、または他の好適な方法で）し、調整された１または複数のパラメータに基づき、新しいクラスタ候補のノードごとのグラフ情報エントロピーを判定し、調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとのグラフ情報エントロピーを判定し、調整された１または複数のパラメータ、クラスタ候補のノードごとのグラフ情報エントロピー、および構成グラフ表現のノードごとの平均グラフ情報エントロピーに基づき、新しいクラスタ候補に対する遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行う、ように構成されてもよい。いくつかの実施形態において、１または複数の基板２１に連結されたロジック２２は、当該１または複数の基板２１内に位置付けられたトランジスタチャネル領域を含んでよい。
【0019】
ロジック２２および装置２０の他のコンポーネントの実施形態は、ハードウェア、ソフトウェア、またはハードウェアでの少なくとも部分的な実装を含めた、これら任意の組み合わせにおいて実装されてよい。例えば、ハードウェア実装は、例えば、ＰＬＡ、ＦＰＧＡ、ＣＰＬＤ等の構成可能なロジック、または、例えば、ＡＳＩＣ、ＣＭＯＳ若しくはＴＴＬ技術等の回路技術を用いる固定機能ロジックハードウェア、または、これらの任意の組み合わせを含んでよい。追加的に、これらのコンポーネントの一部は、１または複数のモジュールにおいて、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ファームウェア、フラッシュメモリ等の機械またはコンピュータ可読記憶媒体に格納された、プロセッサまたはコンピューティングデバイスによって実行されるべきロジック命令セットとして実装されてよい。例えば、コンポーネントの動作を実行するコンピュータプログラムコードは、ＯＳに適用可能な／適切な１または複数のプログラミング言語を任意に組み合わせて記述されてよく、当該言語としては、例えば、ＰＹＴＨＯＮ、ＦｉＭ＋＋、ＰＥＲＬ、ＪＡＶＡ（登録商標）、ＳＭＡＬＬＴＡＬＫ、Ｃ＋＋、Ｃ＃等のオブジェクト指向プログラミング言語、および"Ｃ"プログラミング言語または同様のプログラミング言語等の従来の手続型プログラミング言語、および、ＬＯＬＣＯＤＥおよびＰＩＫＡＣＨＵ等の難解プログラミング言語といったものさえ含まれる。
【0020】
装置２０は、方法３０（図３Ａから３Ｂ）に係る１または複数の態様、または本明細書で説明する任意の実施形態を実装してよい。いくつかの実施形態において、示された装置２０は、当該１または複数の基板２１（例えば、シリコン、サファイア、ガリウムヒ素）、および当該基板２１に連結されたロジック２２（例えば、トランジスタアレイおよび他の集積回路／ＩＣコンポーネント）を含んでよい。ロジック２２は、構成可能なロジックまたは固定機能ロジックハードウェアに少なくとも部分的に実装されてよい。一例において、ロジック２２は、基板２１内に位置付けられた（例えば、埋め込まれた）トランジスタチャネル領域を含んでよい。従って、ロジック２２および基板２１間の界面は、階段接合ではなくてよい。ロジック２２は、また、基板２１の初期ウェハ上で成長させられたエピタキシャル層を含むものとしてみなされてもよい。
【0021】
ここで、図３Ａおよび３Ｂを参照すると、教師なし機械学習の方法３０の実施形態は、ブロック３１において、データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングする段階と、ブロック３２において、グラフ情報エントロピーおよび１または複数のパラメータに基づき、２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、を含んでよい。例えば、方法３０は、ブロック３３において、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のためのノード表現並びにノード間の接続および重みを用いて、それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する段階を含んでよい。方法３０のいくつかの実施形態は、さらに、ブロック３４において、２または２より多いグラフ表現を、新しいクラスタ候補として選択（例えば、ランダムに、または他の好適な方法で）する段階と、ブロック３５において、構成グラフのノードごとのグラフ情報エントロピーを判定する段階と、ブロック３６において、新しいクラスタ候補のノードごとのグラフ情報エントロピーを判定する段階と、ブロック３７において、１または複数のパラメータ、および構成グラフのノードごとの平均グラフ情報エントロピーと、新しいクラスタ候補のノードごとのグラフ情報エントロピーとの間の差異に基づき、新しいクラスタ候補に対する遷移確率を判定する段階と、ブロック３８において、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうちの一方を行う段階と、を含んでよい。方法３０は、また、ブロック３９において、当該新しいクラスタ候補が保持される場合、構成グラフを除去する、または、当該新しいクラスタ候補が破棄される場合、構成グラフをそのまま残す、のうち一方を行う段階を含んでよい。方法３０は、また、ブロック４０において、終了条件が満たされたかを判定する段階と、終了条件が満たされない場合、ブロック４１において、１または複数のパラメータを調整する段階と、ブロック４２において、２または２より多いグラフ表現の新しいグループを、新しいクラスタ候補として選択（例えば、ランダムに、または他の好適な方法で）する段階と、ブロック４３において、調整された１または複数のパラメータに基づき、新しいクラスタ候補のノードごとのグラフ情報エントロピーを判定する段階と、ブロック４４において、調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとのグラフ情報エントロピーを判定する段階と、ブロック４５において、調整された１または複数のパラメータ、クラスタ候補のノードごとのグラフ情報エントロピーおよび構成グラフ表現のノードごとの平均グラフ情報エントロピーに基づき、新しいクラスタ候補に対する遷移確率を判定する段階と、ブロック４６において、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行う段階と、を含んでよい。
【0022】
方法３０の実施形態は、例えば、本明細書に記載されたようなシステム、装置、コンピュータ、デバイス等といったものに実装されてよい。より具体的には、方法３０のハードウェア実装は、例えば、ＰＬＡ、ＦＰＧＡ、ＣＰＬＤ等の構成可能なロジック、または、例えば、ＡＳＩＣ、ＣＭＯＳ若しくはＴＴＬ技術等の回路技術を用いる固定機能ロジックハードウェア、または、これらの任意の組み合わせを含んでよい。代替的にまたは追加的に、方法３０は、１または複数のモジュールにおいて、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ファームウェア、フラッシュメモリ等の機械またはコンピュータ可読記憶媒体に格納された、プロセッサまたはコンピューティングデバイスによって実行されるべきロジック命令セットとして実装されてよい。例えば、コンポーネントの動作を実行するコンピュータプログラムコードは、ＯＳに適用可能な／適切な１または複数のプログラミング言語を任意に組み合わせて記述されてよく、当該言語としては、例えば、ＰＹＴＨＯＮ、ＰＥＲＬ、ＪＡＶＡ（登録商標）、ＳＭＡＬＬＴＡＬＫ、Ｃ＋＋、Ｃ＃等のオブジェクト指向プログラミング言語、および"Ｃ"プログラミング言語または同様のプログラミング言語等の従来の手続型プログラミング言語、および、ＬＯＬＣＯＤＥおよびＰＩＫＡＣＨＵ等の難解プログラミング言語といったものさえ含まれる。
【0023】
例えば、方法３０は、以下の実施例１７から２１に関連し記載されたコンピュータ可読媒体に実装されてよい。方法３０の実施形態またはその一部は、ファームウェア、アプリケーション（例えば、アプリケーションプログラミングインタフェース（ＡＰＩ）を介して）、またはオペレーティングシステム（ＯＳ）上で実行されるドライバソフトウェアにおいて実装されてよい。
【0024】
有利には、いくつかの実施形態は、オブジェクトのエントロピークラスタリングを提供してよい。いくつかの実施形態は、学習アルゴリズムがラベル付きデータ（例えば、猫の写真と猫以外の写真）を用いてトレーニングされた後、推測を実行するために用いられ得る教師あり学習に対し、教師なし学習（例えば、ラベルなしデータにおける構造を描写する機械学習タスク）の実行のために有用であってよい。いくつかの他のクラスタリング技法は、欠損情報を有するデータまたは同一の属性に対し複数の値を有するデータを破棄する可能性があり、または、合成値を用いて、欠損データを埋め、その正確さを減じる可能性がある。有利には、エントロピークラスタリング技法のいくつかの実施形態は、本質的に、欠損情報を有する、または同一の属性に対する複数の値を有するデータを扱ってよい。
【0025】
エントロピークラスタリングのいくつかの実施形態は、教師なし学習の現実世界での広範な用途に適用されてよい。例えば、いくつかの実施形態は、ターゲット広告がその後に提示される同様のソーシャルメディアユーザ、または同様のアイテムの購入推奨が提示されるｅコマース顧客のクラスタリングを含んでよい。いくつかの実施形態は、ネットワークへのログイン時の振る舞いに基づき、ＩＰアドレスをクラスタリング（例えば、悪意のある振る舞いまたは悪質な振る舞いを示す複数のＩＰアドレスが識別されてよい）するために用いられてよい。いくつかの実施形態は、製品販売プロファイルに基づき、ハイパーマーケットをクラスタリングして、効果的なプロモーションを識別してよい。いくつかの実施形態は、著者および引用ネットワークに基づき、技術文献をクラスタリング（例えば、関心のある特許文献または学術論文が識別されてよい）してよい。当業者は、これらはいくつかの例に過ぎないこと、および、実施形態は汎用的であってよく、且つ多くの種類のデータをクラスタリングするために用いられてよいことを理解するであろう。
【0026】
