DE112018004283T5

DE112018004283T5 - Vorrichtung zum schätzen einer umgebungstemperatur, verfahren zum schätzen einer umgebungstemperatur, programm und system

Info

Publication number: DE112018004283T5
Application number: DE112018004283.9T
Authority: DE
Inventors: Yusuke Bamba; Mamoru OGAKI; Koichi Tanoiri; Keita HASHI; Takuya Matsuda
Original assignee: Eizo Corp
Current assignee: Eizo Corp
Priority date: 2017-09-25
Filing date: 2018-09-07
Publication date: 2020-06-25
Also published as: US11287860B2; JP6723964B2; JP2019060642A; WO2019059000A1; US20200301487A1

Abstract

[Problem] Eine Vorrichtung zum Schätzen einer Umgebungstemperatur, ein Verfahren zum Schätzen einer Umgebungstemperatur, ein Programm und ein System sind vorgesehen, die zum Umsetzen von sowohl einer hohen Robustheit als auch Genauigkeit der Schätzung einer Umgebungstemperatur fähig sind.
[Mittel zur Behebung] Eine Vorrichtung zum Schätzen einer Umgebungstemperatur enthält ein neuronales Netz, eine Temperaturerfassungseinheit, die zum Erhalten von einem oder mehreren Temperaturwerten in der Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist, und eine Berechnungseinrichtung des neuronalen Netzes, die zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes konfiguriert ist. Eingabewerte, die durch die Berechnungseinrichtung des neuronalen Netzes in das neuronale Netz eingegeben werden, enthalten die Temperaturwerte, die durch die Temperaturerfassungseinheit erhalten werden, und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur.

Description

Technisches Gebiet
Die vorliegende Erfindung betrifft eine Vorrichtung zum Schätzen einer Umgebungstemperatur, ein Verfahren zum Schätzen einer Umgebungstemperatur, ein Programm und ein System.
Hintergrund der Erfindung
Technologien zum Schätzen der Umgebungstemperatur um eine Anzeigevorrichtung herum wurden vorgeschlagen, um Gradationscharakteristiken der Anzeigevorrichtung vorteilhaft beizubehalten.
Patentliteratur 1 offenbart eine Anzeigevorrichtung, die die Umgebungstemperatur unter Verwendung von zwei oder mehr Temperatursensoren, die in der Anzeigevorrichtung angeordnet sind, und der Korrelation zwischen den durch die Temperatursensoren erfassten Temperaturen schätzen kann.
Entgegenhaltungsliste
Patentliteratur
Patentliteratur 1: Japanische ungeprüfte Patentanmeldung mit der Veröffentlichungsnummer 2013-108801
Zusammenfassung der Erfindung
Technisches Problem
Die Patentliteratur 1 erfordert enorme Arbeitsstunden, um die Temperatursensoren zu positionieren oder Parameter anzupassen, die zum Schätzen der Umgebungstemperatur verwendet werden. Im Falle der Patentliteratur 1 muss die Bedienperson insbesondere die Parameter manuell anpassen, um die Genauigkeit der Schätzung zu erhöhen, was zu einer Erhöhung der Arbeitsstunden führt. Schafft es die Bedienperson nicht, die Schätzungsgenauigkeit zu erhöhen, muss dieselbe eine Nachbesserung durchführen, das heißt, die Temperatursensoren neu positionieren.
Die Patentliteratur 1 bestimmt die Korrelation zwischen den Temperaturen in der Annahme, dass das Kühlgebläse der Anzeigevorrichtung gemäß einem konstanten Steuerwert angetrieben wird. Der Grund dafür ist, dass, wenn der Steuerwert des Kühlgebläses dynamisch geändert wird, auch die durch die zwei oder mehr Temperatursensoren erfassten Temperaturen dynamisch geändert werden, was es äußerst schwierig macht, die Korrelation zwischen den Temperaturen auf der Basis der 4 der Patentliteratur 1 mathematisch zum Ausdruck zu bringen. Folglich würden dynamische Änderungen des Steuerwertes des Kühlgebläses in der Anzeigevorrichtung die Schätzungsgenauigkeit der Technologie der Patentliteratur 1 verringern.
Die vorliegende Erfindung erfolgte in Anbetracht des Voranstehenden und eine Aufgabe derselben ist, eine Vorrichtung zum Schätzen einer Umgebungstemperatur, ein Verfahren zum Schätzen einer Umgebungstemperatur und ein Programm zu liefern, die die Umgebungstemperatur mit weniger Arbeitsstunden und höherer Genauigkeit schätzen können, ohne von den Positionen der Temperatursensoren größtenteils abhängig zu sein.
Eine andere Aufgabe der vorliegenden Erfindung, ist eine Vorrichtung zum Schätzen einer Umgebungstemperatur, ein Verfahren zum Schätzen einer Umgebungstemperatur und ein Programm zu liefern, die die Umgebungstemperatur mit einer hohen Genauigkeit schätzen, selbst wenn der Steuerwert des Kühlgebläses dynamisch geändert wird.
Lösung des Problems
Die vorliegende Erfindung liefert eine Vorrichtung zum Schätzen einer Umgebungstemperatur mit einem neuronalen Netz, einer Temperaturerfassungseinheit, die zum Erhalten von einem oder mehreren Temperaturwerten in der Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist, und einer Berechnungseinrichtung des neuronalen Netzes, die zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes konfiguriert ist. Eingabewerte, die in das neuronale Netz durch die Berechnungseinrichtung des neuronalen Netzes eingegeben werden, enthalten die Temperaturwerte, die durch die Temperaturerfassungseinheit erhalten werden, und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur.
Nach der vorliegenden Erfindung wird die Umgebungstemperatur durch Eingeben von Parametern, die einen oder mehrere Temperaturwerte in der Vorrichtung zum Schätzen einer Umgebungstemperatur und den Wärmequellen-Steuerwert zum Steuern der Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur enthalten, in das neuronale Netz geschätzt. Folglich wird die Genauigkeit der Schätzung der Umgebungstemperatur extrem hoch.
Verschiedene Ausführungsformen der vorliegenden Erfindung werden unten beschrieben. Die nachstehenden Ausführungsformen können miteinander kombiniert werden.
Die Vorrichtung zum Schätzen einer Umgebungstemperatur enthält vorzugsweise ferner eine Kühlsteuerung, die zum Steuern des Inneren der Vorrichtung zum Schätzen einer Umgebungstemperatur basierend auf einem Kühlungs-Steuerwert konfiguriert ist, und die Eingabewerte enthalten den Kühlungs-Steuerwert.
Vorzugsweise ist die Kühlsteuerung zum dynamischen Steuern des Kühlungs-Steuerwertes konfiguriert.
Vorzugsweise enthalten die Eingabewerte die Änderungsmenge der Temperaturwerte in einer vorbestimmten Dauer.
Vorzugsweise ist die Wärmequelle eine Hintergrundbeleuchtung oder eine interne Schaltung.
Vorzugsweise enthalten die Eingabewerte eine Erregungs- bzw. Bestromungszeit von zumindest der Vorrichtung zum Schätzen einer Umgebungstemperatur und/oder der Wärmequelle.
Das neuronale Netz enthält vorzugsweise mehrere Berechnungsknoten, vorbestimmte Gewichte werden für die jeweiligen Berechnungsknoten eingestellt und die Gewichte werden durch maschinelles Lernen, das im Vorfeld durch eine andere Informationsverarbeitungsvorrichtung durchgeführt wird, oder durch maschinelles Lernen eingestellt, das durch die Vorrichtung zum Schätzen einer Umgebungstemperatur durchgeführt wird.
Ein anderer Aspekt liefert ein Verfahren zum Schätzen einer Umgebungstemperatur, das einen Temperaturerfassungsschritt zum Erhalten von einem oder mehreren Temperaturwerten in einer Vorrichtung zum Schätzen einer Umgebungstemperatur durch eine Temperaturerfassungseinheit und einen Berechnungsschritt des neuronalen Netzes zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung eines neuronalen Netzes durch eine Berechnungseinrichtung des neuronalen Netzes enthält. Eingabewerte, die in das neuronale Netz eingegeben werden, enthalten die Temperaturwerte, die durch die Temperaturerfassungseinheit erhalten werden, und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur.
Wieder ein anderer Aspekt liefert ein Programm zum Verursachen, dass ein Computer als ein neuronales Netz, eine Temperaturerfassungseinheit, die zum Erhalten von einem oder mehreren Temperaturwerten in einer Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist, und eine Berechnungseinrichtung des neuronalen Netzes fungiert, die zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes konfiguriert ist. Eingabewerte, die in das neuronale Netz durch die Berechnungseinrichtung des neuronalen Netzes eingegeben werden, enthalten die Temperaturwerte, die durch die Temperaturerfassungseinheit erhalten werden, und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur.
Noch ein wieder anderer Aspekt liefert ein System, das eine der obigen Vorrichtungen zum Schätzen einer Umgebungstemperatur und eine Informationsverarbeitungsvorrichtung enthält. Die Vorrichtung zum Schätzen einer Umgebungstemperatur und die Informationsverarbeitungsvorrichtung enthalten Kommunikationseinheiten, die konfiguriert sind, um Daten einander und neuronalen Netzen mitteilen zu können. Die neuronalen Netze enthalten jeweils mehrere Berechnungsknoten. Vorbestimmte Gewichte werden für die jeweiligen Berechnungsknoten eingestellt. Die Informationsverarbeitungsvorrichtung ist zum Erhalten, durch die Kommunikationseinheit, von Temperaturwerten, die durch die Temperaturerfassungseinheit der Vorrichtung zum Schätzen einer Umgebungstemperatur erhalten werden, und eines Wärmequellen-Steuerwertes zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert. Die Berechnungsknoten und die Gewichte werden durch maschinelles Lernen der Temperatur und des Wärmequellen-Steuerwertes unter Verwendung des neuronalen Netzes der Informationsverarbeitungsvorrichtung bestimmt, wobei die Temperaturwerte von der Vorrichtung zum Schätzen einer Umgebungstemperatur und der Wärmequellen-Steuerwert durch die Kommunikationseinheit der Informationsverarbeitungsvorrichtung erhalten werden. Die Vorrichtung zum Schätzen einer Umgebungstemperatur ist zum Erhalten der bestimmten Gewichte durch die Kommunikationseinheit konfiguriert.
Figurenliste

