CN113435467A - 数据管理系统、数据管理方法及记录介质 - Google Patents

数据管理系统、数据管理方法及记录介质 Download PDF

Info

Publication number
CN113435467A
CN113435467A CN202110102204.6A CN202110102204A CN113435467A CN 113435467 A CN113435467 A CN 113435467A CN 202110102204 A CN202110102204 A CN 202110102204A CN 113435467 A CN113435467 A CN 113435467A
Authority
CN
China
Prior art keywords
data
training
unit
management system
measurement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110102204.6A
Other languages
English (en)
Other versions
CN113435467B (zh
Inventor
江间伸明
吉田善贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Publication of CN113435467A publication Critical patent/CN113435467A/zh
Application granted granted Critical
Publication of CN113435467B publication Critical patent/CN113435467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/11—File system administration, e.g. details of archiving or snapshots
    • G06F16/122—File system administration, e.g. details of archiving or snapshots using management policies
    • G06F16/125—File system administration, e.g. details of archiving or snapshots using management policies characterised by the use of retention policies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0608—Saving storage space on storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
    • G06F3/0652—Erasing, e.g. deleting, data cleaning, moving of data to a wastebasket
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/0671—In-line storage system
    • G06F3/0673—Single storage device

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

提供一种数据管理系统，具有：获取对测量对象测量出的测量数据的数据获取单元；记录测量数据的数据记录单元；将测量数据内的、用于模型的训练的训练用数据发送到对模型进行训练的训练单元的数据发送单元；以及从记录的测量数据中删除训练用数据的数据删除单元。