いくつかの実施形態は、グラフベースの技術を用いてよい。例えば、いくつかの実施形態は、グラフ解析のためのソフトウェアおよび／またはハードウェアアーキテクチャを含む、米国防総省国防高等研究事業局（Ｄｅｆｅｎｓｅ Ａｄｖａｎｃｅｄ Ｒｅｓｅａｒｃｈ Ｐｒｏｊｅｃｔｓ Ａｇｅｎｃｙ：ＤＡＲＰＡ）のＨＩＶＥ（Ｈｉｅｒａｒｃｈｉｃａｌ Ｉｄｅｎｔｉｆｙ Ｖｅｒｉｆｙ ａｎｄ Ｅｘｐｌｏｉｔ）技術を組み込む、または実装してよい。教師なし学習は、ソーシャルネットワークの「友人」の示唆、オンライン小売業者の製品推奨等といった大きな経済的影響を持つ適用を含んでよい。教師なし学習技術のメインクラスは、関連付けルール、クラスタ解析、自己組織化マップおよび潜在変数モデルを含んでよい。いくつかの実施形態は、まったく新しいクラス（例えば、上述のクラスのいずれかにおける厳密なものではなく、クラスタ解析および関連付けルールに幾分の類似性を持つ）の教師なし学習を提供してよい。
【0027】
いくつかの実施形態は、例えば、意図的であれ、意図的でないものであれ、でっちあげ、情報漏えいキャンペーン、虚報の報道を含む、様々なエンティティにより散布された偽の、または誤解を招く情報の教師なし分類といった、大きな軍事的重要性を持つ適用を含んでよい。グラフベースの技術と共に、拡散した偽りの情報の力学を調査するために用いられてよい。
【0028】
構成可能なルールセットは、１つのタイプのデータに限定されないので、効率的なグラフベースの技術と共に用いられるいくつかの実施形態は、巨大な混合型の非テキストデータベースのビッグデータ要約を行うことで、大きな軍事的および経済的影響を有してよい。
【0029】
技術文献のクラスタリングの例については、関連付けルールを用いる標準的な手順に、共引用ネットワーク（例えば、ある文書を共通に引用する対の文書）の解析が含まれてよい。ネットワークトラフィックの例については、異なる変数間を区別するためのメトリックを適用することによって、非類似度行列が構築されてよい（例えば、ＣＮＮ．ｃｏｍは、ＥＳＰＮ．ｃｏｍよりもＮＢＣ．ｃｏｍに近いことはほぼ間違いがないと言われている）。従来の教師なし学習技術は、同一モデルにおける定量的およびカテゴリー的なばらつきを扱う際に、困難性を有する可能性があり、欠損する属性に対し脆弱である可能性（例えば、しばしば、単一の列が値を持たないことが原因で、データの行が破棄される必要がある）があり、同一の特徴に対する異なる数の属性を有するデータエンティティに対し脆弱である可能性（例えば、技術文献が、少なくとも一人の著者を有するが、もっと多くの著者を有する可能性がある）があり、および、数値以外の値を持つクラスタ要素間の類似度を定量的且つ整合的に計算することが簡単でない可能性がある。有利には、いくつかの実施形態は、上述の問題のうちの１または複数を、従来の教師なし学習技術を用いて克服してよい。
【0030】
ここで、図４を参照すると、データコレクション５２は、列および行で表されたテーブルを含んでよく、テーブルは、各ＩＰアドレスの行エントリ、およびホストウェブアドレス、受信バイト数、送信バイト数、ファイル名拡張子および所要時間の列エントリで構成される。テーブルエントリの一部は、「なし」、つまり欠損であってよい。例えば、データコレクション５２は、ネットワークプロキシログデータ内の接続イベント情報から導かれてよい。いくつかの実施形態は、ネットワークプロキシログデータに基づき、類似の振る舞いを行うＩＰアドレスをクラスタリングしてよい。
【0031】
ここで、図５Ａおよび５Ｂを参照すると、各グラフ表現５４および５６の実施形態は、図４の行５２ａおよび５２ｂに対応してよい。モーフィズムとは、ある数学的構造から、別の数学的構造への構造保持または構造強化マッピング（例えば、データを変換するが、データの特定の関係性または特性を保持または強化する構成可能なルール／操作セット）を指してよい。図５Ａおよび５Ｂについては、接続イベントのすべての属性（例えば、各行エントリにおける異なる列）が、数学的グラフにおけるノードとして表され得、同一の接続イベント（例えば、データコレクション５２の同一の行）に属する各ノード間にエッジが表され得るように、ルールが適用されてよい。作成されるグラフ数は、ログ内の接続イベント数に等しくてよい（例えば、データコレクション５２内の他のＩＰアドレスに対しても、グラフ表現が作成されてよい）。いくつかの実施形態において、異なる属性間のエッジに、重みが指定されてよく、異なるルールが指定されてよく、および／または、追加のルールが指定されてよい。
【0032】
いくつかの実施形態は、離散確率変数を用いてよく、その結果、連続変数が離散されてよい。例えば、離散化処理は、モーフィズムの一部であってよい。特定のデータセットに対する適切なモーフィズムを選択することは、特徴エンジニアリングとみなされてよい。いくつかの実施形態において、変数の数値は、テキストに変換されてよい（例えば、送信された８９バイトが、「８９＿ｓｅｎｔ」と表されてよい）。別のモーフィズムは、同じ桁を有するバイト数は、同一ビンにグループ化され、同一ラベルが付与されるように、数値は、数値の底１０の対数を取った結果に基づいて変換されること（例えば、送信された８９バイトは、「１＿ｓｅｎｔ」として表されてよい、送信された２００バイトは、「２＿ｓｅｎｔ」として表されてよい、受信された３４５バイトは、「２＿ｒｃｖ」等と表されてよい、等）を指示してよい。いくつかのデータセットに対しては、桁による分離を用いて、典型的なオフィス文書、ソフトウェア更新、映画等を、異なるビンに入れてよく、クラスタリングの品質を向上させてよい。他のモーフィズムは、他の用途（例えば、連続値を均一サイズのビンにビニングする、存在するすべての値と比較したパーセンテージ基づくビン等）に対して有用であってよい。
【0033】
ここで、図６を参照すると、マージグラフ表現６０の実施形態は、２つのグラフ表現５４および５６からマージされたデータに対応してよい。ノードの表現面積は、それらの占有確率にほぼ比例してよい。グラフ表現５４および５６におけるすべてのノードは、同一の占有確率（例えば、一様確率）を有してよく、同一サイズのノードで示されてよい。グラフ５４、５６がマージされた後、グラフ６０におけるラベル「ｊｐｇ＿ｅｘｔ」および「８９＿ｓｅｎｔ」が付けられたノードは、それらがより多くのエッジを有する（例えば、グラフ５４のエッジが、グラフ５６のエッジと組み合わされた）ので、他のノードよりも、より大きな占有確率を有する。従って、ラベル「ｊｐｇ＿ｅｘｔ」および「８９＿ｓｅｎｔ」が付けられたノードは、他のノードよりも大きく示されてよい。
【0034】
いくつかの実施形態において、グラフ５４、５６が生成された後、グラフのグループ（例えば、ペア、トリプレット等）が、ランダムに、または他の好適な方法で選択されてよく、各グラフのノードごとのグラフ情報エントロピー（以降、「ｇエントロピー（ｇｅｎｔｒｏｐｙ）」という）に加え、マージグラフ（例えば、グラフ６０）のノードごとのｇエントロピーが計算されてよい。いくつかの実施形態において、グラフのｇエントロピーは、以下のように判定されてよい。
式中、Ｘは、離散確率変数であり、Ρ（ｘｉ）は、有向または無向エッジ数、および隣接頂点の占有確率に基づく、ノードｉの定常占有確率である。例えば、式１は、数学的グラフに適用されるシャノン情報エントロピーに対応してよく、当該情報エントロピーは、一様な確率分布の場合に最大値であり得る。
【数1】
【0035】
従って、グラフ５４、５６（例えば、一様な占有確率を持つ）は、ノードごとのｇエントロピーがグラフ６０より大きくてよく、ノードごとのマージのｇエントロピーは、負であってよい。概して、ノードごとのマージのｇエントロピーεは、以下のように判定されてよい。
式中、ＧＡ＋Ｂ＋...は、マージグラフのノードごとのｇエントロピーを表わしてよく、ａｖｇ（ＧＡ，Ｂ...)は、構成グラフのノードごとの平均ｇエントロピーに対応してよい。類似する要素をクラスタリングすべく、いくつかの実施形態は、単一のグラフになるより大きな確率を、大きな負の、ノードごとのマージのｇエントロピーをもたらすトランザクションに割り当ててよい。
【数2】
【0036】
任意の好適な技術を用いて、占有確率を判定してよい。いくつかの実施形態において、ノードの占有確率は、オープンソースプロジェクト（例えば、Ａｐａｃｈｅ Ｓｐａｒｋ ＧｒａｐｈＸ等）で実装された技法のようなＰａｇｅＲａｎｋ技法を用いて、効率的に計算されてよい。他の好適な技術は、グラフを複数回横断すること、および中心極限定理を利用（システムのエルゴード性を利用）することを含んでよい。いくつかの実施形態は、グラフ解析に対し最適化されたアーキテクチャ上で、はるかにより高速に実行するために十分最適であってよい。εが計算されると、遷移確率ｎが、シグモイド関数に少なくとも部分的に基づき、計算されてよい。例えば、フェルミ‐ディラック分布が用いられてよい。いくつかの実施形態において、遷移確率ｎは、以下のように判定されてよい。
式中、μおよびｋは、判定の間中、変化しないままである調整可能なパラメータであってよく、Ｔは、各ステップで低減されてよい「温度」パラメータであってよい。いくつかの実施形態は、ボルツマン分布等の他の分布も用いてよい。
【数3】
【0037】
ここで図７を参照すると、ｎ対ε／μのグラフの実施形態は、様々な温度Ｔにおけるフェルミ‐ディラック分布を示してよく、Ｔは、パラメータｋおよびμの式で与えられ、ここで、ｋは、ボルツマン定数を表わしてよく、μは化学ポテンシャルを表わしてよい。図７は、どのようにフェルミ‐ディラック分布が、非常に低いＴ値において、階段関数を提供し得るかを示しており、階段関数では、ノードごとのマージのｇエントロピーが負であれば、実質的に１００パーセントの遷移確率であり、そうでなければ実質的に０パーセントの遷移確率である。Ｔのより高い値においては、ノードごとのマージのｇエントロピーが正であっても、マージが承諾される可能性があるが、判定は、やはり優先的に、より高い類似度状態に遷移してよい。いくつかの実施形態は、高い温度で解析を開始し、判定が極小値で終了することを阻止してよい。いくつかの実施形態は、複数の実行結果を集約して、より堅牢な結果を生成してよい。
【0038】
いくつかの実施形態は、より多くのデータ属性を用いて、複数の判定間のクラスタのばらつきを低減してよい。例えば、ファイル拡張子等の１つの属性のみを用いると、クラスタは再現不能または安定的でない可能性がある。しかしながら、図５の５つの属性すべてを用いることで、整合性のあるクラスタリングをもたらしてよく、複数の実行結果は、集約されてよい。有利には、いくつかの実施形態は、教師なし学習の問題を、擬似アニーリング法により解決されるべき最適化の問題へと変換してよい。例えば、最小化されるべき汎関数は、システムのノードごとのｇエントロピーに対応してよく、当該ｇエントロピー自体が、システムの構成（例えば、クラスタ）の関数であってよい。有利には、いくつかの実施形態は、ｇエントロピーを、クラスタリングの類似度尺度として判定することを含め、データのクラスタリングに対し、熱力学的概念を適用してよい。
【0039】