1 ist ein Blockdiagramm einer Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach einer ersten Ausführungsform der vorliegenden Erfindung
2 ist ein Konzeptdiagramm, das die Konfiguration eines neuronalen Netzes 20 und einer Berechnung des neuronalen Netzes zeigt, die durch eine Berechnungseinrichtung 14 des neuronalen Netzes durchgeführt wird.
3 ist ein Diagramm, das Gewichte w zeigt, die bei der Berechnung des neuronalen Netzes verwendet werden.
4A zeigt ein Beispiel einer Tabelle, die die Verhältnisse zwischen den in das neuronale Netz 20 eingegebenen Parametern und Eingangssignalen zeigt, und 4B zeigt ein Beispiel einer Tabelle, die die Verhältnisse zwischen Ausgangssignalen, die von dem neuronalen Netz 20 ausgegeben werden, und Umgebungstemperaturen zeigt.
5 ist ein Funktionsblockdiagramm, das eine Informationsverarbeitungsvorrichtung 30 zum Bestimmen von Gewichten w zeigt, die durch die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur bei der Berechnung des neuronalen Netzes verwendet werden.
6 ist ein Konzeptdiagramm, das den Aspekt des maschinellen Lernens zeigt, das durch die Informationsverarbeitungsvorrichtung 30 unter Verwendung eines neuronalen Netzes 50 durchgeführt wird.
7 ist ein Ablaufplan, der einen Ablauf zeigt, der mit dem Einstellen der Gewichte w für die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur endet.
8 ist ein Blockdiagramm einer Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach einer zweiten Ausführungsform der vorliegenden Erfindung.
9 ist ein Funktionsblockdiagramm eines Systems 60 nach einer dritten Ausführungsform der vorliegenden Erfindung.
10A ist ein Graph, der zeitliche Änderungen von Temperaturwerten, die durch zwei Temperatursensoren erfasst werden, in einem Fall zeigt, in dem ein Kühlgebläse in einer feststehenden Weise angetrieben wird, und 10B ist ein Graph, der zeitliche Änderungen von Temperaturwerten, die durch zwei Temperatursensoren erfasst werden, in einem Fall zeigt, in dem ein Kühlgebläse variabel gesteuert wird.
11 ist ein Graph, der zwei Umgebungstemperaturen, die durch die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach einer der Ausführungsformen der vorliegenden Erfindung geschätzt werden, und eine Umgebungstemperatur zeigt, die unter Verwendung von zwei Temperatursensoren ohne Anwenden der vorliegenden Erfindung geschätzt wird.
12 ist eine schematische Darstellung, die das Verhältnis zwischen der Eingangs-Gradation, die in die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur eingegeben wird, und der Luminanz der Anzeige 3 zeigt.
13A zeigt Anzeige-Kennlinien der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach einer der Ausführungsformen der vorliegenden Erfindung und 13B zeigt Anzeige-Kennlinien einer Anzeigevorrichtung, die die Umgebungstemperatur nicht schätzt.