Description

数据管理系统、数据管理方法及记录介质
技术领域
本发明涉及数据管理系统、数据管理方法、以及记录了数据管理程序的记录介质。
背景技术
在专利文献1中，被记载为“预测和诊断模型构建手段…分别对于温度、压力、气体量检查是否偏离了上下限值，对于偏离了上下限值的计测数据进行将其作为不适合训练的异常数据删除的处理…”。
现有技术文献
专利文献
专利文献1：日本特开2011－175540
发明内容
本发明的第1方式中，提供一种数据管理系统。数据管理系统也可以具有获取对测量对象测量出的测量数据的数据获取单元。数据管理系统也可以具有记录测量数据的数据记录单元。数据管理系统也可以具有将测量数据内的、用于模型的训练(学習)的训练用数据发送到对模型进行训练的训练单元的数据发送单元。数据管理系统也可以具有从记录的测量数据中，删除训练用数据的数据删除单元。
数据删除单元也可以根据来自训练单元的响应，删除训练用数据。
数据删除单元也可以根据从训练单元接收到训练用数据的肯定响应的情况，删除训练用数据。
数据删除单元也可以根据从训练单元接收到表示训练用数据已训练完成的响应，删除训练用数据。
数据删除单元也可以通过使训练用数据移动到训练单元，删除训练用数据。
数据删除单元也可以具有禁止列表，所述禁止列表对禁止删除的测量数据进行指定，在删除对象的训练用数据被禁止列表指定了的情况下，所述数据删除单元禁止删除训练用数据。
数据删除单元也可以具有允许列表，所述允许列表对允许删除的测量数据进行指定，在删除对象的训练用数据被允许列表指定了的情况下，所述数据删除单元允许删除训练用数据。
数据删除单元也可以具有禁止列表以及允许列表，所述禁止列表对禁止删除的测量数据进行指定，所述允许列表对允许删除的测量数据进行指定，在删除对象的训练用数据被禁止列表和允许列表两者指定了的情况下，所述数据删除单元禁止删除训练用数据。
数据管理系统也可以还具有训练单元。
数据管理系统也可以还具有从测量数据中选择训练用数据的数据选择单元。
在本发明的第2方式中，提供一种数据管理方法。数据管理方法也可以具有获取对测量对象测量出的测量数据。数据管理方法也可以还具有记录测量数据。数据管理方法也可以具有将测量数据内的、用于模型的训练的训练用数据发送到对模型进行训练的训练单元。数据管理方法也可以具有从记录的测量数据中删除训练用数据。
在本发明的第3方式中，提供一种记录了数据管理程序的记录介质。数据管理程序也可以由计算机执行。数据管理程序也可以使计算机作为获取对测量对象测量出的测量数据的数据获取单元发挥功能。数据管理程序也可以使计算机作为记录测量数据的数据记录单元发挥功能。数据管理程序也可以使计算机具有将测量数据内的、用于模型的训练的训练用数据发送到对模型进行训练的训练单元的数据发送单元。数据管理程序也可以作为从记录的测量数据中删除训练用数据的数据删除单元发挥功能。
再者，上述的发明概要并未列举出本发明的全部必要的特征。此外，这些特征组的子组合也可以为发明。
附图说明
图1表示本实施方式的数据管理系统100的框图的一例子。
图2表示本实施方式的数据管理系统100管理的测量数据的一例子。
图3表示本实施方式的数据管理系统100删除训练用数据的流程的一例子。
图4表示本实施方式的数据管理系统100删除训练用数据的前后中的测量数据的一例子。
图5表示本实施方式的数据管理系统100使用禁止列表500删除了训练用数据的情况中的、禁止列表500和删除后的测量数据的一例子。
图6表示本实施方式的数据管理系统100使用允许列表600删除了训练用数据的情况中的、允许列表600和删除后的测量数据的一例子。
图7表示本发明的多个方式被整体或部分地具体体现的计算机2200的例子。
具体实施方式
以下，通过发明的实施方式说明本发明，但以下的实施方式并未限定权利要求书中的发明。此外，在发明的解决方案中未必需要实施方式中所说明的特征的全部组合。
图1表示本实施方式的数据管理系统100的框图的一例子。本实施方式的数据管理系统100获取并记录测量数据。然后，数据管理系统100将训练用数据发送到执行训练的功能单元，从记录的测量数据中删除该训练用数据。
在本实施方式中，作为一例子表示数据管理系统100将从被设置在工厂内的多个传感器获取的测量数据设为管理对象的情况。然而，并未被限定于此。数据管理系统100也可以将来自被设置在与工厂不同的任何场所中的一个或多个现场设备等的数据设为管理对象。
数据管理系统100可以是PC(个人计算机)、平板型计算机、智能手机、工作站、服务器计算机、或通用计算机等计算机，也可以是被连接了多个计算机的计算机系统。这样的计算机系统也是广义的计算机。此外，数据管理系统100也可以通过在计算机内可执行一个或多个虚拟计算机环境来实现。取而代之，数据管理系统100可以是被设计为数据的管理用的专用计算机，也可以是由专用电路实现的专用硬件。此外，在判定装置100可连接到互联网的情况下，数据管理系统100也可以通过云计算而实现。
数据管理系统100具有数据获取单元110、数据记录单元120、数据选择单元130、数据发送单元140、训练单元150、以及数据删除单元160。再者，这些块可以是分别被功能性分离的功能块，也可以不必与实际的设备或装置结构一致。即，在本图中，虽然被作为一个块示出，但它们也可以不必由一个设备或装置构成。此外，在本图中，虽然被作为单独的块示出，但它们也可以不必由单独的设备或装置构成。
数据获取单元110获取对测量对象测量出的测量数据。作为一例子，数据获取单元110可为通信单元，例如，通过通信网络，从多个传感器的每一个时序地获取测量数据。
这样的通信网络也可以是连接多台计算机的网络。例如，通信网络也可以是将多台计算机网络相互连接的全球性网络，作为一例子，通信网络也可以是使用了互联网协议的互联网等。取而代之，通信网络也可以由专用线路实现。
再者，在上述说明中，作为一例子表示了数据获取单元110通过通信网络从多个传感器的每个传感器获取测量数据的情况，并未被限定于此。数据获取单元110例如也可以通过用户输入和各种存储设备等与通信网络不同的其他方式，从多个传感器的每个传感器获取测量数据。
这里，这样的多个传感器可获取对测量对象测量出的测量数据。例如，多个传感器也可为被设置在OT(Operational Technology；运营技术)领域内的传感器(例如，过程控制(测量)用传感器)和IoT(Internet of Things；物联网)传感器，作为一例子，也可以是与被设在工厂中的一个或多个现场设备连接的、或者一体地构成的工业用(Industrial)传感器。
这里，这样的工厂，例如，除了化学等工业工厂之外，也可以是管理和控制气田和油田等的油井源和其周边的工厂、管理和控制水力、火力、原子能等发电的工厂、管理和控制太阳光和风力等的环境发电的工厂、以及管理和控制上下水及水坝等的工厂等。
此外，设置于这样的工厂内的现场设备，例如，也可以是压力计、流量计、温度传感器等的传感器设备、流量控制阀和开关阀等的阀门设备、风扇和电机等的促动器设备、拍摄工厂内的状况和对象物的摄像机或视频等的摄像设备、收集工厂内的异常声等并发出报警声的话筒和扬声器等的音响设备、以及输出各设备的位置信息的位置检测设备等。
因此，数据获取单元110例如也可以获取温度、压力、流量、加速度、磁场、位置、摄像机影像、开关的接通/关断数据、声音、以及它们的组合等作为测量数据。此外，数据获取单元110也可以使用基于这些数据的算式生成的值获取作为测量数据。数据获取单元110将从多个传感器的每个传感器获取的测量数据提供给数据记录单元120。
数据记录单元120记录测量数据。作为一例子，数据记录单元120也可以对每个传感器时序地记录从数据获取单元110提供的来自多个现场设备等的测量数据。
数据选择单元130从测量数据中选择用于模型的训练的训练用数据。作为一例子，数据选择单元130可访问数据记录单元120，浏览被记录在数据记录单元120中的来自多个现场设备等的测量数据。然后，数据选择单元130从来自多个现场设备等的测量数据中，将适合用于判定测量对象的状态的模型的训练的数据集选择作为训练用数据。数据选择单元130将与选择出的训练用数据有关的信息提供给数据发送单元140。
数据发送单元140将测量数据内的、用于模型的训练的训练用数据发送到对模型进行训练的训练单元150。作为一例子，数据发送单元140可访问数据记录单元120，从被记录在数据记录单元120中的来自多个现场设备等的测量数据中，读出被数据选择单元130选择作为训练用数据的数据集。然后，数据发送单元140将读出的数据集设为训练用数据，发送到对模型进行训练的训练单元150。