いくつかの実施形態において、データの行は、データ属性がノードになる数学的グラフ表現に変換されてよい。複数のノードが同一の行に属する場合、グラフの当該ノードは、エッジを通して接続されてよい（例えば、図４、５Ａおよび５Ｂを参照）。いくつかの実施形態において、異なるグラフが、ランダムにまたは他の好適な方法で、選択されてよく、ノードごとのマージのグラフのｇエントロピー（例えば、式１および２）および遷移確率（例えば、式３）が計算されて、ノードが永続的にマージされるべきであるかが判定されてよい。所望のクラスタ数または他の終了条件に到達すまで、この解析が反復されてよい。有利には、いくつかの実施形態は、データが欠損する属性、異なる数の属性または異なるタイプの属性を有するデータセットに対して、堅牢であってよい。このようなデータ堅牢性が、教師なし機械学習に対する有用な適用数を増大させてよい。というのは、多くの潜在的な現実世界の使用ケースは、秩序だっていない、またはクリーンでないデータコレクションを含み得るからである。
【0040】
クラスタが定義されると、元のデータセットに存在しないデータ要素の特定のクラスタとの類似度が、これらのクラスタを持つ新しい要素のノードごとのマージのｇエントロピーを計算することによって推測されてよい。次に、この量を用いて、新しい要素が特定のクラスタに属するか否かを、例えばカットオフを用いて決定してよい。例えば、未知のＩＰアドレスの、既知の悪意のＩＰアドレスのクラスタにおけるＩＰアドレスとの類似度の計算は、当該未知のＩＰアドレスが、潜在的なセキュリティ脅威であるかの判定に役立ってよい。
【0041】
別の例示的な適用において、データコレクションは、同一分野に広く属する数千の技術文献を含んでよく、それに対する分類コードが、専門家によって割り当てられている。分類コードは、人間が定義したデータ構造を表わす。一実施形態は、複数の文書を１００個のクラスタに編成してよい。他の終了条件は、特定数の段階の後、新しいクラスタは形成されず、グローバルエントロピーが計算され、特定数の段階の後、それが変化しない、等といったものを含んでよい。
【0042】
この例示的な適用においては、個々の文書が、データ行に対応してよく、属性は、著者、他の文献に対する参照、参照数、およびテキスト解析から判定されたトピックを含んでよい。分類コードは、入力の一部ではないこと、およびまた、一部の属性は数値を有し、その他の属性は、公称値を有することに留意されたい。モーフィズムは、複数の属性をグラフノードに変換してよく、当該属性が同一文書の一部であれば、ノードはエッジによって接続されてよい。モーフィズムは、構造を生成する構成可能ルールを表わしたものであってよく、結果が有用なクラスタ（例えば、特徴エンジニアリング）を生成するまで、体系的に修正されてよい。概して、著者数および参照数は、異なる文書に対し異なるものとなろう。文書の中には、参照がゼロのものさえあるが、当該方法は、依然として、残りの属性に基づき、当該文書をクラスタリング可能である。いくつかの実施形態は、ベクトルを用いてデータを表わす技術に対し、重要な利点をもたらしてよい。というのは、場合によっては、ある属性の不存在により、データ要素全体がクラスタリングから除去される結果をもたらし得、または、データセットの統計的特性に基づき、欠損値が架空の値で置換され得るからである。いくつかの実施形態は、有利には、グラフを用いて（例えば、類似度を表わすべく、ユークリッド空間における距離メトリックを定義する代わりに）、類似度を整合的に表わしてよい。
【0043】
ヒートマップは、分類コードが、あるクラスタの複数の文書に現れる正規化頻度を表わしてよい。いくつかの例においては、特定の分類コードを持つすべてまたは殆どすべての文書は、結果的に同一クラスタに入った（よって、頻度はほぼ１００％である）。共同特許分類（Ｃｏｏｐｅｒａｔｉｖｅ Ｐａｔｅｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）システム等、密接に関連付けられた分類コードが、互いに英数字が近接して現れるように設計された分類システムについては、強度の多くは、局所領域に現れてよい（例えば、より高強度の正方形が互いに近接してよい）。異なる文書／データコレクションについては、いくつかの実施形態は、有利には、適用されたルールセットに基づき、文書／データにおける構造を識別してよい。解析が、有用な構造を識別しない場合、構造が見つかる（例えば、ルールが適切であること、互いに整合的であること等を示してよい）まで、パラメータが調整されてよく、および／または、モーフィズム（ルール）が体系的に変更（例えば、属性間の接続の重み等）されてよい。
【0044】
ここで、図８を参照すると、データオブジェクトのエントロピークラスタリングの方法８０の実施形態は、ブロック８１において、モーフィズムを適用し、パラメータを初期化する段階を含んでよい。例えば、いくつかの実施形態は、有利には、局所的にまたはクラウドで実行される技術を提供してよく、当該技術は、ユーザにより供給されたモーフィズムを、データコレクションに適用して、元のフォーマットからの属性を、特性グラフにマッピングしてよい。次に、方法８０は、局所的にまたはクラウドで実行される技術を提供してよく、当該技術は、ブロック８２において、コレクションから、クラスタのペア、トリプレット等をランダムに、または他の好適な方法で選択（例えば、初期条件は、各データエンティティはクラスタである）し、ブロック８３において、ブロック８２で選択された各クラスタのノードごとのｇエントロピーおよびマージされる、選択されたクラスタのノードごとのｇエントロピーを計算する段階（例えば、式１を用いて）と、ブロック８４において、ノードごとのマージのｇエントロピーを計算する段階（例えば、マージされた、選択されたクラスタのノードごとのｇエントロピーと、選択されたクラスタのノードごとの平均ｇエントロピーとの間の差異、式２を用いて）と、ブロック８５において、ノードごとのマージのｇエントロピーの関数および温度パラメータに基づき（例えば、式３を用いて）、マージの確率（例えば、ある状態から次の状態への遷移確率）を計算（例えば、式３を用いて）する段階を含む。
【0045】
次に、方法８０は、ブロック８６において、マージを承諾するか否かを判定する段階を含んでよい。例えば、いくつかの実施形態は、新しいクラスタでコレクションを更新してよい、または、マージの確率に基づき、元のクラスタを優先して、新しいクラスタを破棄してよい。ブロック８６において、マージが承諾されない場合、方法８０は、コレクションから、別のデータグループを、ランダムにまたは他の好適な方法で選択するために、ブロック８２に戻ってよい。ブロック８６において、マージが承諾される場合、方法８０は、ブロック８７において、終了条件が満たされたかを判定する段階を含んでよい。はいの場合、方法８０は、ブロック８８において、シミュレーションを終了してよい。そうでない場合、方法８０は、ブロック８９において、アニーリングパラメータのうちの１または複数を調整（例えば、温度Ｔを低減する、しかしながら、いくつかの実施形態においては、またｋ、ｕを調整する等）する段階、および、コレクションから、別のデータグループを、ランダムにまたは他の好適な方法で選択するためにブロック８２に戻る段階を含んでよい。いくつかの実施形態は、データセットにおいて構造を見つけるべく、方法８０の複数のパスを含んでよく、当該複数のパスは、いくつかの実施形態において、方法８０の複数のパスの結果を集約する段階を含んでよい。データセットが好適なクラスタに編成された後、いくつかの実施形態は、新しいデータエンティティと各クラスタとの間のノードごとのマージのｇエントロピーを計算することにより、元のセットに存在しないデータが、得られたクラスタにどのくらい類似（例えば、または類似していない）しているかを判定する段階を含んでよい。次に、当該判定に基づき、さらなるアクションがとられてよい（例えば、あるＩＰアドレスを、潜在的に悪意のあるものとして識別する、文書の関連する技術分野を識別する、製品の推奨を提供する等）。
【0046】
他のクラスタリング技法においては、ベクトル空間の基底ベクトルに関する大きさおよび方向の両方を有する量を表わすベクトルが用いられてよい。例えば、３Ｄユークリッド空間において、以下のベクトル［１．５，５，１．２］は、［０，０，０］を原点とし、ｘ方向において１．５単位、ｙ方向において０．５単位、およびｚ方向において１．２単位の点で終了する「矢印」を表わしてよく、ｘ、ｙおよびｚ方向は、互いに対して直交する基底（単位）ベクトルによって定義される。回転、平行移動等の操作がベクトルに適用されてよいが、合成ベクトルは、ｘ、ｙおよびｚによって作成される同一のベクトル空間にまだ存在する。多くのクラスタリング技法は、問題をユークリッド空間（例えば、通常、高次元）に変換するメトリックの定義に依存してよい。また、グラフがメトリックによって表されてよい。いくつかの実施形態は、２つのグラフを結合するバイナリグラフ操作を提供してよく、結合操作は、また行列表示も含んでよい。グラフ表現の実施形態（例えば、通常、隣接行列）は、ベクトル空間を表わさないが、いくつかの実施形態は、グラフにノードを自由に追加する（例えば、とりわけ、行および列を行列表示に追加することを含んでよい）。ユークリッド空間において、次元の暗黙的追加は、元のベクトルと相容れなくてよく、元のベクトルは、新しい次元で定義されないであろう。いくつかの実施形態は、各次元において定義されていないデータを破棄することなく、多くの次元で拡張可能な強力なクラスタリング技法を提供してよい。
【0047】
図９Ａは、方法３０（図３Ａから３Ｂ）および／または方法８０（図８）の１または複数の態様を実装してよい、エントロピークラスタリング装置１３２（１３２ａ～１３２ｂ）を示す。ロジック命令、構成可能なロジック、固定機能ハードウェアロジックを含んでよいエントロピークラスタリング装置１３２は、既に説明したシステム１０（図１）に対し容易に代用されてよい。モーフィズム実行器１３２ａは、構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、データの２または２より多いグラフ表現にマッピングしてよい。クラスタ弁別器１３２ｂは、ｇエントロピーに基づき、２または２より多いグラフ表現を、２または２より多いクラスタに編成してよい。いくつかの実施形態において、モーフィズム実行器１３２ａは、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のためのノード表現並びにノード間の接続および重みを用いて、構成可能なルールセットに基づき、それぞれのデータ属性セットを、２または２より多いグラフ表現に変換するように構成されてよい。クラスタ弁別器１３２ｂは、２または２より多いグラフ表現を、新しいクラスタ候補として、ランダムに、または他の好適な方法で選択し、構成グラフのノードごとのｇエントロピーを判定し、新しいクラスタ候補のノードごとのｇエントロピーを判定し、１または複数のパラメータ、および構成グラフのノードごとの平均ｇエントロピーと、新しいクラスタ候補のノードごとのｇエントロピーとの間の差異に基づき、新しいクラスタ候補に対する遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行ってよい。