Beschreibung der Ausführungsformen
Nun werden Ausführungsformen der vorliegenden Erfindung in Bezug auf die Zeichnungen beschrieben werden. Verschiedene Merkmale, die in den nachstehenden Ausführungsformen beschrieben werden, können miteinander kombiniert werden.
Erste Ausführungsform
Nun in Bezug auf die 1 bis 7 wird eine Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach einer ersten Ausführungsform der vorliegenden Erfindung beschrieben werden. Beispielsweise kann die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der ersten Ausführungsform auf Anzeigevorrichtungen angewandt werden. Nachstehend wird ein Beispiel beschrieben werden, bei dem die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur auf eine Anzeigevorrichtung angewandt wird.
Vorrichtung 1 zum Schätzen einer Umgebungstemperatur
Wie in 1 gezeigt, enthält die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur eine Betätigungseinheit 2, eine Anzeige 3, eine Hintergrundbeleuchtung 4, ein Kühlgebläse 5, ein Substrat 6, eine Temperaturerfassungseinheit 7, eine Speichereinheit 8, eine Kommunikationseinheit 9, eine Steuerung 10 und ein neuronales Netz 20 (in den Zeichnungen durch NN angegeben; gleiches gilt nachstehend).
Die Betätigungseinheit 2 ist beispielsweise ein Touchscreen, eine Tastatur, Schalter, eine Spracheingabeeinheit oder ein Bewegungsdetektor und wird zum Betätigen der Anzeige 3 verwendet. Beispielsweise handhabt die Bedienperson verschiedene Arten eines On-Screen Display (OSD; zu Deutsch: Bildschirmanzeige) der Einstellungsinformationen unter Verwendung der Betätigungseinheit 2. Die Anzeige 3 ist beispielsweise eine Flüssigkristallanzeige, eine organische EL-Anzeige, eine Touchscreen-Anzeige oder eine beliebige andere Art von Anzeige und zeigt verschiedene Arten von Bildern (einschließlich Fest- und Bewegtbilder) an. Die Hintergrundbeleuchtung 4 beleuchtet die Anzeige 3 und kann eine Wärmequelle sein, die Wärme in die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur abgibt. Die Hintergrundbeleuchtung 4 ist derart konfiguriert, dass die Lichtstärke derselben durch einen Wärmequellen-Steuerwert (der später zu erörtern ist) gesteuert werden kann. Das Kühlgebläse 5 ist in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur angeordnet und wird zum Kühlen der Innenseite der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur verwendet. Das Kühlgebläse 5 ist derart konfiguriert, dass die Antriebsstärke desselben durch einen Kühlungs-Steuerwert (der später zu erörtern ist) gesteuert werden kann. Das Substrat 6 weist interne Schaltungen auf demselben auf, die in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur angeordnet sind. Wie bei der Hintergrundbeleuchtung 4, sind die internen Schaltungen, die auf dem Substrat 6 angeordnet sind, ein Beispiel einer Wärmequelle. Mit anderen Worten ist die Wärmequelle bei der vorliegenden Ausführungsform die Hintergrundbeleuchtung 4 oder die internen Schaltungen.
Wenn die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur auf eine Anzeigevorrichtung mit einer organischen EL-Anzeige angewandt wird, ist die Hintergrundbeleuchtung 4 kein wesentliches Element, da die organische EL-Anzeige Licht spontan emittiert.
Die Temperaturerfassungseinheit 7 ist beispielsweise ein Temperatursensor und erhält einen oder mehrere Temperaturwerte in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur. Die Temperaturwerte können tatsächliche Temperaturen sein oder können Werte, die einer vorbestimmten Verarbeitung unterzogen wurden, oder Werte sein, die proportionale Relationen oder Korrelationen mit den tatsächlichen Temperaturen aufweisen. Beispielsweise kann der Temperaturwert 0 sein, wenn die Temperatur 0°C beträgt, und 1 sein, wenn die Temperatur 100°C beträgt. Die Temperaturerfassungseinheit 7 kann an einer beliebigen Position in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur angeordnet sein. Die Speichereinheit 8 ist beispielsweise ein Speicher, HDD oder SSD und speichert verschiedene Arten von Daten oder Programmen. Die Kommunikationseinheit 9 ist eine beliebige Art von I/O und überträgt und empfängt verschiedene Arten von Daten zu und von der Steuerung 10 oder einer anderen Informationsverarbeitungsvorrichtung.
Die Steuerung 10 enthält eine Wärmequellen-Steuerung 11, eine Kühlsteuerung 12, eine Einrichtung 13 zum Berechnen einer Temperatur-Änderungsmenge und eine Berechnungseinrichtung 14 des neuronalen Netzes (durch NN-Berechnungseinrichtung in den Zeichnungen angegeben; gleiches gilt nachstehend). Die Wärmequellen-Steuerung 11 steuert die Wärmequelle in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur basierend auf dem Wärmequellen-Steuerwert. Bei der vorliegenden Ausführungsform wird die Hintergrundbeleuchtung 4 als Wärmequelle gehandhabt und der Wärmequellen-Steuerwert ist der eingestellte Luminanzwert der Hintergrundbeleuchtung 4. Der Wärmequellen-Steuerwert (eingestellter Luminanzwert) kann jeder beliebige Wert sein und beispielsweise 0 (ein eingestellter Wert, bei dem die Luminanz der Hintergrundbeleuchtung 4 minimiert ist (0)) bis 100 sein (ein eingestellter Wert, bei dem die Luminanz der Hintergrundbeleuchtung 4 maximiert ist). Die Kühlsteuerung 12 steuert die Innenseite der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur basierend auf dem Kühlungs-Steuerwert. Bei der vorliegenden Ausführungsform ist der Kühlungs-Steuerwert der Steuerwert des Kühlgebläses 5. Der Kühlungs-Steuerwert kann jeder beliebige Wert sein und beispielsweise 0 (ein eingestellter Wert, bei dem der Antrieb des Kühlgebläses 5 minimiert ist (das Kühlgebläse 5 hält an)) bis 100 sein (ein eingestellter Wert, bei dem der Antrieb des Kühlgebläses 5 maximiert ist). Die Kühlsteuerung 12 ist zum dynamischen Steuern des Kühlungs-Steuerwertes konfiguriert. Folglich ist dieselbe fähig, die Antriebsstärke des Kühlgebläses 5 dynamisch zu ändern. Folglich erhöht die Kühlsteuerung 12 die Antriebsstärke des Kühlgebläses 5, wenn die Temperatur in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur hoch ist; verringert dieselbe die Antriebsstärke des Kühlgebläses 5, wenn die Temperatur in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur gering ist, wobei eine Verringerung des Leistungsverbrauchs ermöglicht wird.
Die Einrichtung 13 zum Berechnen einer Temperatur-Änderungsmenge berechnet die Änderungsmenge des Temperaturwertes in einer vorbestimmten Dauer basierend auf Temperaturwerten, die durch die Temperaturerfassungseinheit 7 erhalten werden. Die vorbestimmte Dauer kann jede beliebige Zeitdauer sein und beispielsweise 1 s, 10 s, 30 s, 1 min, 3 min, 5 min, 10 min oder eine längere oder kürzere Dauer als diese Dauern sein. Die Berechnungseinrichtung 14 des neuronalen Netzes schätzt die Umgebungstemperatur um die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes 20 (später zu erörtern). Bei der vorliegenden Ausführungsform gibt die Berechnungseinrichtung 14 des neuronalen Netzes Eingabewerte basierend auf Parametern in das neuronale Netz 20 ein. Die Eingabewerte, die durch die Berechnungseinrichtung 14 des neuronalen Netzes in das neuronale Netz 20 eingegeben werden, enthalten die Temperaturwerte, die durch die Temperaturerfassungseinheit 7 erhalten werden, und den Wärmequellen-Steuerwert zum Steuern der Wärmequelle in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur. Wie hierin verwendet, bezieht sich der Ausdruck „Umgebungstemperatur“ auf eine Temperatur, die durch eine durch das Erwärmen der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur verursachte Temperaturerhöhung nicht beeinträchtigt wird, oder dergleichen. Wenn sich die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur in einem Gebäude befindet, ist die Umgebungstemperatur folglich in etwa gleich der Innentemperatur; wenn sich die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur im Freien befindet, ist dieselbe in etwa gleich der Außentemperatur. Insbesondere gibt die Berechnungseinrichtung 14 des neuronalen Netzes die Temperaturwerte, die durch die Temperaturerfassungseinheit 7 erhalten werden, und den Wärmequellen-Steuerwert zum Steuern der Wärmequelle in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur in das neuronale Netz 20 ein und gibt die Umgebungstemperatur um die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur herum aus. Details der Berechnungseinrichtung 14 des neuronalen Netzes werden später in Bezug auf die 3 und 4 beschrieben werden.
Das neuronale Netz 20 enthält mehrere Berechnungsknoten N und empfängt Eingabewerte basierend auf Parametern. Vorbestimmte Gewichte w werden für die jeweiligen Berechnungsknoten N eingestellt. Ein Gewicht w gibt die Verbindungseffizienz eines Berechnungsknotens N an und wird auch Verbindungsgewicht genannt. Das neuronale Netz 20 kann als Software oder Hardware implementiert werden. Beispielsweise kann dasselbe auf der Firmware der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur implementiert werden. Bei der vorliegenden Ausführungsform werden die Gewichte w durch maschinelles Lernen, das im Vorfeld durch eine andere Informationsverarbeitungsvorrichtung 30 (später zu erörtern) durchgeführt wird, oder maschinelles Lernen eingestellt, das in der Vorrichtung zum Schätzen einer Umgebungstemperatur durchgeführt wird. Details werden später beschrieben werden.
Wie in 2 gezeigt, enthält das neuronale Netz 20 mehrere Schichten (erste bis dritte Schichten L1 bis L3) und mehrere Berechnungsknoten N (N11 bis N31). Hier gibt Nij den j-ten Berechnungsknoten N in der i-ten Schicht an. Bei der vorliegenden Ausführungsform wird das neuronale Netz 20 in der Annahme konstruiert, dass i=3 und j=5 ist. Man beachte, dass i und j nicht diese Werte sein müssen und beispielsweise ganze Zahlen von 1 bis 100 oder ganze Zahlen größer als 100 sein können.
Die vorbestimmten Gewichte w werden für die jeweiligen Berechnungsknoten N eingestellt. Wie in 3 gezeigt, wird beispielsweise dem Berechnungsknoten N23 in der zweiten Schicht Beachtung geschenkt. In diesem Fall werden Gewichte w zwischen dem Berechnungsknoten N23 und allen Berechnungsknoten N11 bis N15 in der ersten Schicht eingestellt, die die vorangehende Schicht ist. Beispielsweise sind die Gewichte w Werte von -1 bis 1.
Die Berechnungseinrichtung 14 des neuronalen Netzes gibt Parameter in das neuronale Netz 20 ein. Bei der vorliegenden Ausführungsform sind die in das neuronale Netz 20 eingegebenen Parameter ein erster Temperaturwert, ein zweiter Temperaturwert, der Wärmequellen-Steuerwert, der Kühlungs-Steuerwert, eine erste Temperatur-Änderungsmenge und eine zweite Temperatur-Änderungsmenge. Wie hierin verwendet, beziehen sich die Ausdrücke „erster Temperaturwert und zweiter Temperaturwert“ auf Temperaturwerte basierend auf einer ersten Temperatur und einer zweiten Temperatur, die durch zwei Temperatursensoren erfasst werden, die als die Temperaturerfassungseinheit 7 vorgesehen sind. Die Ausdrücke „erste Temperatur-Änderungsmenge und zweite Temperatur-Änderungsmenge“ beziehen sich auf die Änderungsmenge des ersten Temperaturwertes und die Änderungsmenge des zweiten Temperaturwertes in einer vorbestimmten Dauer.
Wie oben ersichtlich ist, enthalten bei der vorliegenden Ausführungsform die in das neuronale Netz 20 eingegebenen Eingabewerte die Temperaturwerte und den Wärmequellen-Steuerwert sowie den Kühlungs-Steuerwert und die Änderungsmengen der Temperaturwerte in der vorbestimmten Dauer.