训练单元150是执行用于判定测量对象的状态的模型的训练的功能单元。训练单元150根据接收到训练用数据的情况，将训练用数据的肯定响应(ACK：Acknowledgement)除了发送到数据发送单元140之外还发送到数据删除单元160。然后，训练单元150使用训练用数据，对用于判定测量对象的状态的模型进行训练。此时，在对模型进行训练时，训练单元150也可以使用各种各样的算法。例如，训练单元150也可以使用递归分析、聚类分析、主成分分析、向量量化、自组织映射(map)、神经网络、支持向量机、ID3、以及简单贝叶斯分类器等作为训练算法。在使用了训练用数据的模型的训练已结束的情况下，训练单元150将表示训练用数据已训练完成的响应发送到数据删除单元160。再者，这样的表示训练完成的响应也可以是包含训练用数据不需要再训练、允许删除该训练用数据的意旨的响应。
数据删除单元160从记录的测量数据中删除训练用数据。作为一例子，数据删除单元160可访问数据记录单元120，从被记录在数据记录单元120中的来自多个现场设备等的测量数据中，删除被作为训练用数据发送到训练单元150的数据集。
再者，在本图中，作为一例子示出训练单元150被设在数据管理系统100内的情况。因此，数据管理系统100可以由一个系统实现从数据的管理到模型的训练为止的处理。由此，根据数据管理系统100，可以降低训练用数据泄漏到外部的风险，同时可以简化系统的管理和维护。然而，一般地，在模型的训练上承受较大的负荷。因此，训练单元150的功能也可以被设在与数据管理系统100不同的其他系统内。由此，可以使数据管理系统100小型、低容量。
图2表示本实施方式的数据管理系统100管理的测量数据的一例子。在本图中，作为一例子说明数据管理系统100管理来自传感器A、传感器B、传感器C、以及传感器D的四个传感器的测量数据的情况。然而，并未被限定于此。数据管理系统100可以管理来自多于四个的多个传感器的测量数据，也可以管理来自比四个少的一个或多个传感器的测量数据。
这里，多个传感器的类别也可以分别相同。即，传感器A至传感器D的所有传感器可获取相同类别的测量数据(例如，温度等)。取而代之，多个传感器的类别也可以一部分或全部不同。即，传感器A至传感器D的一部分传感器也可以获取不同类别的测量数据(例如，温度和压力等)，传感器A至传感器D的所有传感器也可以获取不同类别的测量数据(温度、压力、流量、以及加速度等)。
在本图中，将来自传感器A、传感器B、传感器C、以及传感器D的测量数据以时刻T＝1至时刻T＝20为止的时序地表示。再者，在本图中，作为一例子示出了数据管理系统100从所有传感器时刻上同步地获取了测量数据的情况。然而，并未被限定于此。数据管理系统100也可以从多个传感器中的至少一部分传感器非同步地获取测量数据。作为一例子，将时刻T＝1中的来自传感器A的测量数据表示为数据a1。同样，将时刻T＝2中的来自传感器B的测量数据表示为数据b2。同样，将时刻T＝19中的来自传感器C的测量数据表示为数据c19。同样，将时刻T＝20中的来自传感器D的测量数据表示为数据d20。
本实施方式的数据管理系统100例如获取并记录像本图中所示的测量数据。然后，数据管理系统100将训练用数据发送到执行训练的功能单元，从记录的测量数据中删除该训练用数据。对此，使用流程详细地说明。
图3表示本实施方式的数据管理系统100删除训练用数据的流程的一例子。
在步骤310中，数据管理系统100获取测量数据。作为一例子，数据获取单元110通过通信网络，从多个传感器(例如，传感器A、传感器B、传感器C、以及传感器D)中的每一个时序地获取测量数据。数据获取单元110将从多个传感器中的每个传感器获取的测量数据提供给数据记录单元120。
在步骤320中，数据管理系统100记录测量数据。作为一例子，数据记录单元120对每个传感器时序地记录在步骤310中获取的来自多个传感器的测量数据。
在步骤330中，数据管理系统100从测量数据中选择在模型的训练中使用的训练用数据。作为一例子，数据选择单元130访问数据记录单元120，浏览在步骤320中记录的来自多个传感器的测量数据。然后，数据选择单元130从来自多个传感器的测量数据中，基于预定的基准，将适合用于判定测量对象的状态的模型的训练的数据集自动地选择为在模型的训练中使用的训练用数据。这里，训练用数据的选择方法本身也可以使用任何方法。因此，这里省略详细的说明。再者，在上述说明中，作为一例子示出了数据选择单元130自动地选择训练用数据的情况。然而，并未被限定于此。数据管理系统100也可以接受用户输入，数据选择单元130根据该用户输入而选择训练用数据。
作为一例子，数据选择单元130也可以将特定的期间(例如，时刻T＝4～时刻T＝10)中的来自所有传感器的测量数据的集合(例如，数据a4～数据d10)选择作为训练用数据。此外，数据选择单元130也可以将所有期间中的来自特定传感器(例如，传感器D)的测量数据的集合(例如，数据d1～数据d20)选择作为训练用数据。此外，数据选择单元130也可以将特定的期间(例如，时刻T＝13～时刻T＝15)中的来自特定传感器(例如，传感器C)的测量数据的集合(例如，数据c13～数据c15)选择作为训练用数据。此外，数据选择单元130也可以将特定的期间(例如，时刻T＝16～时刻T＝18)中的来自多个传感器(例如，传感器A和传感器B)的测量数据的集合(例如，数据a16～数据b18)选择作为训练用数据。数据选择单元130将与选择出的训练用数据有关的信息提供给数据发送单元140。
在步骤340中，数据管理系统100将测量数据内的、用于模型的训练的训练用数据发送到对模型进行训练的训练单元150。作为一例子，数据发送单元140访问数据记录单元120，从步骤320中被记录的来自多个传感器的测量数据中，读出在步骤330被作为训练用数据选择出的数据集(例如，数据a4～数据d10、数据d1～数据d20、数据c13～数据c15、以及数据a16～数据b18)。然后，数据发送单元140将读出的数据集设为训练用数据，发送到对模型进行训练的训练单元150。
步骤350中，数据管理系统100判定是否接收到响应。作为一例子，数据删除单元160根据接收到训练用数据的情况而判定是否接收到训练单元150发送的、训练用数据的肯定响应。取而代之，数据删除单元160也可以根据使用了训练用数据的模型的训练已结束而判定是否接收到表示训练单元150发送的、训练用数据已训练完成的响应。再者，如上述，这样的表示训练完成的响应，也可以包含训练用数据不需要再训练、允许删除该训练用数据的意旨。
在步骤350中判定为未接收到响应的情况下，数据管理系统100将处理返回到步骤350而继续进行流程。另一方面，在步骤350中被判断为接收到响应的情况下，数据管理系统100将处理进至步骤360。
在步骤360中，数据管理系统100从记录的测量数据中删除训练用数据。作为一例子，数据删除单元160访问数据记录单元120，从在步骤320中被记录的来自多个传感器的测量数据中，删除在步骤330中被作为训练用数据选择出的数据集(例如，数据a4～数据d10、数据d1～数据d20、数据c13～数据c15、以及数据a16～数据b18)。例如，数据删除单元160根据从训练单元150接收到训练用数据的肯定响应的情况，删除训练用数据。取而代之，数据删除单元160也可以根据从训练单元150接收到表示训练用数据已训练完成的响应，删除训练用数据。
再者，在上述说明中，作为一例子示出了数据删除单元160根据来自训练单元150的响应删除训练用数据的情况。然而，并未被限定于此。数据删除单元160也可以通过使训练用数据移动到训练单元150，删除训练用数据。这种情况下，数据删除单元160也可以与数据发送单元140一体地被构成。即，在步骤340中，从数据记录单元120将被作为训练用数据选择出的数据集(例如，数据a4～数据d10、数据d1～数据d20、数据c13～数据c15、以及数据a16～数据b18)发送到训练单元150时，数据发送单元140和数据删除单元160也可以不是复制并发送数据，而是使被记录的数据本身从数据记录单元120移动到训练单元150。这样，数据删除单元160也可以根据对训练单元150的发送，从记录的测量数据中删除训练用数据。
图4表示本实施方式的数据管理系统100删除训练用数据的前后中的测量数据的一例子。本图左侧表示训练用数据的删除前的测量数据的一例子。在本图左侧中，斜线部分是被作为训练用数据选择出的数据集、即数据a4～数据d10、数据d1～数据d20、数据c13～数据c15、以及数据a16～数据b18。通过图3的流程，本实施方式的数据管理系统100删除训练用数据、即本图左侧中的斜线部分的数据集。
本图右侧表示训练用数据的删除后的测量数据的一例子。如本图右侧所示，时刻T＝4～时刻T＝10中的测量数据对于所有传感器都被删除(图中，被逐行删除)。此外，来自传感器D的测量数据在全部的期间中被删除(图中，被逐列)。此外，在时刻T＝13～时刻T＝15中的来自传感器C的测量数据被删除(图中，表述为“N/A”)。同样，在时刻T＝16～时刻T＝18中的来自传感器A和传感器B的测量数据被删除(图中，表述为“N/A”)。这样，本实施方式的数据管理系统100将训练用数据发送到训练单元150，从被记录在数据记录单元120中的测量数据中，删除该训练用数据。