【0048】
例えば、クラスタ弁別器１３２ｂは、終了条件が満たされたかを判定し、終了条件が満たされない場合、１または複数のパラメータを調整し、クラスタ解析を反復するように構成されてもよい。特に、クラスタ弁別器１３２ｂのいくつかの実施形態は、２または２より多いグラフ表現の新しいグループを、新しいクラスタ候補として、ランダムにまたは他の好適な方法で選択し、構成グラフのノードごとのｇエントロピーを判定し、新しいクラスタ候補のノードごとのｇエントロピーを判定し、１または複数のパラメータ、および構成グラフのノードごとの平均ｇエントロピーと、新しいクラスタ候補のノードごとのｇエントロピーとの間の差異に基づき、新しいクラスタ候補に対する遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行ってよい。いくつかの実施形態において、モーフィズム実行器１３２ａは、さらに、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する新しい構成可能なルールセットを適用するように構成されてよく、クラスタ弁別器１３２ｂは、２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成してよく、エントロピークラスタリング装置１３２は、元の２または２より多いクラスタおよび２または２より多い新しいクラスタセットからの結果を集約してよい。本明細書に記載した任意の実施形態において、エントロピークラスタリング装置１３２は、新しいデータオブジェクトおよび／またはコレクションと、２または２より多いデータクラスタの各々との間のノードごとのマージのｇエントロピーを判定するように構成されてもよい。
【0049】
ここで、図９Ｂを参照すると、ロジック１３４ｂ（例えば、トランジスタアレイおよび他の集積回路／ＩＣコンポーネント）が、基板１３４ａ（例えば、シリコン、サファイア、ガリウムヒ素）に連結された、エントロピークラスタリング装置１３４（１３４ａ～１３４ｂ）が示されている。ロジック１３４ｂは、概して、方法３０（図３Ａから３Ｂ）および／または方法８０（図８）の１または複数の態様を実装してよい。従って、ロジック１３４ｂは、構成可能なルールセットに基づき、データコレクションからのそれぞれの属性セットを、データの２または２より多いグラフ表現にマッピングし、ｇエントロピーに基づき、２または２より多いグラフ表現を、２または２より多いデータクラスタに編成してよい。いくつかの実施形態において、ロジック１３４ｂは、強化または保持される必要のあるデータの関係性または特性により判定された各データ属性のノード表現並びにノード間の接続および重みを用いて、構成可能なルールセットに基づき、それぞれのデータ属性セットを、２または２より多いグラフ表現に変換し、２または２より多いグラフ表現を新しいクラスタ候補として、ランダムにまたは他の好適な方法で選択し、構成グラフのノードごとのｇエントロピーを判定し、新しいクラスタ候補のノードごとのｇエントロピーを判定し、１または複数のパラメータ、および構成グラフのノードごとの平均ｇエントロピーと新しいクラスタ候補のノードごとのｇエントロピーとの間の差異に基づき、新しいクラスタ候補に対する遷移確率を判定し、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行う、ように構成されてよい。
【0050】
例えば、ロジック１３４ｂは、終了条件が満たされたかを判定し、および、終了条件が満たされない場合、１または複数のパラメータを調整し、クラスタ解析を反復する、ように構成されてもよい。特に、ロジック１３４ｂのいくつかの実施形態は、２または２より多いグラフ表現の新しいグループを、新しいクラスタ候補として、ランダムにまたは他の好適な方法で選択し、調整された１または複数のパラメータに基づき、構成グラフのノードごとのｇエントロピーを判定し、調整された１または複数のパラメータに基づき、新しいクラスタ候補のノードごとのｇエントロピーを判定し、調整された１または複数のパラメータ、および調整された１または複数のパラメータに基づく、構成グラフのノードごとの平均ｇエントロピーと、調整された１または複数のパラメータに基づく、新しいクラスタ候補のノードごとのｇエントロピーとの間の差異に基づき、新しいクラスタ候補に対する遷移確率を判定し、調整された１または複数のパラメータに基づき、判定された遷移確率に基づき、新しいクラスタ候補の保持または破棄のうち一方を行ってよい。いくつかの実施形態において、ロジック１３４ｂは、さらに、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のためのノード表現並びにノード間の接続および重みを用いて、新しい構成可能なルールセットを適用し、２または２より多いグラフ表現の新しいセットを、２または２より多いデータクラスタの新しいセットに編成し、２または２より多い判定からの結果を集約する、ように構成されてよい。本明細書に記載された任意の実施形態において、ロジック１３４ｂは、新しいデータオブジェクトおよび／またはコレクションと、２または２より多いデータクラスタの各々との間のノードごとのマージのｇエントロピーを判定するように構成されてもよい。一例において、装置１３４は、半導体ダイ、チップおよび／またはパッケージである。
【0051】
図１０は、一実施形態によるプロセッサコア２００を示す。プロセッサコア２００は、マイクロプロセッサ、埋め込みプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ等の任意のタイプのプロセッサのためのコア、またはコードを実行するための他のデバイスであってよい。図１０中には、１つのプロセッサコア２００のみが示されているが、代替的に、処理要素は、図１０に示されたプロセッサコア２００を２つ以上含んでよい。プロセッサコア２００は、シングルスレッドコアであってよく、少なくとも１つの実施形態については、プロセッサコア２００は、当該コアが、コアごとに２つ以上のハードウェアスレッドコンテキスト（例えば、「ロジカルプロセッサ」）を含んでよい点において、マルチスレッドであってよい。
【0052】
図１０は、また、プロセッサコア２００に連結されたメモリ２７０を示す。メモリ２７０は、当業者に周知または利用可能であるような広範なメモリのうち任意のもの（メモリ階層の様々な層を含む）であってよい。メモリ２７０は、プロセッサコア２００によって実行されるべき１または複数のコード２１３命令を含んでよく、コード２１３は、既に説明した方法３０（図３Ａから３Ｂ）および／または方法８０（図８）の１または複数の態様を実装してよい。プロセッサコア２００は、コード２１３によって示される命令のプログラムシーケンスに従う。各命令は、フロントエンド部２１０に入り、１または複数のデコーダ２２０によって処理されてよい。デコーダ２２０は、その出力として、固定幅マイクロオペレーション等のマイクロオペレーションを予め定義されたフォーマットで生成してよく、または、他の命令、マイクロ命令若しくは元のコード命令を反映する制御信号を生成してよい。示されたフロントエンド部２１０は、また、レジスタリネーミングロジック２２５およびスケジューリングロジック２３０を含み、これらは、概して、リソースを割り当て、変換命令に対応する操作を実行のためにキューに入れる。
【0053】
プロセッサコア２００は、２５５‐１から２５５‐Ｎまでの実行ユニットセットを有する実行ロジック２５０を含むように示されている。いくつかの実施形態は、特有の機能または機能セットに専用の複数の実行ユニットを含んでよい。他の実施形態は、特定の機能を実行し得る１つの実行ユニットのみ、または１つの実行ユニットを含んでよい。示された実行ロジック２５０は、コード命令によって指定される操作を実行する。
【0054】
コード命令によって指定された操作の実行を完了した後、バックエンドロジック２６０は、コード２１３の命令を退避させる。一実施形態において、プロセッサコア２００は、命令のアウトオブオーダ実行を可能にしてよいが、命令のインオーダ退避を要求する。退避ロジック２６５は、当業者に周知のような様々な形態を取ってよい（例えば、リオーダバッファ等）。このようにして、プロセッサコア２００は、コード２１３の実行中に、デコーダによって生成された出力、レジスタリネーミングロジック２２５によって用いられるハードウェアレジスタおよびテーブル、並びに実行ロジック２５０によって修正された任意のレジスタ（不図示）の少なくとも観点から、変換される。
【0055】
図１０中には示されていないが、処理要素は、プロセッサコア２００を備えたチップ上に他の要素を含んでよい。例えば、処理要素は、プロセッサコア２００と共にメモリ制御ロジックを含んでよい。処理要素は、Ｉ／Ｏ制御ロジックを含んでよく、および／または、メモリ制御ロジックと統合されたＩ／Ｏ制御ロジックを含んでよい。処理要素は、また、１または複数のキャッシュを含んでもよい。
【0056】
図１０中に示されていないが、プロセッサコア２００およびメモリ２７０は、グラフ解析のために最適化されてよい。例えば、プロセッサコア２００およびメモリ２７０は、積層可能なクロスグリッドデータアクセスアレイ等の不揮発性メモリを用いてよく、加速可能な線形代数構築ブロック（グラフプリミティブ）を用いてよく、グラフ行列を、メモリマッピングを好都合に可能にするサブアレイにマッピングするデータフォーマットモデルを用いてよく、または、メモリ２７０とプロセッサコア２００との間でグラフプリミティブを効率的に移動させるデータフローモデルを使用してよい。
【0057】
ここで図１１を参照すると、一実施形態によるシステム１０００の実施形態のブロック図が示されている。第１の処理要素１０７０および第２の処理要素１０８０を含むマルチプロセッサシステム１０００が図１１中に示されている。２つの処理要素１０７０および１０８０が示されているが、システム１０００の実施形態は、かかる処理要素を１つのみ含んでよいことも理解されたい。