Wie in 4 gezeigt, werden die Parameter auf Werte von 0 bis 1 normalisiert, bevor dieselben in das neuronale Netz 20 eingegeben werden. Zur Vereinfachung wird bei der vorliegenden Ausführungsform angenommen, dass alle Parameter 0 bis 100 betragen und in Eingabewerte von 0 bis 1 umgewandelt werden. Beispielsweise wird, wenn die erste Temperatur 0°C beträgt, dieselbe als ein Eingangssignal von 0 (= erster Temperaturwert) eingegeben. Wenn die erste Temperatur 100°C beträgt, wird dieselbe als ein Eingangssignal von 1 (= erster Temperaturwert) eingegeben. Für den Wärmequellen-Steuerwert wird, wenn der eingestellte Luminanzwert 0 ist, derselbe als ein Eingangssignal von 0 (= Wärmequellen-Steuerwert) eingegeben. Wenn der eingestellte Luminanzwert 100 ist, wird derselbe als ein Eingangssignal von 1 (= Wärmequellen-Steuerwert) eingegeben. Die anderen Parameter von 0 bis 100 werden auch in Eingangssignale von 0 bis 1 umgewandelt.
Wie in 2 gezeigt, gibt die Berechnungseinrichtung 14 des neuronalen Netzes die Eingangssignale, die von den Parametern umgewandelt werden, in die erste Schicht L1 ein. Die Signale werden jeweils von den Berechnungsknoten N11 bis N15 in der ersten Schicht an die Berechnungsknoten N21 bis N25 in der zweiten Schicht L2 ausgegeben. Zu diesem Zeitpunkt geben die Berechnungsknoten N11 bis N15 jeweils Werte an die Berechnungsknoten N21 bis N25 aus, die durch Multiplizieren der Eingabewerte mit den Gewichten w erhalten werden, die für die jeweiligen Berechnungsknoten N eingestellt sind. Die Berechnungsknoten N21 bis N25 addieren jeweils die Eingabewerte auf, addieren einen Bias b, in 3 gezeigt, zu dem aufaddierten Eingabewert (ein resultierender Wert) und geben den resultierenden Wert in eine Aktivierungsfunktion f() ein. Dann werden die Ausgangswerte der Aktivierungsfunktion f() (Ausgangswerte von einem virtuellen Berechnungsknoten N'23 in einem Beispiel in 3) zu dem Berechnungsknoten N31 propagiert, der der nachfolgende Knoten ist. Zu diesem Zeitpunkt werden Werte, die durch Multiplizieren der Ausgabewerte mit Gewichten erhalten werden, die zwischen den Berechnungsknoten N21 bis N25 und dem Berechnungsknoten N31 eingestellt sind, in den Berechnungsknoten N31 eingegeben. Der Berechnungsknoten N31 addiert die Eingabewerte auf und gibt den resultierenden Wert als Ausgabewert aus. Zu diesem Zeitpunkt kann der Berechnungsknoten N31 die Eingabewerte aufaddieren, einen Bias zu dem aufaddierten Wert addieren, den resultierenden Wert in eine Aktivierungsfunktion eingeben und den Ausgabewert derselben als ein Ausgangssignal ausgeben. Bei der vorliegenden Ausführungsform wird der Wert des Ausgangssignals angepasst, um ein Wert von 0 bis 1 zu werden. Wie in 4B gezeigt, gibt die Berechnungseinrichtung 14 des neuronalen Netzes dann einen Wert, der dem Wert des Ausgangssignals entspricht, als eine geschätzte Umgebungstemperatur aus.
Die Steuerung 10 passt die Luminanz, Chromatizität oder Unebenheit der Anzeige 3 basierend auf der geschätzten Umgebungstemperatur an. Um die Gradationscharakteristiken der Anzeige 3 zu korrigieren, passt die Steuerung 10 beispielsweise die Luminanz der Anzeige 3 durch Umschreiben einer LUT-Tabelle (nicht gezeigt) (Gammakorrektur) basierend auf der geschätzten Umgebungstemperatur an.
Wie oben ersichtlich ist, ist bei der vorliegenden Ausführungsform die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur zum Schätzen der Umgebungstemperatur mit höherer Genauigkeit als eine herkömmliche Genauigkeit durch Eingeben der Parameter in das neuronale Netz 20 als Eingabewerte und unter Verwendung der Gewichte w fähig, die durch maschinelles Lernen, das im Vorfeld durch eine andere Informationsverarbeitungsvorrichtung 30 durchgeführt wird, oder durch maschinelles Lernen eingestellt werden, das durch die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur durchgeführt wird.
Zwar wird bei der vorliegenden Ausführungsform die Änderungsmenge des Temperaturwertes in der vorbestimmten Dauer als ein Eingabewert verwendet, der in das neuronale Netz 20 eingegeben wird, aber die Bestromungszeit von zumindest der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur und/oder der Wärmequelle kann als ein Eingabewert verwendet werden, der anstelle der Änderungsmenge des Temperaturwertes in das neuronale Netz 20 eingegeben wird. Beispielsweise kann die Bestromungszeit der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur, wobei die Hintergrundbeleuchtung nicht bestromt wird, als ein Eingabewert verwendet werden.
Informationsverarbeitungsvorrichtung 30
Als Nächstes in Bezug auf 5 wird die Informationsverarbeitungsvorrichtung 30 beschrieben werden, die die Gewichte w der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur einstellt.
Wie in 5 gezeigt, enthält die Informationsverarbeitungsvorrichtung 30 eine Kommunikationseinheit 31, eine Parametererfassungseinheit 32, eine Speichereinheit 33, eine Steuerung 40 und ein neuronales Netz 50. Beispielsweise ist die Informationsverarbeitungsvorrichtung 30 ein Computer, Server oder dergleichen. Die Kommunikationseinheit 31, die Speichereinheit 33 und das neuronale Netz 50 weisen Funktionen ähnlich denen der Kommunikationseinheit 9, der Speichereinheit 8 und des neuronalen Netzes 20 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur auf und werden daher nicht beschrieben werden. Bei der vorliegenden Ausführungsform sind die Kommunikationseinheit 9 und die Kommunikationseinheit 31 konfiguriert, um Daten zu einander übertragen und voneinander empfangen zu können. Die Anzahl an Schichten und die Konfiguration der Berechnungsknoten N in dem neuronalen Netz 50 kann durch den Entwickler nach Bedarf angemessen ausgelegt werden.
Die Parametererfassungseinheit 32 erhält die Parameter, die in das neuronale Netz 20 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur eingegeben werden. Die Informationsverarbeitungsvorrichtung 30 erhält die Parameter von der Kommunikationseinheit 9 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur durch die Kommunikationseinheit 31. Die Kommunikationseinheit 9 und die Kommunikationseinheit 31 können in beliebiger Form miteinander verbunden sein, die eine verdrahtete oder drahtlose Form enthält.
Die Steuerung 40 enthält eine Einrichtung 41 zum Berechnen einer Temperatur-Änderungsmenge, eine Berechnungseinrichtung 42 des neuronalen Netzes, eine Einrichtung 43 zum Durchführen eines maschinellen Lernens und eine Gewichteinstellungseinheit 44. Die Einrichtung 41 zum Berechnen einer Temperatur-Änderungsmenge und die Berechnungseinheit 42 des neuronalen Netzes weisen Funktionen ähnlich denen der Einrichtung 13 zum Berechnen einer Temperatur-Änderungsmenge und Berechnungseinrichtung 14 des neuronalen Netzes der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur auf und werden daher nicht beschrieben werden.
Die Einrichtung 43 zum Durchführen eines maschinellen Lernens führt maschinelles Lernen zum Schätzen der Umgebungstemperatur durch Eingeben der Parameter, die durch die Parametererfassungseinheit 32 erhalten werden, in das neuronale Netz 50 und Wiederholen einer Berechnung unter Verwendung der Berechnungseinrichtung 42 des neuronalen Netzes durch. Die Einrichtung 43 zum Durchführen eines maschinellen Lernens bestimmt dann die Gewichte w basierend auf den Ergebnissen des maschinellen Lernens.
Die Gewichteinstellungseinheit 44 stellt für das neuronale Netz 50 die bestimmten Gewichte w, die für die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur 1 einzustellen sind, als Ergebnis des maschinellen Lernens ein, das durch die Einrichtung 43 zum Durchführen eines maschinellen Lernens durchgeführt wird.
Nachstehend wird das durch die Informationsverarbeitungsvorrichtung 30 durchgeführte maschinelle Lernen beschrieben werden.
Wie in 6 gezeigt, stellt die Einrichtung 43 zum Durchführen eines maschinellen Lernens Gewichte w von beispielsweise -1 bis 1 für die Berechnungsknoten N ein, die das neuronale Netz 50 mit der gleichen Konfiguration wie das in 2 gezeigte neuronale Netz 20 bilden. Um den Einfluss der Gewichte w zu verringern, wird bevorzugt, anfänglich Gewichte w mit geringen Absolutwerten einzustellen. Die Einrichtung 43 zum Durchführen eines maschinellen Lernens gibt dann einen Satz von sechs Eingabewerten, die durch die Informationsverarbeitungsvorrichtung 30 erhalten werden, in das neuronale Netz 50 ein. Die Einrichtung 43 zum Durchführen eines maschinellen Lernens führt dann einen Vergleich zwischen einem Ausgangssignal von dem neuronalen Netz 50 und Lehrdaten durch, die einen tatsächlich gemessenen Umgebungstemperaturwert angeben. Wenn die Differenz zwischen dem Ausgangssignal und den Lehrdaten (nachstehend als der „Fehler“ bezeichnet) gleich einer vorbestimmten Schwelle oder größer als dieselbe ist, ändert die Einrichtung 43 zum Durchführen eines maschinellen Lernens die Gewichte w und gibt den Satz von sechs Eingabewerten erneut in das neuronale Netz 50 ein. Zu diesem Zeitpunkt werden die Gewichte unter Verwendung einer Rückwärtspropagierung oder dergleichen geändert. Durch wiederholtes Durchführen solch einer Berechnung (maschinelles Lernen) wird der Fehler zwischen dem Ausgangssignal von dem neuronalen Netz 50 und den Lehrdaten minimiert. Die Häufigkeit des maschinellen Lernens ist nicht auf eine bestimmte Häufigkeit beschränkt und kann beispielsweise 1.000 bis 20.0000-mal betragen. Selbst wenn der Fehler zwischen dem Ausgangssignal und den zuvor gegebenen Lehrdaten nicht wirklich minimiert wird, kann das maschinelle Lernen beendet werden, wenn der Fehler gleich der vorbestimmten Schwelle oder geringer als dieselbe wird, oder durch den Entwickler zu einem beliebigen Zeitpunkt beendet werden.
Nachdem die Einrichtung 43 zum Durchführen eines maschinellen Lernens das maschinelle Lernen beendet, stellt die Gewichteinstellungseinheit 44 dann die Gewichte der Berechnungsknoten N für das neuronale Netz 50 ein. Insbesondere werden bei der vorliegenden Ausführungsform die Gewichte w in einer Speichereinheit, wie beispielsweise ein Speicher, gespeichert, die auf dem neuronalen Netz 50 vorgesehen ist. Die durch die Gewichteinstellungseinheit 44 eingestellten Gewichte w werden dann durch die Kommunikationseinheit 31 zu der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur übertragen und als die Gewichte der Berechnungsknoten N des neuronalen Netzes 20 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur verwendet. Bei der vorliegenden Ausführungsform werden die Gewichte w in einer Speichereinheit, wie beispielsweise ein Speicher, gespeichert, die auf dem neuronalen Netz 20 vorgesehen ist. Durch Konfigurieren des neuronalen Netzes 20 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur derart, wie das neuronale Netz 50 der Informationsverarbeitungsvorrichtung 30 konfiguriert ist, können die durch die Gewichteinstellungseinheit 44 eingestellten Gewichte w direkt verwendet werden.
Prozess, der zwischen der Informationsverarbeitungsvorrichtung 30 und der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur durchgeführt wird
Als Nächstes in Bezug auf 7 wird ein Prozess beschrieben werden, der zwischen der Informationsverarbeitungsvorrichtung 30 und der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur durchgeführt wird.
Wie in 7 gezeigt, stellt bei der vorliegenden Ausführungsform beispielsweise der Entwickler die Gewichte w unter Verwendung der Informationsverarbeitungsvorrichtung 30 ein, implementiert die Gewichte w auf der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur und dann wird die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur auf dem Markt verkauft. Nachstehend wird ein Prozess beschrieben werden, der mit dem Einstellen der Gewichte w für die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur endet.
Zunächst erhält die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur bei S11 die sechs Eingabewerte, die in den 2 und 6 gezeigt sind, von der Temperarturerfassungseinheit 7 und dergleichen. Wenn die Umgebungstemperatur um die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur 1 herum 25°C beträgt, wird beispielsweise angenommen, dass die sechs Eingabewerte wie folgt sind.