例如，可预计在OT(Operational Technology；运营技术)领域的过程控制系统与IT(Information Technology；信息技术)领域的系统结合等的数据量爆发性地增加。在这样的状况中，记录所有的数据是不现实的，需要削减数据量或取舍选择。以往，已知删除不适合训练的异常数据而制成训练数据的模型构建装置。在该模型构建装置中，在从被累积在数据库中的计测数据中制成训练数据作为新的数据集时，进行诸如不包含异常数据的取舍选择。因此，该模型构建装置不是删除被累积在数据库中的计测数据本身，无法削减被累积在数据库中的计测数据的数据量。此外，在该模型构建装置中，删除数据的基准为是否适合训练，而不是基于是否发送到执行训练的功能单元。
相对于此，本实施方式的数据管理系统100将训练用数据发送到对模型进行训练的功能单元，即，发送到训练单元150，从被记录在数据记录单元120中的测量数据中删除该训练用数据。由此，根据本实施方式的数据管理系统100，可以将被用于模型的训练的、或者被使用过的训练完成的数据从数据记录单元120选择性地删除，削减被记录在数据记录单元120中的测量数据的数据量。
此外，本实施方式的一方式的数据管理系统100不是单方面地删除训练用数据，而是根据来自训练单元150的响应，删除训练用数据。由此，根据本实施方式的数据管理系统100，例如，在向训练单元150的发送过程中发生了错误的情况等中，可以防止训练用数据被无意地删除。
此外，本实施方式的一方式的数据管理系统100根据来自训练单元150的表示训练用数据已训练完成的响应，删除训练用数据。由此，根据本实施方式的数据管理系统100，可以仅删除被实际地确认了训练结束的训练完成数据。
此外，本实施方式的一方式的数据管理系统100使训练用数据从数据记录单元120移动到训练单元150。由此，根据本实施方式的数据管理系统100，可以不需要来自训练单元150的响应，简化处理。
在上述说明中，作为一例子示出了数据管理系统100将被用于模型的训练的、或者被使用过的训练完成的数据一律删除的情况。然而，并不被限定于此。数据管理系统100即使是训练完成的数据，也可以从被记录在数据记录单元120中的测量数据中指定禁止删除的数据集。即，数据删除单元160具有禁止列表500，该禁止列表500对禁止删除的测量数据进行指定，在删除对象的训练用数据被禁止列表500指定了的情况下，数据删除单元160也可以禁止删除训练用数据。
图5表示本实施方式的数据管理系统100使用禁止列表500删除训练用数据的情况中的禁止列表500和删除后的测量数据的一例子。本图左侧表示禁止列表500。在本图左侧中，例如，假设以双线包围的区域被指定作为禁止删除的测量数据。作为一例子，特定的期间(例如，时刻T＝1～时刻T＝5)中的来自所有传感器的测量数据的数据集(例如，数据a1～d5)也可以被指定作为禁止删除的测量数据。此外，全部期间中的来自特定传感器(例如，传感器B)的测量数据的集合(例如，数据b1～b20)也可以被指定作为禁止删除的测量数据。此外，特定的期间(例如，时刻T＝15～时刻T＝20)中的来自特定传感器(例如，传感器D)的测量数据的集合也可以被指定作为禁止删除的测量数据。这样，禁止列表500也可以具有指定禁止删除的期间的项目、指定禁止删除的传感器的项目、以及指定禁止删除的期间和传感器的项目中的至少任一个。
这样的情况下，数据管理系统100禁止在训练用数据中删除由禁止列表500指定的测量数据。例如，数据管理系统100禁止在训练用数据中删除时刻T＝4～时刻T＝5中的来自传感器A的测量数据。同样，数据管理系统100禁止在训练用数据中删除时刻T＝4～时刻T＝10、以及时刻T＝16～时刻T＝18中的来自传感器B的测量数据。同样，数据管理系统100禁止在训练用数据中删除时刻T＝4～时刻T＝5中的来自传感器C的测量数据。同样，数据管理系统100禁止在训练用数据中删除时刻T＝1～时刻T＝5以及时刻T＝15～时刻T＝20中的来自传感器D的测量数据。
再者，这样的禁止列表500也可以基于用户输入而被设定。取而代之，数据管理系统100也可以设定禁止列表500。这种情况下，例如，数据管理系统100也可以取得在预定的期间中被记录在数据记录单元120中的测量数据的统计，基于该统计(例如，自动地提取奇异性的数据等)，自动地指定禁止删除的数据集。
本图右侧表示使用禁止列表500的情况中的删除后的测量数据的一例子。在本图中被表述为“N/A”的区域表示测量数据被删除的区域，即，表示训练用数据中未被禁止列表500指定的区域。另一方面，本图中斜线所示的区域表示被禁止删除测量数据的区域，即，表示训练用数据中被禁止列表500指定的区域。
这样，本实施方式的数据管理系统100使用禁止列表500，禁止删除一部分数据集。由此，根据本实施方式的数据管理系统100，可以防止在后面有参考可能性的、或者有其他用户参考可能性的测量数据被无意地删除。
再者，在上述说明中，作为一例子示出了数据管理系统100使用禁止删除的禁止列表500、即黑名单的情况。然而，取而代之，数据管理系统100也可以使用允许删除的允许列表600、即白名单，指定允许删除的数据集。即，数据删除单元160具有允许列表600，所述允许列表600对允许删除的测量数据进行指定，在删除对象的训练用数据被允许列表600指定的情况下，数据删除单元160也可以允许删除训练用数据。
图6表示本实施方式的数据管理系统100使用允许列表600删除了训练用数据的情况中的允许列表600和删除后的测量数据的一例子。本图左侧表示允许列表600。在本图左侧中，例如，假设以双线包围的区域被指定作为允许删除的测量数据的区域。作为一例子，特定的期间(例如，时刻T＝6～时刻T＝20)中的来自特定的传感器(例如，传感器A)的测量数据的数据集(例如，数据a6～a20)也可以被指定作为允许删除的测量数据。此外，特定的期间(例如，时刻T＝5～时刻T＝8)中的来自多个传感器(例如，传感器C和传感器D)的测量数据的集合(例如，数据c5～d8)也可以被指定作为允许删除的测量数据。这样，允许列表600也可以具有指定允许删除的期间的项目、指定允许删除的传感器的项目、以及指定允许删除的期间和传感器的项目中的至少一个。
这样的情况下，数据管理系统100允许删除训练用数据中被允许列表600指定的测量数据。例如，数据管理系统100删除时刻T＝6～时刻T＝10和时刻T＝16～时刻T＝18中的来自传感器A的测量数据。此外，数据管理系统100删除时刻T＝5～时刻T＝8中的来自传感器C和传感器D的测量数据。
再者，对于这样的允许列表600，也与禁止列表500同样，也可以基于用户输入而被设定。取而代之，数据管理系统100也可以设定允许列表600。这种情况下，例如，数据管理系统100在预先确定的期间中取得被记录在数据记录单元120中的测量数据的统计，基于该统计(例如，自动地提取与平均值或中心值之差比较小的数据等)，自动地指定允许删除的数据集。
本图右侧表示使用了允许列表600的情况中的删除后的测量数据的一例子。在本图中被表述为“N/A”的区域表示测量数据被删除的区域，即，诸如训练用数据中被允许列表600指定的区域。另一方面，在本图中以斜线所示的区域表示未被允许删除测量数据的区域，即，训练用数据中没有被允许列表600指定的区域。
这样，本实施方式的数据管理系统100使用允许列表600，允许删除一部分数据集。由此，根据本实施方式的数据管理系统100，可以仅将在后面有参考可能性低的、或者有其他用户参考可能性低的测量数据指定作为允许删除的数据。
再者，在上述说明中，作为一例子示出了使用禁止列表500和允许列表600中的任一个的情况。然而，并未被限定于此。数据管理系统100也可以使用禁止列表500和允许列表600两者，控制测量数据的删除。
这种情况下，数据删除单元160具有禁止列表500以及允许列表600，所述禁止列表500对禁止删除的测量数据进行指定，所述允许列表600对允许删除的测量数据进行指定，在删除对象的训练用数据被禁止列表500和允许列表600两者指定了的情况下，数据删除单元160也可以禁止删除训练用数据。
例如，在上述说明中，作为一例子示出了因被允许列表600允许删除，所以在时刻T＝5中来自传感器C和传感器D的测量数据被删除的情况。即，在图6中，作为一例子示出了数据c5和数据d5为“N/A”的情况。然而，这些数据c5和数据d5被禁止列表500禁止删除。这样，在禁止列表500和允许列表600之间被指定了重复的数据集的情况下，数据管理系统100也可以将禁止列表500优先。即，尽管被允许列表600允许删除数据c5和数据d5，但被禁止列表500禁止删除，所以数据管理系统100也可以禁止删除。