【0058】
システム１０００は、ポイントツーポイント相互接続システムとして示されており、第１の処理要素１０７０および第２の処理要素１０８０は、ポイントツーポイント相互接続１０５０を介して連結されている。図１１中に示される相互接続のうち任意のものまたはすべてが、ポイントツーポイント相互接続ではなく、マルチドロップバスとして実装されてよいことを理解されたい。
【0059】
図１１に示すように、処理要素１０７０および１０８０の各々は、第１および第２のプロセッサコア（すなわち、プロセッサコア１０７４ａおよび１０７４ｂ並びにプロセッサコア１０８４ａおよび１０８４ｂ）を含むマルチコアプロセッサであってよい。このようなコア１０７４ａ、１０７４ｂ、１０８４ａ、１０８４ｂは、図１０に関連して上記したものと同様の態様で、命令コードを実行するように構成されてよい。
【0060】
各処理要素１０７０、１０８０は、少なくとも、１つの共有キャッシュ１８９６ａ、１８９６ｂ（例えば、スタティックランダムアクセスメモリ／ＳＲＡＭ）を含んでよい。共有キャッシュ１８９６ａ、１８９６ｂは、プロセッサの１または複数のコンポーネント、例えば、それぞれコア１０７４ａ、１０７４ｂおよび１０８４ａ、１０８４ｂによって用いられるデータ（例えば、オブジェクト、命令）を格納してよい。例えば、共有キャッシュ１８９６ａ、１８９６ｂは、プロセッサのコンポーネントによる、より高速なアクセスのために、メモリ１０３２、１０３４に格納されたデータをローカルにキャッシュしてよい。１または複数の実施形態において、共有キャッシュ１８９６ａ、１８９６ｂは、レベル２（Ｌ２）、レベル３（Ｌ３）、レベル４（Ｌ４）等の１または複数の中レベルキャッシュ、または他のレベルのキャッシュ、ラストレベルキャッシュ（ＬＬＣ）および／またはこれらの組み合わせを含んでよい。
【0061】
２つの処理要素１０７０、１０８０のみが示されているが、実施形態の範囲は、このようには限定されないことを理解されたい。他の実施形態においては、１または複数の追加の処理要素が、特定のプロセッサに存在してよい。代替的に、処理要素１０７０、１０８０の１または複数は、アクセラレータまたはフィールドプログラマブルゲートアレイ等のプロセッサ以外の要素であってよい。例えば、追加の処理要素は、第１のプロセッサ１０７０と同一の追加のプロセッサ、第１のプロセッサ１０７０と異種であるか、または非対称的である追加のプロセッサ、アクセラレータ（例えば、グラフィックアクセラレータまたはデジタル信号処理（ＤＳＰ）ユニット等といった）、フィールドプログラマブルゲートアレイ、または任意の他の処理要素を含んでよい。アーキテクチャの特性、マイクロアーキテクチャの特性、熱特性、電力消費特性等を含む広範な価値基準に照らし、処理要素１０７０と処理要素１０８０との間には、様々な差異が存在する可能性がある。これらの差異は、処理要素１０７０、１０８０間の非対称性および異質性として、差異自体を効果的に呈してよい。少なくとも１つの実施形態について、様々な処理要素１０７０、１０８０は、同一のダイパッケージに存在してよい。
【0062】
第１の処理要素１０７０は、さらに、メモリコントローラロジック（ＭＣ）１０７２並びにポイントツーポイント（Ｐ‐Ｐ）インタフェース１０７６および１０７８を含んでよい。同様に、第２の処理要素１０８０は、ＭＣ１０８２並びにＰ－Ｐインタフェース１０８６および１０８８を含んでよい。図１１に示す通り、ＭＣ１０７２および１０８２は、プロセッサを、各メモリ、すなわちメモリ１０３２およびメモリ１０３４に連結し、これらメモリは、各プロセッサに局所的に取り付けられたメインメモリの一部であってよい。ＭＣ１０７２および１０８２は、処理要素１０７０、１０８０に統合されたように示されているが、代替的な実施形態では、ＭＣロジックは、そこに統合されず、処理要素１０７０、１０８０の外部のディスクリートロジックであってよい。
【0063】
第１の処理要素１０７０および第２の処理要素１０８０は、それぞれ、Ｐ‐Ｐ相互接続１０７６、１０８６を介して、Ｉ／Ｏサブシステム１０９０に連結されてよい。図１１に示す通り、Ｉ／Ｏサブシステム１０９０は、ＴＥＥ１０９７（例えば、セキュリティコントローラ）並びにＰ－Ｐインタフェース１０９４および１０９８を含む。さらに、Ｉ／Ｏサブシステム１０９０は、Ｉ／Ｏサブシステム１０９０に高性能なグラフィックスエンジン１０３８を連結するためのインタフェース１０９２を含む。一実施形態において、バス１０４９は、グラフィックスエンジン１０３８を、Ｉ／Ｏサブシステム１０９０に連結するために用いられてよい。代替的に、ポイントツーポイント相互接続が、これらのコンポーネントを連結してよい。
【0064】
そして、Ｉ／Ｏサブシステム１０９０が、インタフェース１０９６を介して、第１のバス１０１６に連結されてよい。一実施形態において、第１のバス１０１６は、ペリフェラルコンポーネントインターコネクト（ＰＣＩ）バス、ＰＣＩエクスプレスバス等のバス、または別の第３世代Ｉ／Ｏ相互接続バスであってよいが、実施形態の範囲は、このようには限定されない。
【0065】
図１１に示される通り、様々なＩ／Ｏデバイス１０１４（例えば、カメラ、センサ）が、第１のバス１０１６を第２のバス１０２０に連結し得るバスブリッジ１０１８と共に、第１のバス１０１６に連結されてよい。一実施形態において、第２のバス１０２０は、低ピンカウント（ＬＰＣ）バスであってよい。様々デバイスが、第２のバス１０２０に連結されてよく、このようなものとして、例えば、キーボード／マウス１０１２、ネットワークコントローラ／通信デバイス１０２６（コンピュータネットワークと通信してよい）、および、ディスクドライブ、または一実施形態において、コード１０３０を含んでよい他のマスストレージデバイス等のデータストレージユニット１０１９が含まれる。コード１０３０は、上記の方法の１または複数に係る実施形態を実行するための命令を含んでよい。従って、示されたコード１０３０は、既に説明した方法３０（図３Ａから３Ｂ）および／または方法８０（図８）の１または複数の態様を実装してよく、既に説明したコード２１３（図１０）に類似してよい。さらに、オーディオＩ／Ｏ １０２４が、第２のバス１０２０に連結されてよい。
【0066】
他の実施形態も想定されてよいことに留意されたい。例えば、図１１のポイントツーポイントアーキテクチャの代わりに、システムは、マルチドロップバスまたは別のこのような通信トポロジーを実装してよい。
【0067】
追加の留意事項および実施例
【0068】
例１は、プロセッサ、上記プロセッサに通信可能に連結されたメモリ、および上記プロセッサに通信可能に連結されたロジックを備えた、電子処理システムを含んでよく、上記ロジックは、データの関係性または特性の保持または強化のうちの一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングし、グラフ情報エントロピーおよび１または複数のパラメータに基づき、２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する。
【0069】
例２は、例１に係るシステムを含んでよく、上記ロジックは、さらに、強化または保持される必要のあるデータの関係性または特性により判定された各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する。
【0070】
例３は、例２のシステムを含んでよく、上記ロジックは、さらに、２または２より多いグラフ表現を、新しいクラスタ候補としてランダムにまたは他の好適な方法で選択し、構成グラフのノードごとのグラフ情報エントロピーを判定し、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定し、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う。
【0071】
例４は、例３のシステムを含んでよく、上記ロジックは、さらに、上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う。
【0072】
例５は、例４のシステムを含んでよく、上記ロジックは、さらに、上記終了条件が満たされたかを判定し、上記終了条件が満たされない場合、１または複数のパラメータを調整し、２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補としてランダムにまたは他の好適な方法で選択し、上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定し、上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定し、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う。
【0073】
例６は、１または複数の基板と、上記１または複数の基板に連結されたロジックであって、上記ロジックは、構成可能なロジックおよび固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装されたロジックと、を備え、上記１または複数の基板に連結された上記ロジックは、データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングし、グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、半導体パッケージ装置を含んでよい。
【0074】
例７は、例６に係る装置を含んでよく、上記ロジックは、さらに、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する。
【0075】
例８は、例７の装置を含んでよく、上記ロジックは、さらに、２または２より多いグラフ表現を、新しいクラスタ候補としてランダムにまたは他の好適な方法で選択し、構成グラフのノードごとのグラフ情報エントロピーを判定し、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定し、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う。
【0076】
例９は、例８の装置を含んでよく、上記ロジックは、さらに、上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う。
【0077】