• Erster Temperaturwert: 0,25
• Zweiter Temperaturwert: 0,3
• Wärmequellen-Steuerwert: 0,5
• Kühlungs-Steuerwert: 0,3
• Erste Temperatur-Änderungsmenge: 0,01
• Zweite Temperatur-Änderungsmenge: 0,02

Die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur speichert die Eingabewerte in der Speichereinheit 8 als einen Satz.
Dann speichert die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur in der Speichereinheit 8 einen Satz von sechs Eingabewerten, die durch Ändern der Umgebungstemperatur um die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur herum erhalten werden. Ähnlich speichert die Einrichtung 1 zur Schätzung einer Umgebungstemperatur in der Speichereinheit 8 einen Satz von sechs Eingabewerten, die durch Ändern des Wärmequellen-Steuerwertes erhalten werden, und einen Satz von sechs Eingabewerten, die durch Ändern des Kühlungs-Steuerwertes erhalten werden. Die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur erhält auch die Temperatur-Änderungsmenge in der vorbestimmten Dauer.
Dann wird bei S12 die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur mit der Informationsverarbeitungsvorrichtung 30 verbunden und überträgt die mehreren Eingabewert-Sätze zu der Informationsverarbeitungsvorrichtung 30. Die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur kann mit der Informationsverarbeitungsvorrichtung 30 in S11 oder vor S11 verbunden werden. In diesem Fall kann die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur bei S11 die Sätze der sechs Eingabewerte direkt zu der Informationsverarbeitungsvorrichtung 30 ohne Speichern derselben in der Speichereinheit 8 übertragen.
Bei S21 empfängt die Informationsverarbeitungsvorrichtung 30 die Eingabewert-Sätze, die durch die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur erhalten werden.
Bei S22 arbeiten die Berechnungseinrichtung 42 des neuronalen Netzes, die Einrichtung 43 zum Durchführen eines maschinellen Lernens und das neuronale Netz 50 zusammen, um das obige maschinelle Lernen durchzuführen. Wie in 6 gezeigt, wird insbesondere ein Satz von sechs Eingabewerten in die erste Schicht L1 eingegeben, die Berechnungsknoten führen eine Gewichtungsoperation durch und das neuronale Netz 50 gibt ein Ausgangssignal aus.
Dann überprüft die Einrichtung 43 zum Durchführen eines maschinellen Lernens bei S23 den Fehler (Temperaturfehler) zwischen dem Ausgangssignal des neuronalen Netzes 50 und den zuvor gegebenen Lehrdaten und bestimmt, ob der Temperaturfehler gleich der vorbestimmten Schwelle oder kleiner als dieselbe geworden ist. Wie in 6 gezeigt, wird beispielsweise angenommen, dass die tatsächliche Umgebungstemperatur (tatsächlich gemessene Umgebungstemperatur), die die Lehrdaten ist, 25°C beträgt und die Schwelle 0,5 ist. Wenn die geschätzte Umgebungstemperatur, die basierend auf dem Ausgangssignal von dem neuronalen Netz 50 geschätzt wird, 21°C beträgt, ist der Temperaturfehler zwischen den Lehrdaten und dem Ausgangssignal 4 (= 25-21). Da der Temperaturfehler größer als die vorbestimmte Schwelle von 0,5 ist, ändert die Einrichtung 43 zum Durchführen eines maschinellen Lernens die Gewichte w. Die Gewichte w werden unter Verwendung einer Rückwärtspropagierung oder dergleichen geändert. Das neuronale Netz 50 setzt dann die Berechnung unter Verwendung der geänderten Gewichte w fort, wobei der anfänglich eingegebene Satz der sechs Eingabewerte fest ist.
Wenn der Temperaturfehler zwischen den Lehrdaten und dem Ausgangssignal nicht gleich der Schwelle oder kleiner als dieselbe bei S23 wird, setzt die Einrichtung 43 zum Durchführen eines maschinellen Lernens das maschinelle Lernen fort. Wenn der Temperaturfehler gleich der Schwelle oder kleiner als dieselbe bei S23 wird, wird andererseits das maschinelle Lernen beendet. Die Einrichtung 43 zum Durchführen eines maschinellen Lernens führt dann den obigen Prozess in Bezug auf alle Eingabewert-Sätze (die Eingabewert-Sätze in Bezug auf mehrere Temperaturen) durch und bestimmt die Gewichte w.
Bei S24 stellt dann die Gewichteinstellungseinheit 44 die in dem obigen maschinellen Lernen bestimmten Gewichte w für das neuronale Netz 50 ein. Man beachte, dass der Prozess bei S24 nicht wesentlich ist.
Dann überträgt die Informationsverarbeitungsvorrichtung 30 bei S25 die Gewichte w zu der Vorrichtung 1 zum Schätzen einer Umgebungs temperatur.
Bei S13 empfängt die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur die Gewichte w, die von der Informationsverarbeitungsvorrichtung 30 übertragen werden.
Dann stellt die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur bei S14 die Gewichte w für das neuronale Netz 20 mit der gleichen Konfiguration wie das neuronale Netz 50 der Informationsverarbeitungsvorrichtung 30 ein. Das neuronale Netz 20 kann zuvor auf Firmware implementiert werden.
Wie oben ersichtlich ist, werden die Ergebnisse (Gewichte w) des maschinellen Lernens, das durch die Informationsverarbeitungsvorrichtung 30 durchgeführt wird, für das neuronale Netz 20 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur eingestellt. Folglich ist die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur zum Schätzen der Umgebungstemperatur um die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur herum mit einer viel höheren Genauigkeit als eine herkömmliche Genauigkeit fähig.
Das System, das den in 7 gezeigten Prozess durchführt, kann wie folgt aufgefasst werden.
Das heißt, das System enthält Folgendes:

die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur; und
die Informationsverarbeitungsvorrichtung 30,
wobei die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur und die Informationsverarbeitungsvorrichtung 30 die Kommunikationseinheit 9 und Kommunikationseinheit 31 enthalten, die imstande sind, Daten einander und dem neuronalen Netz 20 bzw. neuronalen Netz 50 mitzuteilen,
das neuronale Netz 20 und das neuronale Netz 50 jeweils mehrere Berechnungsknoten N enthalten,
die vorbestimmten Gewichte w für die jeweiligen Berechnungsknoten N eingestellt werden,
die Informationsverarbeitungsvorrichtung 30 zum Erhalten der Temperaturwerte, die durch Temperaturerfassungseinheit 7 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur erhalten werden, und des Wärmequellen-Steuerwertes zum Steuern der Wärmequelle in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur durch die Kommunikationseinheit 31 konfiguriert ist,
die Berechnungsknoten N und die Gewichte w durch maschinelles Lernen der Temperaturwerte und des Wärmequellen-Steuerwertes, der von der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur durch die Kommunikationseinheit 31 der Informationsverarbeitungsvorrichtung 30 erhalten wird, unter Verwendung des neuronalen Netzes 50 der Informationsverarbeitungsvorrichtung 30 bestimmt werden, und
die Einrichtung 1 zur Schätzung einer Umgebungstemperatur zum Erhalten der bestimmten Gewichte w durch die Kommunikationseinheit 9 konfiguriert ist.