这样，在使用禁止列表500和允许列表600两者的情况下，本实施方式的数据管理系统100将禁止列表500优先。由此，根据本实施方式的数据管理系统100，例如，在分别由不同的用户设定了禁止列表500和允许列表600的情况等中，可以禁止一个用户使用禁止列表500禁止删除的数据集通过其他用户设定的允许列表被无意地删除。
可参照流程图和框图记载本发明的各种各样的实施方式，其中，框图也可表示(1)操作被执行的处理的阶段或(2)具有执行操作的作用的装置的部分。也可以通过专用电路、与存储于计算机可读取介质上的计算机可读指令一同提供的可编程电路、和/或与存储于计算机可读取介质上的计算机可读指令一同提供的处理器而实现特定的阶段和部分。专用电路可包含数字和/或模拟硬件电路，也可包含集成电路(IC)和/或分立电路。可编程电路也可以包含像逻辑“与”(AND)、逻辑“或”(OR)、逻辑“异或”(XOR)、逻辑“与非”(NAND)、逻辑“或非”(NOR)、以及其他逻辑操作、触发器、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等那样的存储器元素等的可重构硬件电路。
计算机可读取介质也可包含存储了由适当的设备执行的指令的任意有形的设备，其结果，具有存储于其内的指令的计算机可读取介质成为具备包含为了创建用于执行由流程图或框图指定的操作的方式而可被执行的指令的产品。作为计算机可读取介质的例子，也可以包含电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读取介质的更具体的例子，也可以包含软(注册商标)磁盘、磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、可电擦除可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、压缩光盘只读存储器(CD-ROM)、数字多用途盘(DVD)、蓝光(RTM)光盘、存储棒、集成电路卡等。
计算机可读指令包含诸如汇编指令、指令集架构(ISA)指令、机器指令、机器依赖指令、微代码、固件指令、状态设置数据、或Smalltalk(注册商标)、JAVA(注册商标)、C++等那样的面向对象的编程语言和“C”编程语言或像同样的编程语言那样传统的过程型编程语言，也可以包含由一个或多个编程语言的任意组合描述的源代码或目标代码的任一个。
计算机可读指令通过像本地网或局域网(LAN)、互联网等那样的广域网(WAN)而被提供给通用计算机、特殊目的的计算机、或其他可编程的数据处理装置的处理器或可编程电路，为了创建用于执行以流程图或框图指定的操作的方式，也可以执行计算机可读指令。作为处理器的例子，包含计算机处理器、处理组件、微处理器、数字信号处理器、控制器、微控制器等。
图7表示本发明的多个方式被整体或部分地具体体现的计算机2200的例子。被安装在计算机2200中的程序可以使计算机2200具有与本发明的实施方式的装置所关联的操作的功能或作为该装置的一个部分(section)或多个部分的功能、或可以执行该操作或该操作的一个部分或多个部分、和/或使计算机2200执行本发明的实施方式的进程(process)或该进程的阶段。为了使计算机2200执行与本说明书中记载的流程图和框图的块中的一些或全部相关联的特定的操作，那样的程序也可以由CPU2212执行。
本实施方式的计算机2200包含CPU2212、RAM2214、图形控制器2216、以及显示设备2218，它们通过主机控制器2210而被彼此连接。计算机2200还包含像通信接口2222、硬盘驱动器2224、DVD－ROM驱动器2226、以及IC卡驱动器那样的输入/输出组件，它们通过输入/输出控制器2220而连接到主机控制器2210。计算机还包含像ROM2230以及键盘2242那样的传统的输入/输出组件，它们通过输入/输出芯片2240连接到输入/输出控制器2220。
CPU2212根据存储于ROM2230和RAM2214内的程序进行动作，由此控制各组件(unit)。图形控制器2216获取在被提供给RAM2214内的帧缓冲器等或其自身中由CPU2212生成的图像数据，使图像数据显示在显示设备2218上。
通信接口2222通过网络与其他电子设备通信。硬盘驱动器2224存储由计算机2200内的CPU2212所使用的程序和数据。DVD－ROM驱动器2226从DVD－ROM2201读取程序或数据，将程序或数据通过RAM2214提供给硬盘驱动器2224。IC卡驱动器从IC卡读取程序和数据、和/或将程序和数据写入IC卡。
ROM2230在其内存储激活时由计算机2200执行的引导程序等、和/或依赖于计算机2200的硬件的程序。输入/输出芯片2240还可以将各种各样的输入/输出组件通过并行端口、串行端口、键盘端口、鼠标端口等连接到输入/输出控制器2220。
程序通过像DVD－ROM2201或IC卡那样的计算机可读介质提供。程序从计算机可读取介质被读取，还被安装在作为计算机可读取介质的例子的硬盘驱动器2224、RAM2214、或ROM2230中，由CPU2212执行。这些程序内所描述的信息处理被计算机2200读取，带来程序和上述各种各样类型的硬件资源之间的协作。也可以通过根据计算机2200的使用而实现信息的操作或处理来构成装置或方法。
例如，在计算机2200和外部设备间执行通信的情况下，CPU2212也可以执行被加载在RAM2214中的通信程序，基于通信程序中描述的处理，对通信接口2222指令进行通信处理。在CPU2212的控制下，通信接口2222读取被存储在像RAM2214、硬盘驱动器2224、DVD－ROM2201、或IC卡那样的记录介质内所提供的发送缓冲处理区域的发送数据，将读取出的发送数据发送到网络，或将从网络接收到的接收数据写入记录介质上所提供的接收缓冲处理区域等中。
此外，CPU2212也可以使得在存储于像硬盘驱动器2224、DVD－ROM驱动器2226(DVD－ROM2201)、IC卡等那样的外部记录介质中的文件或数据库的全部或必要的部分被RAM2214读取，对RAM2214上的数据执行各种各样的类型的处理。CPU2212接着将被处理过的数据写回外部记录介质中。
各种各样类型的程序、数据、表、以及数据库那样的各种各样类型的信息也可以被存储在记录介质中，接受信息处理。CPU2212对从RAM2214读取出的数据，也可以执行包含本公开随处记载的、由程序的指令序列所指定的各种各样的类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的搜索/置换等的各种各样的类型的处理，将结果写回RAM2214中。此外，CPU2212也可以搜索记录介质内的文件、数据库等中的信息。例如，在各自具有与第2属性的属性值相关联的第1属性的属性值的多个项目(entry)被存储在记录介质内的情况下，CPU2212也可以从该多个项目中搜索与第1属性的属性值所指定的条件一致的项目，读取存储于该项目内的第2属性的属性值，从而获取与满足预先确定的条件的第1属性相关联的第2属性的属性值。
在上面说明的程序或软件模块也可以被存储在计算机2200上或计算机2200附近的计算机可读介质中。此外，对连接到专用通信网络或互联网上的服务器系统内所提供的硬盘或RAM那样的记录介质可用作计算机可读介质，由该介质将程序通过网络提供给计算机2200。
以上，使用实施方式说明了本发明，但本发明的技术性范围没有被限定在上述实施方式记载的范围内。在上述实施方式中可附加多样的变更或改进，对本领域技术人员而言是显而易见的。从权利要求书的范围的记载中显而易见，附加了那样的变更或改进的形式也可以被包含在本发明的技术性范围内。
权利要求书、说明书和附图中所示的装置、系统、程序、以及方法中的动作、过程、步骤、以及阶段的各处理的执行顺序并未特别明确表示为“更靠前”、“之前”等，此外，应注意的是，只要不限于在后面的处理中使用前面的处理的输出，则可按任意的顺序实现。对于权利要求书、说明书、以及附图中的动作流程，为方便起见，即使使用“首先”、“接着”等进行了说明，也不意味着必须按该顺序实施。
标号说明
100 数据管理系统
110 数据获取单元
120 数据记录单元
130 数据选择单元
140 数据发送单元
150 训练单元
160 数据删除单元
500 禁止列表
600 允许列表
2200 计算机
2201 DVD－ROM
2210 主机控制器
2212 CPU
2214 RAM
2216 图形控制器
2218 显示设备
2220 输入/输出控制器
2222 通信接口
2224 硬盘驱动器
2226 DVD－ROM驱动器
2230 ROM
2240 输入/输出芯片
2242 键盘