例１０は、例９の装置を含んでよく、上記ロジックは、さらに、上記終了条件が満たされたかを判定し、上記終了条件が満たされない場合、１または複数のパラメータを調整し、２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補としてランダムにまたは他の好適な方法で選択し、上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定し、上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定し、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う。
【0078】
例１１は、例７から１０のいずれかに記載の装置を含んでよく、上記１または複数の基板に連結された上記ロジックは、上記１または複数の基板内に位置付けられたトランジスタチャネル領域を含む。
【0079】
例１２は、データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングする段階と、グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、を備える、教師なし機械学習の方法を含んでよい。
【0080】
例１３は、例１２の方法を含んでよく、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する段階をさらに備える。
【0081】
例１４は、例１３の方法を含んでよく、２または２より多いグラフ表現を、新しいクラスタ候補としてランダムに選択する段階と、構成グラフのノードごとのグラフ情報エントロピーを判定する段階と、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定する段階と、上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定する段階と、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、をさらに備える。
【0082】
例１５は、例１４の方法を含んでよく、上記新しいクラスタ候補が保持される場合、上記構成グラフを除去し、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う段階をさらに備える。
【0083】
例１６は、例１５の方法を含んでよく、上記終了条件が満たされるかを判定する段階をさらに備え、上記終了条件が満たされない場合、１または複数のパラメータを調整する段階と、２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補としてランダムにまたは他の好適な方法で選択する段階と、上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補の各ノードごとの上記グラフ情報エントロピーを判定する段階と、上記調整された１または複数のパラメータに基づき、上記構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定する段階と、上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定する段階と、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、を備える。
【0084】
例１７は、命令セットを備えた少なくとも１つのコンピュータ可読記憶媒体を含んでよく、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングさせ、グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成させる。
【0085】
例１８は、例１７の少なくとも１つのコンピュータ可読記憶媒体を含んでよく、さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用させる。
【0086】
例１９は、例１８の少なくとも１つのコンピュータ可読記憶媒体を含んでよく、さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、２または２より多いグラフ表現を、新しいクラスタ候補としてランダムにまたは他の好適な方法で選択させ、構成グラフのノードごとのグラフ情報エントロピーを判定させ、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定させ、上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行わせる。
【0087】
例２０は、例１９の少なくとも１つのコンピュータ可読記憶媒体を含んでよく、上記媒体は、さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行わせる。
【0088】
例２１は、例２０の少なくとも１つのコンピュータ可読記憶媒体を含んでよく、上記媒体は、さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、終了条件が満たされるかを判定させ、上記終了条件が満たされない場合、１または複数のパラメータを調整させ、２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補としてランダムにまたは他の好適な方法で選択させ、上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補の各ノードごとの上記グラフ情報エントロピーを判定させ、上記調整された１または複数のパラメータに基づき、上記構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定させ、上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピーおよび上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行わせる。
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピーおよび上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行わせる。
【0089】
例２２は、データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、データの２または２より多い数学的グラフ表現にマッピングするための手段と、グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成するための手段と、を備える、教師なし機械学習装置を含んでよい。
【0090】
例２３は、例２２の装置を含んでよく、強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用するための手段をさらに備える。
【0091】
例２４は、例２３の装置を含んでよく、上記装置は、さらに、２または２より多いグラフ表現を、新しいクラスタ候補としてランダムにまたは他の好適な方法で選択するための手段と、構成グラフのノードごとのグラフ情報エントロピーを判定するための手段と、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定するための手段と、上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定するための手段と、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行うための手段と、を備える。
【0092】
例２５は、例２４の装置を含んでよく、上記装置は、さらに、上記新しいクラスタ候補が保持される場合、上記構成グラフを除去し、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行うための手段を備える。
【0093】
例２６は、例２５の装置を含んでよく、上記装置は、さらに、上記終了条件が満たされたかを判定するための手段をさらに備え、上記終了条件が満たされない場合、１または複数のパラメータを調整するための手段と、２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補としてランダムにまたは他の好適な方法で選択するための手段と、上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補の各ノードごとの上記グラフ情報エントロピーを判定するための手段と、上記調整された１または複数のパラメータに基づき、上記構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定するための手段と、上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定するための手段と、上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行うための手段と、を備える。
【0094】
実施形態は、すべてのタイプの半導体集積回路（"ＩＣ"）チップとの使用に適用可能である。これらＩＣチップの例としては、限定ではないが、プロセッサ、コントローラ、チップセットコンポーネント、プログラマブルロジックアレイ（ＰＬＡ）、メモリチップ、ネットワークチップ、システムオンチップ（ＳｏＣ）、ＳＳＤ／ＮＡＮＤコントローラＡＳＩＣ等が含まれる。また、いくつかの図面においては、信号線が線で表されている。線によっては、より多くの成分信号パスを示すべく異なっていてよく、複数の成分信号パスを示すべく番号ラベルを有していてよく、および／または、主要情報の流れ方向を示すべく１または複数の端部に矢印を有していてよい。しかしながら、このことは限定的に解釈されるべきではない。むしろ、かかる追加の詳細は、１または複数の例示的な実施形態に関連して使用され、回路の理解をより容易にしてよい。追加の情報を有するか否かにかかわらず、表されたあらゆる信号線は実際には、複数の方向に移動してよい１または複数の信号を含んでよく、例えば、差動ペアで実装されるデジタル線またはアナログ線、光ファイバ線、および／または、シングルエンド線といったあらゆる好適なタイプの信号方式で実装されてよい。
【0095】