Im Gegensatz zu der herkömmlichen Technik können bei der vorliegenden Ausführungsform mehrere (zwei) Temperaturerfassungseinheiten 7 an beliebigen Positionen in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur vorgesehen werden. Dies liegt daran, dass die optimalen Gewichte w durch maschinelles Lernen eingestellt werden können. Während die herkömmliche Technik Versuch und Irrtum bzw. ein Ausprobieren erfordert, um die Positionen zu bestimmen, an denen mehrere (zwei) Temperaturerfassungseinheiten 7 vorzusehen sind, und daher viele Arbeitsstunden erfordert, kann die vorliegende Ausführungsform folglich solche Arbeitsstunde erheblich verringern. Während die herkömmliche Technik viele Arbeitsstunden zum Bestimmen der Korrelation zwischen den Temperaturwerten erfordert, die durch die zwei Temperaturerfassungseinheiten 7 erhalten werden, kann die vorliegende Ausführungsform auch solche Arbeitsstunden unter Verwendung des maschinellen Lernens erheblich reduzieren. Folglich kann die vorliegende Ausführungsform verglichen zu der herkömmlichen Technik eine hohe Robustheit und eine Verringerung der Arbeitsstunden in Bezug auf die Positionen realisieren, an denen die Temperaturerfassungseinheiten 7 vorgesehen werden.
Vorteilhafte Effekte der ersten Ausführungsform
Durch den oben erwähnten Prozess bringt die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der ersten Ausführungsform die folgenden vorteilhaften Effekte hervor.
Das heißt, die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur kann die Umgebungstemperatur mit einer viel höheren Genauigkeit als eine herkömmliche Genauigkeit schätzen. Da die Konfiguration des neuronalen Netzes 20 und die Gewichte w seitens des Entwicklers bestimmt werden, ist es auch möglich, eine Verringerung der Schätzungsgenauigkeit zu verringern, die durch „Übertraining“ verursacht wird.
Zweite Ausführungsform
Als Nächstes in Bezug auf 8 wird eine zweite Ausführungsform beschrieben werden. Eine Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der zweiten Ausführungsform unterscheidet sich von der ersten Ausführungsform darin, dass dieselbe eine Einheit 15 zur Durchführung eines maschinellen Lernens und eine Gewichteinstellungseinheit 16 enthält. Der Unterschied wird nachstehend beschrieben werden.
Da die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der zweiten Ausführungsform die Einheit 15 zur Durchführung eines maschinellen Lernens und die Gewichteinstellungseinheit 16 enthält, kann dieselbe das maschinelle Lernen allein durchführen und die Genauigkeit der Schätzung der Umgebungstemperatur selbst nach Zustellung der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur an den Benutzer verbessern.
Man beachte, dass wie bei der ersten Ausführungsform bevorzugt wird, die Gewichte w unter Verwendung einer Informationsverarbeitungsvorrichtung 30 vor dem Verfrachten der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur einzustellen. Nach der Verfrachtung ist die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur fähig, die Genauigkeit der Schätzung einer Umgebungstemperatur auf einer täglichen Basis zu verbessern, indem dieselbe die voreingestellten Gewichte w allein aktualisiert.
Ausführungsform
Als Nächstes in Bezug auf 9 wird ein System 60 nach einer dritten Ausführungsform beschrieben werden. Bei der dritten Ausführungsform sind mehrere Vorrichtungen 1 zum Schätzen einer Umgebungstemperatur mit einer Informationsverarbeitungsvorrichtung 30 durch ein Netzwerk 100 verbunden.
Nach Zustellung an den Benutzer überträgt jede Vorrichtung 1 zum Schätzen einer Umgebungstemperatur Parameter, die in das neuronale Netz 20 einzugeben sind, zu der Informationsverarbeitungsvorrichtung 30. Dann führt die Informationsverarbeitungsvorrichtung 30, die durch den Entwickler betätigt wird, ein maschinelles Lernen durch und überträgt die aktualisierten Gewichte w zu den Vorrichtungen 1 zum Schätzen einer Umgebungstemperatur. Die Vorrichtungen 1 zum Schätzen einer Umgebungstemperatur sind fähig, die Genauigkeit der Schätzung einer Umgebungstemperatur durch Einstellen der aktualisierten Gewichte w für die Berechnungsknoten N des neuronalen Netzes zu verbessern.
Wie oben ersichtlich ist, werden bei der dritten Ausführungsform die Gewichte w durch den Entwickler selbst nach Verfrachtung der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur aktualisiert. Folglich ist das System zum Reduzieren eines Fortschritts eines unangemessenen maschinellen Lernens seitens des Benutzers fähig.
Schätzungsgenauigkeit
Nachstehend wird in Bezug auf die 10 bis 13 das Messergebnis der Genauigkeit der Umgebungstemperatur beschrieben werden, die unter Verwendung der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der obigen Ausführungsform geschätzt wird.
Die 10A und 10B sind Graphen, die die Signifikanz der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der obigen Ausführungsform zeigen. 10A ist ein Graph, der zeitliche Änderungen der Temperaturwerte, die durch die Temperaturerfassungseinheit 7 (erster Temperatursensor und zweiter Temperatursensor) in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur erfasst werden, in einem Fall zeigt, in dem der Kühlungs-Steuerwert zum Steuern der Antriebsstärke des Kühlgebläses 5 konstant gehalten wird. Andererseits ist 10B ein Graph, der zeitliche Änderungen der Temperaturwerte, die durch die Temperaturerfassungseinheit 7 (erster Temperatursensor und zweiter Temperatursensor) in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur erfasst werden, in einem Fall zeigt, in dem der Kühlungs-Steuerwert zum Steuern der Antriebsstärke des Kühlgebläses 5 dynamisch geändert wird. In den 10A und 10B werden Temperaturwerte, die durch Normalisieren der durch die Temperatursensoren erfassten Temperaturen erhalten werden, auf der vertikalen Achse (Normalisierung) gezeigt.
Wie in 10A gezeigt, kann die Einrichtung 1 zur Schätzung einer Umgebungstemperatur nach der herkömmlichen Technik, wie beispielsweise Patentliteratur 1, wenn der Kühlungs-Steuerwert konstant ist, einen Vergleichsausdruck zum Schätzen der Umgebungstemperatur um die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur herum unter Verwendung der Korrelation zwischen den durch die zwei Temperatursensoren erfassten Temperaturen bestimmen.
Wenn der Kühlungs-Steuerwert dynamisch geändert wird, ändern sich andererseits die durch den ersten Sensor und zweiten Sensor erfassten Temperaturen zufällig, wie in 10B gezeigt. Wenn die obige Ausführungsform nicht verwendet wird, ist es folglich äußerst schwierig, die Korrelation zwischen den durch die zwei Temperatursensoren erfassten Temperaturen zu bestimmen.
11 ist ein Graph, der durch grafisches Darstellen der tatsächlichen Umgebungstemperatur (Thermoelement-Messung) und der geschätzten Umgebungstemperatur in einem Fall erhalten wird, in dem die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nach der obigen Ausführungsform verwendet wird. In 11 gibt die vertikale Achse die Temperatur an und die horizontale Achse die Zeit an, die verstrichen ist, nachdem die Helligkeit der Hintergrundbeleuchtung 4 verringert wird. In 11 werden die durch die Thermoelement-Messung gemessene Temperatur und die Temperatur, die unter Verwendung einer herkömmlichen Technik (z.B. die Technologie der Patentliteratur 1) geschätzt wird, sowie die geschätzten Temperaturen, die unter Verwendung von zwei neuronalen Netzen 20 geschätzt werden (NN-Schätzungen), grafisch dargestellt. Die zwei NN-Schätzungen in 11 bestehen aus einer Schätzung, die ohne Verwendung der Änderungsmenge der Temperatur erfolgt, die durch die Einrichtung 13 zum Berechnen einer Temperatur-Änderungsmenge berechnet wird, (NN-Schätzung ohne Temperatur-Änderungsmenge) und einer Schätzung, die unter Verwendung der Änderungsmenge der Temperatur erfolgt (NN-Schätzung mit Temperatur-Änderungsmenge). In 11 werden auch die Schätzungsergebnisse in Fällen grafisch dargestellt, in denen die tatsächlichen Umgebungstemperaturen 15°C, 25°C und 35°C betragen.
Das Kühlgebläse 5 wurde bei der tatsächlichen Umgebungstemperatur von 15°C angehalten und bei der tatsächlichen Umgebungstemperatur von 25°C und 35°C mit konstanter Stärke angetrieben. Der Grund, warum das Kühlgebläse 5 angehalten wurde, wenn die Umgebungstemperatur 15°C beträgt, ist, dass eine geringe Notwendigkeit zum Kühlen der Innenseite der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur unter Verwendung des Kühlgebläses 5 besteht. Dieser Fall soll eine tatsächliche Gebrauchsszene reproduzieren.
Wie in 11 gezeigt, wurde bei der Umgebungstemperatur von 25°C oder 35°C, das heißt, wenn das Kühlgebläse 5 mit konstanter Stärke angetrieben wird, bestätigt, dass selbst die herkömmliche Technik eine hohe Schätzungsgenauigkeit aufzeigt.
Bei einer Umgebungstemperatur von 15°C, das heißt, wenn das Kühlgebläse 5 angehalten wird, war andererseits der Fehler zwischen der Umgebungstemperatur, die unter Verwendung der herkömmlichen Technik geschätzt wird, und der tatsächlichen Umgebungstemperatur erhöht. Dieser Fehler betrug bis zu 4°C und die Genauigkeit der Schätzung der Umgebungstemperatur war gering. Der Grund dafür scheint zu sein, dass sich die Temperatur in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur aufgrund des Anhaltens des Kühlgebläses 5 (entspricht dem Zustand in 10B) zufällig änderte. Ein anderer Grund dafür scheint zu sein, dass die Innentemperatur verglich dazu angestiegen ist, wenn das Gebläse mit konstanter Stärke angetrieben wird.
Andererseits zeigten die zwei NN-Schätzungen, die unter Verwendung der obigen Ausführungsform erfolgten, eine äußerst hohe Genauigkeit auf, selbst wenn die Umgebungstemperatur 15°C betrug, das heißt, selbst wenn das Kühlgebläse 5 angehalten ist. In dem Fall der NN-Schätzung ohne Temperatur-Änderungsmenge wurde die Temperatur in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur aufgrund des Anhaltens des Kühlgebläses 5 unmittelbar nach dem Verringern der Helligkeit der Hintergrundbeleuchtung der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur nicht ausreichend verringert und daher war die Genauigkeit derselben geringer als die, wenn die Umgebungstemperatur 25°C und 35°C beträgt. Andererseits besteht im Falle der NN-Schätzung mit Temperatur-Änderungsmenge die Auffassung, dass sich die Genauigkeit derselben verglichen zu der NN-Schätzung ohne Temperatur-Änderungsmenge unmittelbar nach Verringerung der Helligkeit der Hintergrundbeleuchtung 4 verbessert hat. Durch Durchführen eines maschinellen Lernens unter Verwendung der Änderungsmenge der Temperatur kann die Konfiguration nach der Ausführungsform nämlich bestimmen, ob die Temperatur in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur einer Temperatur unmittelbar nach Verringerung der Helligkeit der Hintergrundbeleuchtung 4 der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur entspricht oder ob die Temperatur in der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur der Dauerzustand geworden ist. Man beachte, dass sich die Schätzungsgenauigkeit aus einem ähnlichen Grund auch unmittelbar nach dem Einschalten der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur verbessert.
Wie oben ersichtlich ist, ermöglicht die Verwendung der obigen Ausführungsform eine Erzielung einer höheren Schätzungsgenauigkeit als eine herkömmliche Genauigkeit. Insbesondere verbessert die Verwendung der Änderungsmenge der Temperatur ferner die Schätzungsgenauigkeit.
Die 12 und 13 sind Graphen, die das Verhältnis zwischen der Eingangs-Gradation und der Luminanz der Anzeige 3 bei der herkömmlichen Technik und der obigen Ausführungsform zeigen.
12 ist eine schematische Darstellung, die das Verhältnis zwischen einer Gamma-Beschränkung (gamma curb) (durgezogene Linie 1), die für die Vorrichtung 1 zum Schätzen einer Umgebungstemperatur eingestellt ist, und der tatsächlich gemessenen Luminanz (gestrichelte Linie .2) der Anzeige 3 zeigt, wobei die horizontale Achse die Eingangs-Gradation angibt und die vertikale Achse die Luminanz angibt. Die gemessene Luminanz der Anzeige 3 folgt der gestrichelten Linie 1 unter einer idealen Bedingung, dass die Genauigkeit der Schätzung der Umgebungstemperatur der Vorrichtung 1 zum Schätzen der Umgebungstemperatur 100% beträgt und die Genauigkeit der • Gammakorrektur, die der Umgebungstemperatur entspricht, perfekt ist. Wenn die Genauigkeit der Schätzung einer Umgebungstemperatur andererseits gering ist, wird die gemessene Luminanz der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur von der idealen gestrichelten Linie 1 nach oben oder unten verschoben, wie durch die gestrichelte Linie 2 gezeigt. Wie in 12 gezeigt, ist die Verschiebung nach oben von der durchgezogenen Linie 1 als „+-Fehlerrate“ definiert und die Verschiebung nach unten von der durchgezogenen Linie 1 als „--Fehlerrate“ definiert.
13A ist ein Graph, der die Fehlerrate der Luminanz der Anzeige 3 in Fällen zeigt, in denen der Kühlungs-Steuerwert des Kühlgebläses 5 unter mehreren Umgebungstemperaturen dynamisch geändert wird. In 13 gibt die vertikale Achse die Fehlerrate an und die horizontale Achse den RGB-Gradationswert an. Man beachte, dass angenommen wird, dass R, G und B den gleichen Gradationswert in 13 aufweisen. Es wird auch angenommen, dass mehrere Umgebungstemperaturen in 13 gleich denen in 11 sind. Insbesondere zeigt 13 die Fehlerraten unter den folgenden 12 Bedingungen.