Claims (12)

1.一种数据管理系统，具有：
数据获取单元，获取对测量对象测量出的测量数据；
数据记录单元，记录所述测量数据；
数据发送单元，将所述测量数据内的、用于模型的训练的训练用数据发送到对所述模型进行训练的训练单元；以及
数据删除单元，从记录的所述测量数据中，删除所述训练用数据。
2.如权利要求1所述的数据管理系统，其中，
所述数据删除单元根据来自所述训练单元的响应，删除所述训练用数据。
3.如权利要求2所述的数据管理系统，其中，
所述数据删除单元根据从所述训练单元接收到所述训练用数据的肯定响应的情况，删除所述训练用数据。
4.如权利要求2所述的数据管理系统，其中，
所述数据删除单元根据从所述训练单元接收到表示所述训练用数据已训练完成的响应，删除所述训练用数据。
5.如权利要求1所述的数据管理系统，其中，
所述数据删除单元通过使所述训练用数据移动到所述训练单元，删除所述训练用数据。
6.如权利要求1至5的任意一项所述的数据管理系统，其中，
所述数据删除单元具有禁止列表，所述禁止列表对禁止删除的测量数据进行指定，在删除对象的训练用数据被所述禁止列表指定了的情况下，所述数据删除单元禁止删除所述训练用数据。
7.如权利要求1至5的任意一项所述的数据管理系统，其中，
所述数据删除单元具有允许列表，所述允许列表对允许删除的测量数据进行指定，在删除对象的训练用数据被所述允许列表指定了的情况下，所述数据删除单元允许删除所述训练用数据。
8.如权利要求1至5的任意一项所述的数据管理系统，其中，
所述数据删除单元具有禁止列表以及允许列表，所述禁止列表对禁止删除的测量数据进行指定，所述允许列表对允许删除的测量数据进行指定，在删除对象的训练用数据被所述禁止列表和所述允许列表两者指定了的情况下，所述数据删除单元禁止删除所述训练用数据。
9.如权利要求1至8的任意一项所述的数据管理系统，其中，
所述数据管理系统还具有所述训练单元。
10.如权利要求1至9的任意一项所述的数据管理系统，其中，
所述数据管理系统还具有数据选择单元，所述数据选择单元从所述测量数据中选择所述训练用数据。
11.一种数据管理方法，具有如下步骤：
获取对测量对象测量出的测量数据；
记录所述测量数据；
将所述测量数据内的、用于模型的训练的训练用数据发送到对所述模型进行训练的训练单元；以及
从记录的所述测量数据中，删除所述训练用数据。
12.一种记录介质，记录了由计算机执行而使所述计算机作为如下单元发挥功能的数据管理程序：
获取对测量对象测量出的测量数据的数据获取单元；
记录所述测量数据的数据记录单元；
将所述测量数据内的、用于模型的训练的训练用数据发送到对所述模型进行训练的训练单元的数据发送单元；以及
从记录的所述测量数据中，删除所述训练用数据的数据删除单元。
CN202110102204.6A 2020-03-23 2021-01-26 数据管理系统、数据管理方法及记录介质 Active CN113435467B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-051054 2020-03-23
JP2020051054A JP7310673B2 (ja) 2020-03-23 2020-03-23 データ管理システム、データ管理方法、および、データ管理プログラム