例示的な大きさ／モデル／値／範囲が与えられている場合があるが、実施形態は同一内容に限定されるものではない。時間経過に伴い製造技術（例えば、フォトリソグラフィ）が成熟するにつれ、より小型のデバイスが製造され得ることが予期される。また、例示および説明を簡潔にするために、および、実施形態の特定の態様を不明瞭にしないように、ＩＣチップおよび他のコンポーネントへの周知の電源／グラウンド接続は、図中に示されていても、示されていなくてもよい。さらに、実施形態を不明瞭にすることを回避すべく、構成は、ブロック図で示されてよく、また、かかるブロック図構成の実装に関する詳細は、実施形態が実装されるべきプラットフォームに大きく依存することに鑑みれば、すなわち、かかる詳細は、当業者の十分知見の範囲内である。例示的な実施形態を説明するために、具体的な詳細（例えば、回路）が記載される場合、これらの具体的な詳細なしで、またはこれらの具体的な詳細の変形例によって、実施形態が実施され得ることが、当業者には、自明である。従って、詳細な説明は、限定的ではなく、例示的なものとしてみなされるべきである。
【0096】
「連結」という用語は、対象のコンポーネント間の任意のタイプの直接的または間接的関係、を指すために本明細書において使用されてよく、電気的、機械的、流体的、光学的、電磁的、電子機械的、または他の接続に適用されてよい。また、「第１」、「第２」等の用語は、説明を容易にするためだけに本明細書において使用されてよく、反対の記載がない限り、何ら特定の一時的または経時的な意味を含まない。
【0097】
本願および特許請求の範囲において用いられる「のうちの１または複数」という用語によって結合される項目の列挙は、列挙された用語の任意の組み合わせを意味してよい。例えば、「Ａ、ＢおよびＣのうちの１または複数」という文言および「Ａ、ＢまたはＣのうちの１または複数」という文言は両方とも、Ａ；Ｂ；Ｃ；ＡおよびＢ；ＡおよびＣ；ＢおよびＣ；またはＡ、ＢおよびＣを意味してよい。
【0098】
当業者ならば、上述の説明から、実施形態の広範な技術が、様々な形態で実装され得ることを理解するであろう。従って、実施形態はこれらの特定の例に関し説明されてきたが、実施形態の真の範囲は、このように限定されるべきではない。なぜなら、図面、明細書、および以下の特許請求の範囲を精査すれば、当業者には他の修正形態が自明であるからである。
［他の可能性のある請求項］
（項目１）
プロセッサと、
上記プロセッサに通信可能に連結されたメモリと、
上記プロセッサに通信可能に連結されたロジックと、を備え、
上記ロジックは、
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングし、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、電子処理システム。
（項目２）
上記ロジックは、さらに、
強化または保持される必要のあるデータの関係性または特性により判定された各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する、項目１に記載のシステム。
（項目３）
上記ロジックは、さらに、
２または２より多いグラフ表現を、新しいクラスタ候補として選択し、
構成グラフのノードごとのグラフ情報エントロピーを判定し、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目２に記載のシステム。
（項目４）
上記ロジックは、さらに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去し、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う、項目３に記載のシステム。
（項目５）
上記ロジックは、さらに、
終了条件が満たされたかを判定し、上記終了条件が満たされない場合、
１または複数のパラメータを調整し、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択し、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目４に記載のシステム。
（項目６）
１または複数の基板と、
上記１または複数の基板に連結されたロジックであって、上記ロジックは、構成可能なロジックおよび固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、上記１または複数の基板に連結された上記ロジックは、
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングし、
上記グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、半導体パッケージ装置。
（項目７）
上記ロジックは、さらに、
強化または保持される必要のあるデータの関係性または特性により判定された各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する、項目６に記載の装置。
（項目８）
上記ロジックは、さらに、
２または２より多いグラフ表現を、新しいクラスタ候補として選択し、
構成グラフのノードごとのグラフ情報エントロピーを判定し、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目７に記載の装置。
（項目９）
上記ロジックは、さらに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う、項目８に記載の装置。
（項目１０）
上記ロジックは、さらに、終了条件が満たされたかを判定し、上記終了条件が満たされない場合、
１または複数のパラメータを調整し、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択し、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目９に記載の装置。
（項目１１）
上記１または複数の基板に連結された上記ロジックは、上記１または複数の基板内に位置付けられたトランジスタチャネル領域を含む、項目７に記載の装置。
（項目１２）
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングする段階と、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、を備える、教師なし機械学習の方法。
（項目１３）
強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する段階をさらに備える、項目１２に記載の方法。
（項目１４）
２または２より多いグラフ表現を、新しいクラスタ候補として選択する段階と、
構成グラフのノードごとのグラフ情報エントロピーを判定する段階と、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定する段階と、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定する段階と、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、をさらに備える、項目１３に記載の方法。
（項目１５）
さらに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去し、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う段階を備える、項目１４に記載の方法。
（項目１６）
終了条件が満たされたかを判定する段階をさらに備え、上記終了条件が満たされない場合、
１または複数のパラメータを調整する段階と、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択する段階と、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補の各ノードごとの上記グラフ情報エントロピーを判定する段階と、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定する段階と、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定する段階と、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、を備える、項目１５に記載の方法。
（項目１７）
命令セットを備えた少なくとも１つのコンピュータ可読記憶媒体であって、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングさせ、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成させる、少なくとも１つのコンピュータ可読記憶媒体。
（項目１８）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用させる、項目１７に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目１９）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
２または２より多いグラフ表現を、新しいクラスタ候補として選択させ、
構成グラフのノードごとのグラフ情報エントロピーを判定させ、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定させ、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行わせる、項目１８に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目２０）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行わせる、項目１９に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目２１）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、終了条件が満たされたかを判定させ、上記終了条件が満たされない場合、
１または複数のパラメータを調整させ、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択させ、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータに基づき、上記構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピーおよび上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行せる、項目２０に記載の少なくとも１つのコンピュータ可読記憶媒体。