1: Temperatur 15°C, eingestellter Hintergrundbeleuchtungswert 769
2: Temperatur 15°C, eingestellter Hintergrundbeleuchtungswert 512
3: Temperatur 15°C, eingestellter Hintergrundbeleuchtungswert 256
4: Temperatur 15°C, eingestellter Hintergrundbeleuchtungswert 30
5: Temperatur 25°C, eingestellter Hintergrundbeleuchtungswert 769
6: Temperatur 25°C, eingestellter Hintergrundbeleuchtungswert 512
7: Temperatur 25°C, eingestellter Hintergrundbeleuchtungswert 256
8: Temperatur 25°C, eingestellter Hintergrundbeleuchtungswert 30
9: Temperatur 30°C, eingestellter Hintergrundbeleuchtungswert 769
10: Temperatur 30°C, eingestellter Hintergrundbeleuchtungswert 512
11: Temperatur 30°C, eingestellter Hintergrundbeleuchtungswert 256
12: Temperatur 30°C, eingestellter Hintergrundbeleuchtungswert 30

13A zeigt die Fehlerrate der Luminanz der Anzeige, wenn die herkömmliche Technik verwendet wird. 13B zeigt die Fehlerrate der Luminanz der Anzeige 3, wenn die obige Ausführungsform verwendet wird.
Im Falle der herkömmlichen Technik war, wenn der Kühlungs-Steuerwert des Kühlgebläses 5 dynamisch geändert wurde, die Genauigkeit der Schätzung der Umgebungstemperatur gering und folglich auch die Genauigkeit der Gammakorrektur gering, wie in 13A gezeigt. Infolgedessen betrug die Fehlerrate der Luminanz der Anzeige 3 bis zu in etwa 2,5% (Bedingung 4).
Im Falle der obigen Ausführungsform, war andererseits, selbst wenn der Kühlungs-Steuerwert des Kühlgebläses 5 dynamisch geändert wird, die Genauigkeit der Schätzung der Umgebungstemperatur hoch und folglich auch die Genauigkeit der Gammakorrektur hoch, wie in 13B gezeigt. Infolgedessen wurde der Absolutwert der Fehlerrate der Luminanz der Anzeige 3 auf bis zu in etwa 1,3% reduziert (Bedingung 4).
Andere
Zwar wurden die verschiedenen Ausführungsformen beschrieben, aber die vorliegende Erfindung kann auch in den folgenden Aspekten ausgeführt werden.
• Ein Verfahren zum Schätzen einer Umgebungstemperatur enthält: einen Temperaturerfassungsschritt zum Erhalten von einem oder mehreren Temperaturwerten in einer Vorrichtung zum Schätzen einer Umgebungstemperatur durch eine Temperaturerfassungseinheit; und
einen Berechnungsschritt des neuronalen Netzes zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung eines neuronalen Netzes durch eine Berechnungseinrichtung des neuronalen Netzes.
Eingabewerte, die in das neuronale Netz eingegeben werden, enthalten die Temperaturwerte, die durch die Temperaturerfassungseinheit erhalten werden, und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur.
• Ein Programm zum Verursachen, dass der Computer als Folgendes fungiert:

ein neuronales Netz,
eine Temperaturerfassungseinheit, die zum Erhalten von einem oder mehreren Temperaturwerten in einer Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist; und
eine Berechnungseinrichtung des neuronalen Netzes, die zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes konfiguriert ist.