Publications (2)

Publication Number Publication Date
CN113435467A true CN113435467A (zh) 2021-09-24
CN113435467B CN113435467B (zh) 2024-07-26

Family

ID=74194659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110102204.6A Active CN113435467B (zh) 2020-03-23 2021-01-26 数据管理系统、数据管理方法及记录介质

Country Status (4)

Country Link
US (1) US20210295212A1 (zh)
EP (1) EP3885927A1 (zh)
JP (1) JP7310673B2 (zh)
CN (1) CN113435467B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114408674A (zh) * 2021-12-13 2022-04-29 珠海格力电器股份有限公司 一种重量测量方法、电子设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023169587A (ja) * 2022-05-17 2023-11-30 横河電機株式会社 データ記録装置、データ記録方法、および、データ記録プログラム

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11259444A (ja) * 1998-03-12 1999-09-24 Toshiba Corp 関数近似モデル学習装置及び方法並びに関数近似モデル学習用プログラムを記録した記録媒体
WO2001031580A2 (en) * 1999-10-27 2001-05-03 Biowulf Technologies, Llc Methods and devices for identifying patterns in biological systems
JP2004287947A (ja) * 2003-03-24 2004-10-14 Sharp Corp データ管理装置およびデータ管理プログラム
JP2007257648A (ja) * 2007-04-09 2007-10-04 Sony Corp 記録再生装置、記録管理方法、記録媒体、並びにプログラム
CN103502899A (zh) * 2011-01-26 2014-01-08 谷歌公司 动态预测建模平台
US20150254469A1 (en) * 2014-03-07 2015-09-10 International Business Machines Corporation Data leak prevention enforcement based on learned document classification
CN107209842A (zh) * 2015-06-29 2017-09-26 谷歌公司 隐私保护训练语料库选择
JP2018033050A (ja) * 2016-08-25 2018-03-01 株式会社知能フレームワーク研究所 状態監視システム
US20190163666A1 (en) * 2017-11-29 2019-05-30 International Business Machines Corporation Assessment of machine learning performance with limited test data
CN109839915A (zh) * 2017-11-28 2019-06-04 横河电机株式会社 诊断装置、诊断方法及存储介质
US20190173949A1 (en) * 2017-03-22 2019-06-06 Hitachi, Ltd. Data processing system
US20190220937A1 (en) * 2016-07-01 2019-07-18 Nelson E. Brestoff Using classified text and deep learning algorithms to assess risk and provide early warning
CN110276074A (zh) * 2019-06-20 2019-09-24 出门问问信息科技有限公司 自然语言处理的分布式训练方法、装置、设备及存储介质
US20190370665A1 (en) * 2018-06-01 2019-12-05 DeepCube LTD. System and method for mimicking a neural network without access to the original training dataset or the target model