［他の可能性のある請求項］
（項目１）
プロセッサと、
上記プロセッサに通信可能に連結されたメモリと、
上記プロセッサに通信可能に連結されたロジックと、を備え、
上記ロジックは、
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングし、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、電子処理システム。
（項目２）
上記ロジックは、さらに、
強化または保持される必要のあるデータの関係性または特性により判定された各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する、項目１に記載のシステム。
（項目３）
上記ロジックは、さらに、
２または２より多いグラフ表現を、新しいクラスタ候補として選択し、
構成グラフのノードごとのグラフ情報エントロピーを判定し、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目２に記載のシステム。
（項目４）
上記ロジックは、さらに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去し、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う、項目３に記載のシステム。
（項目５）
上記ロジックは、さらに、
終了条件が満たされたかを判定し、上記終了条件が満たされない場合、
１または複数のパラメータを調整し、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択し、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目４に記載のシステム。
（項目６）
１または複数の基板と、
上記１または複数の基板に連結されたロジックであって、上記ロジックは、構成可能なロジックおよび固定機能ハードウェアロジックのうちの１または複数において少なくとも部分的に実装された、ロジックと、を備え、上記１または複数の基板に連結された上記ロジックは、
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングし、
上記グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する、半導体パッケージ装置。
（項目７）
上記ロジックは、さらに、
強化または保持される必要のあるデータの関係性または特性により判定された各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する、項目６に記載の装置。
（項目８）
上記ロジックは、さらに、
２または２より多いグラフ表現を、新しいクラスタ候補として選択し、
構成グラフのノードごとのグラフ情報エントロピーを判定し、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目７に記載の装置。
（項目９）
上記ロジックは、さらに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う、項目８に記載の装置。
（項目１０）
上記ロジックは、さらに、終了条件が満たされたかを判定し、上記終了条件が満たされない場合、
１または複数のパラメータを調整し、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択し、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定し、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定し、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う、項目９に記載の装置。
（項目１１）
上記１または複数の基板に連結された上記ロジックは、上記１または複数の基板内に位置付けられたトランジスタチャネル領域を含む、項目７に記載の装置。
（項目１２）
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングする段階と、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成する段階と、を備える、教師なし機械学習の方法。
（項目１３）
強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用する段階をさらに備える、項目１２に記載の方法。
（項目１４）
２または２より多いグラフ表現を、新しいクラスタ候補として選択する段階と、
構成グラフのノードごとのグラフ情報エントロピーを判定する段階と、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定する段階と、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定する段階と、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、をさらに備える、項目１３に記載の方法。
（項目１５）
さらに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去し、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行う段階を備える、項目１４に記載の方法。
（項目１６）
終了条件が満たされたかを判定する段階をさらに備え、上記終了条件が満たされない場合、
１または複数のパラメータを調整する段階と、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択する段階と、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補の各ノードごとの上記グラフ情報エントロピーを判定する段階と、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定する段階と、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピー、および上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定する段階と、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行う段階と、を備える、項目１５に記載の方法。
（項目１７）
命令セットを備えた少なくとも１つのコンピュータ可読記憶媒体であって、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
データの関係性または特性の保持または強化のうち一方を行う構成可能なルールセットに基づき、データコレクションを、上記データの２または２より多い数学的グラフ表現にマッピングさせ、
グラフ情報エントロピーおよび１または複数のパラメータに基づき、上記２または２より多いグラフ表現を、２または２より多いデータクラスタに編成させる、少なくとも１つのコンピュータ可読記憶媒体。
（項目１８）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
強化または保持される必要のあるデータの関係性または特性により判定された、各データ属性のノード表現並びにノード間の接続および重みを用いて、上記それぞれのデータ属性セットを、２または２より多いグラフ表現に変換する構成可能なルールセットを適用させる、項目１７に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目１９）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
２または２より多いグラフ表現を、新しいクラスタ候補として選択させ、
構成グラフのノードごとのグラフ情報エントロピーを判定させ、
上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定させ、
上記１または複数のパラメータ、および上記構成グラフのノードごとの平均グラフ情報エントロピーと、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーとの間の差異に基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行わせる、項目１８に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目２０）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、
上記新しいクラスタ候補が保持される場合、上記構成グラフを除去する、または、上記新しいクラスタ候補が破棄される場合、上記構成グラフをそのまま残す、のうち一方を行わせる、項目１９に記載の少なくとも１つのコンピュータ可読記憶媒体。
（項目２１）
さらなる命令セットを備え、上記命令セットは、コンピューティングデバイスによる実行時に、上記コンピューティングデバイスに、終了条件が満たされたかを判定させ、上記終了条件が満たされない場合、
１または複数のパラメータを調整させ、
２または２より多いグラフ表現の新しいグループを、上記新しいクラスタ候補として選択させ、
上記調整された１または複数のパラメータに基づき、上記新しいクラスタ候補のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータに基づき、上記構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータに基づき、構成グラフ表現のノードごとの上記グラフ情報エントロピーを判定させ、
上記調整された１または複数のパラメータ、上記クラスタ候補のノードごとの上記グラフ情報エントロピーおよび上記構成グラフ表現のノードごとの上記平均グラフ情報エントロピーに基づき、上記新しいクラスタ候補に対する遷移確率を判定させ、
上記判定された遷移確率に基づき、上記新しいクラスタ候補の保持または破棄のうち一方を行せる、項目２０に記載の少なくとも１つのコンピュータ可読記憶媒体。
【図1】
【図2】
【図3A】
【図3B】
【図4】
【図5A】
【図5B】
【図6】
【図7】
【図8】
【図9A】
【図9B】
【図10】
【図11】