Eingabewerte, die in das neuronale Netz durch die Berechnungseinrichtung des neuronalen Netzes eingegeben werden, enthalten Temperaturwerte, die durch die Temperaturerfassungseinheit erhalten werden, und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur.

• Die vorliegende Erfindung kann auch auf Fälle angewandt werden, in denen der Kühlungs-Steuerwert des Kühlgebläses 5 in verschiedenen Weisen, einschließlich einer linearen Weise, geändert wird.
• Es kann nur eine der Temperaturerfassungseinheiten 7 verwendet werden.
• Die Anzahl an Berechnungsknoten N und die Anzahl an Schichten können beliebige Anzahlen sein.
• Wenn die vorliegende Erfindung auf eine organische EL-Anzeige ohne die Hintergrundbeleuchtung 4 angewandt wird, ist es möglich, die internen Schaltungen oder das Substrat als eine Wärmequelle zu betrachten und einen Steuerwert, der den internen Schaltungen oder dem Substrat entspricht, als einen Wärmequellen-Steuerwert zu verwenden.
• Die Ausführungsformen, bei denen die externe Umgebungstemperatur unter Verwendung von nur Informationen über die Innenseite der Anzeigevorrichtung geschätzt wird, wurden als Beispiele der Vorrichtung 1 zum Schätzen einer Umgebungstemperatur beschrieben. Der Grund dafür ist, dass, wenn die Temperatursensoren außerhalb der Anzeigevorrichtung angeordnet sind, die Temperatursensoren durch Erwärmen der Anzeigevorrichtung beeinträchtigt werden, was ein akkurates Messen der Umgebungstemperatur erschwert. Die vorliegende Erfindung kann auch auf verschiedene Vorrichtungen mit einem ähnlichen Problem (Vorrichtungen, die die externe Umgebungstemperatur unter Verwendung von nur Informationen über die Innenseite der Vorrichtungen schätzen) angewandt werden.

Bezugszeichenliste

1:: Einrichtung zur Schätzung einer Umgebungstemperatur
2:: Betätigungseinheit
3:: Anzeige
4:: Hintergrundbeleuchtung
5:: Kühlgebläse
6:: Substrat
7:: Temperaturerfassungseinheit
8:: Speichereinheit
9:: Kommunikationseinheit
10:: Steuerung
11:: Wärmequellen-Steuerung
12:: Kühlsteuerung
13:: Einrichtung zum Berechnen einer Temperatur-Änderungsmenge
14:: Berechnungseinrichtung des neuronalen Netzes
20:: Neuronales Netz
30:: Informationsverarbeitungsvorrichtung
31:: Kommunikationseinheit
32:: Parametererfassungseinheit
33:: Speichereinheit
40:: Steuerung
41:: Einrichtung zum Berechnen einer Temperatur-Änderungsmenge
42:: Berechnungseinrichtung des neuronalen Netzes
43:: Einrichtung zum Durchführen eines maschinellen Lernens
44:: Gewichteinstellungseinheit
50:: Neuronales Netz
60:: System

Claims

Vorrichtung zum Schätzen einer Umgebungstemperatur, aufweisend: ein neuronales Netz; eine Temperaturerfassungseinheit, die zum Erhalten von einem oder mehreren Temperaturwerten in der Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist; und eine Berechnungseinrichtung des neuronalen Netzes, die zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes konfiguriert ist, wobei Eingabewerte, die durch die Berechnungseinrichtung des neuronalen Netzes in das neuronale Netz eingegeben werden, die durch die Temperaturerfassungseinheit erhaltenen Temperaturwerte und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur enthalten.
Vorrichtung zum Schätzen einer Umgebungstemperatur nach Anspruch 1, ferner mit einer Kühlsteuerung, die zum Steuern des Inneren der Vorrichtung zum Schätzen einer Umgebungstemperatur basierend auf einem Kühlungs-Steuerwert konfiguriert ist, wobei die Eingabewerte den Kühlungs-Steuerwert enthalten.
Vorrichtung zum Schätzen einer Umgebungstemperatur nach Anspruch 2, wobei die Kühlsteuerung zum dynamischen Steuern des Kühlungs-Steuerwertes konfiguriert ist.
Vorrichtung zum Schätzen einer Umgebungstemperatur nach einem der Ansprüche 1 bis 3, wobei die Eingabewerte die Änderungsmenge der Temperaturwerte in einer vorbestimmten Dauer enthalten.
Vorrichtung zum Schätzen einer Umgebungstemperatur nach einem der Ansprüche 1 bis 4, wobei die Wärmequelle eine Hintergrundbeleuchtung oder eine interne Schaltung ist.
Vorrichtung zum Schätzen einer Umgebungstemperatur nach einem der Ansprüche 1 bis 5, wobei die Eingabewerte eine Bestromungszeit von zumindest der Vorrichtung zum Schätzen einer Umgebungstemperatur und/oder der Wärmequelle enthalten.
Vorrichtung zum Schätzen einer Umgebungstemperatur nach einem der Ansprüche 1 bis 6, wobei das neuronale Netz eine Vielzahl von Berechnungsknoten enthält, vorbestimmte Gewichte für die jeweiligen Berechnungsknoten eingestellt werden, und die Gewichte durch maschinelles Lernen, das im Vorfeld durch eine andere Informationsverarbeitungsvorrichtung durchgeführt wird, oder durch maschinelles Lernen eingestellt werden, das durch die Vorrichtung zum Schätzen einer Umgebungstemperatur durchgeführt wird.
Verfahren zum Schätzen einer Umgebungstemperatur, aufweisend: einen Temperaturerfassungsschritt zum Erhalten von einem oder mehreren Temperaturwerten in einer Vorrichtung zum Schätzen einer Umgebungstemperatur durch eine Temperaturerfassungseinheit; und einen Berechnungsschritt des neuronalen Netzes zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung eines neuronalen Netzes durch eine Berechnungseinrichtung des neuronalen Netzes, wobei Eingabewerte, die in das neuronale Netz eingegeben werden, die durch die Temperaturerfassungseinheit erhaltenen Temperaturwerte und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur enthalten.
Programm zum Verursachen, dass ein Computer als Folgendes fungiert: ein neuronales Netz; eine Temperaturerfassungseinheit, die zum Erhalten von einem oder mehreren Temperaturwerten in einer Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist; und eine Berechnungseinrichtung des neuronalen Netzes, die zum Schätzen einer Umgebungstemperatur um die Vorrichtung zum Schätzen einer Umgebungstemperatur herum unter Verwendung des neuronalen Netzes konfiguriert ist, wobei Eingabewerte, die durch die Berechnungseinheit des neuronalen Netzes in das neuronale Netz eingegeben werden, die durch die Temperaturerfassungseinheit erhaltenen Temperaturwerte und einen Wärmequellen-Steuerwert zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur enthalten.
System, aufweisend: die Vorrichtung zum Schätzen einer Umgebungstemperatur nach einem der Ansprüche 1 bis 9; und eine Informationsverarbeitungsvorrichtung, wobei die Vorrichtung zum Schätzen einer Umgebungstemperatur und die Informationsverarbeitungsvorrichtung Kommunikationseinheiten enthalten, die konfiguriert sind, um Daten einander und neuronalen Netzen mitteilen zu können, die neuronalen Netze jeweils eine Vielzahl von Berechnungsknoten enthalten, vorbestimmte Gewichte für die jeweiligen Berechnungsknoten eingestellt werden, die Informationsverarbeitungsvorrichtung zum Erhalten, durch die Kommunikationseinheit, von Temperaturwerten, die durch die Temperaturerfassungseinheit der Vorrichtung zum Schätzen einer Umgebungstemperatur erhalten werden, und eines Wärmequellen-Steuerwertes zum Steuern einer Wärmequelle in der Vorrichtung zum Schätzen einer Umgebungstemperatur konfiguriert ist, die Berechnungsknoten und die Gewichte durch maschinelles Lernen der Temperaturwerte und des Wärmequellen-Steuerwertes unter Verwendung des neuronalen Netzes der Informationsverarbeitungsvorrichtung bestimmt werden, wobei die Temperaturwerte von der Vorrichtung zum Schätzen einer Umgebungstemperatur und der Wärmequellen-Steuerwert durch die Kommunikationseinheit der Informationsverarbeitungsvorrichtung erhalten werden, und die Vorrichtung zum Schätzen einer Umgebungstemperatur zum Erhalten der bestimmten Gewichte durch die Kommunikationseinheit konfiguriert ist.