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5510642B2 (ja) 2010-02-25 2014-06-04 富士電機株式会社 予測・診断モデルの構築装置
JP6368487B2 (ja) * 2013-12-27 2018-08-01 トビラシステムズ株式会社 リスト生成装置
JP6173972B2 (ja) * 2014-06-10 2017-08-02 株式会社東芝 検出装置、修正システム、検出方法およびプログラム
US10599615B2 (en) * 2016-06-20 2020-03-24 International Business Machines Corporation System, method, and recording medium for recycle bin management based on cognitive factors
JP6661839B1 (ja) * 2018-07-23 2020-03-11 三菱電機株式会社 時系列データ診断装置、追加学習方法およびプログラム
JP7135640B2 (ja) * 2018-09-19 2022-09-13 日本電信電話株式会社 学習装置、抽出装置及び学習方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11259444A (ja) * 1998-03-12 1999-09-24 Toshiba Corp 関数近似モデル学習装置及び方法並びに関数近似モデル学習用プログラムを記録した記録媒体
WO2001031580A2 (en) * 1999-10-27 2001-05-03 Biowulf Technologies, Llc Methods and devices for identifying patterns in biological systems
JP2004287947A (ja) * 2003-03-24 2004-10-14 Sharp Corp データ管理装置およびデータ管理プログラム
JP2007257648A (ja) * 2007-04-09 2007-10-04 Sony Corp 記録再生装置、記録管理方法、記録媒体、並びにプログラム
CN103502899A (zh) * 2011-01-26 2014-01-08 谷歌公司 动态预测建模平台
US20150254469A1 (en) * 2014-03-07 2015-09-10 International Business Machines Corporation Data leak prevention enforcement based on learned document classification
CN107209842A (zh) * 2015-06-29 2017-09-26 谷歌公司 隐私保护训练语料库选择
US20190220937A1 (en) * 2016-07-01 2019-07-18 Nelson E. Brestoff Using classified text and deep learning algorithms to assess risk and provide early warning
JP2018033050A (ja) * 2016-08-25 2018-03-01 株式会社知能フレームワーク研究所 状態監視システム
US20190173949A1 (en) * 2017-03-22 2019-06-06 Hitachi, Ltd. Data processing system
CN109839915A (zh) * 2017-11-28 2019-06-04 横河电机株式会社 诊断装置、诊断方法及存储介质
US20190163666A1 (en) * 2017-11-29 2019-05-30 International Business Machines Corporation Assessment of machine learning performance with limited test data
US20190370665A1 (en) * 2018-06-01 2019-12-05 DeepCube LTD. System and method for mimicking a neural network without access to the original training dataset or the target model
CN110276074A (zh) * 2019-06-20 2019-09-24 出门问问信息科技有限公司 自然语言处理的分布式训练方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李天庆, 张毅, 张冰, 胡东成: "基于XML的体育数据规格化存储技术研究", 计算机工程与应用, no. 22, pages 6 - 7 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114408674A (zh) * 2021-12-13 2022-04-29 珠海格力电器股份有限公司 一种重量测量方法、电子设备及存储介质
CN114408674B (zh) * 2021-12-13 2023-03-17 珠海格力电器股份有限公司 一种重量测量方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN113435467B (zh) 2024-07-26
US20210295212A1 (en) 2021-09-23
JP2021149789A (ja) 2021-09-27
JP7310673B2 (ja) 2023-07-19
EP3885927A1 (en) 2021-09-29

Similar Documents

Publication Publication Date Title
US10216558B1 (en) Predicting drive failures
CN113435467A (zh) 数据管理系统、数据管理方法及记录介质
CN103493008A (zh) 镜像分析工具
JP7200694B2 (ja) センサノード、サーバ装置、識別システム、方法及びプログラム
CN114580263A (zh) 基于知识图谱的信息系统故障预测方法及相关设备
JP2016058027A (ja) データ処理装置、データ処理方法、およびプログラム
CN111797076A (zh) 数据清理方法、装置、存储介质及电子设备
CN113778797A (zh) 机械硬盘监测方法、装置、计算机设备和存储介质
CN113805796B (zh) 数据管理系统、数据管理方法及记录有数据管理程序的记录介质
US10725817B2 (en) Reducing spin count in work-stealing for copying garbage collection based on average object references
CN113408070B (zh) 发动机参数的确定方法、装置、设备及存储介质
US11755204B2 (en) Data management system, data management method, and recording medium for recording data management program
EP3879470A1 (en) Data management system and data management method
US20210174254A1 (en) Determination apparatus, recording medium with determination program recorded thereof, learning apparatus, and recording medium with learning program recorded thereof
CN113239883A (zh) 分类模型的训练方法、装置、电子设备以及存储介质
CN117408959A (zh) 模型的训练方法、缺陷检测方法、装置、电子设备及介质
CN115345600B (zh) 一种rpa流程的生成方法和装置
KR102091409B1 (ko) 전자장치 및 그 제어방법
CN108399118B (zh) 文件系统测试数据处理方法、装置、存储介质及终端
JP7310782B2 (ja) インターフェイス装置、インターフェイス方法、および、インターフェイスプログラム
CN115470190A (zh) 一种多存储池数据分类存储方法、系统与电子设备
KR20220169695A (ko) 전자장치 및 그 제어방법
CN113849696A (zh) 数据管理系统、数据管理方法及记录有数据管理程序的记录介质
CN111242195A (zh) 模型、保险风控模型训练方法、装置及电子设备
CN111797391A (zh) 高风险进程的处理方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant