JP2005536788A - システムの異なるパラメータに与えられる値を決定する方法 - Google Patents
システムの異なるパラメータに与えられる値を決定する方法 Download PDFInfo
- Publication number
- JP2005536788A JP2005536788A JP2004525489A JP2004525489A JP2005536788A JP 2005536788 A JP2005536788 A JP 2005536788A JP 2004525489 A JP2004525489 A JP 2004525489A JP 2004525489 A JP2004525489 A JP 2004525489A JP 2005536788 A JP2005536788 A JP 2005536788A
- Authority
- JP
- Japan
- Prior art keywords
- branch
- probability
- value
- combination
- branches
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Complex Calculations (AREA)
Abstract
【課題】 特定のパラメータの値のいずれかの組み合わせに対する確率値を提供するユニットに関連付けられているシステムの全体の測定パラメータの値を使用してこのシステムの全体の特定のパラメータに与えられるべき値を決定する方法を提供する。
【解決手段】 各パラメータの値を決定することと、値の決定に関連する特定のパラメータの値の可能な全ての組み合わせの確率分布の表現を構成することとからなる。全体の組み合わせは多数の第1の全体の組み合わせに分割される。各第1の全体は同様の方法等で多数の第2の全体に分割され、確率値は各全体に割り当てられる。また、この方法は確率分布の構成された表現を使用して特定のパラメータの値の全体を選択することからなる。
【解決手段】 各パラメータの値を決定することと、値の決定に関連する特定のパラメータの値の可能な全ての組み合わせの確率分布の表現を構成することとからなる。全体の組み合わせは多数の第1の全体の組み合わせに分割される。各第1の全体は同様の方法等で多数の第2の全体に分割され、確率値は各全体に割り当てられる。また、この方法は確率分布の構成された表現を使用して特定のパラメータの値の全体を選択することからなる。
Description
本発明は、いわゆるシステム測定パラメータのセットの値に基づいてシステムのいわゆる特定のパラメータのセットに与えられるべき値を決定する方法に関する。
このような方法は、文字認識システム、電気部品の故障診断システム、輸送費を評価するシステム等のような種々のシステムを制御するために使用され得る。
図1はこのような方法を用いたシステムの一例を示す。自動車1はトラック2の追尾を試みており、自動車及びトラックは障害の無い平面上を移動するモデルである。自動車にはカメラ3及び自律制御システムが装備されている。この制御システムは一定の間隔をおいて、たとえば100ミリ秒毎に、自動車1がとるべき方向及び速度を決定すると共に、トラックを絶えずカメラの視界内にとどめるようにカメラの傾斜を決定する機能を有している。
任意の時間t0 において、制御システムは100ミリ秒後の時間t1 におけるトラックの位置を推定する。トラックが実際に予想通りに移動した場合、カメラが時間t1 において撮像する画像4の中心である推定位置Pe(t1 )にトラックが位置するであろう。しかしながら一般的に、トラックはPe(t1 )とは異なる測定位置Pm(t1 )に位置するであろう。位置Pm(t1 )はPe(t1 )に対して、水平シフトcx 及び鉛直シフトcy だけx方向及びy方向にシフトしている。水平シフトcx はトラックがより右へ移動したか又は左へ移動したかを表す。鉛直シフトcy はトラックが加速されたか又は減速されたかを表す。
図2Aはカメラ3を備え、速度vにて移動する自動車1の側面図であり、カメラ軸の鉛直傾斜角αv を示す。図2Bは自動車1の平面図であり、カメラ軸の水平傾斜軸αh を示すと共に自動車1の車輪の操舵角αrot を示す。
図3は時間t1 における自動車1及びトラック2の可能な配置を示しており、トラック2は図1の位置Pm(t1 )に位置する。このようにトラックは右方向へ進むと考えられる(仮定a)。また、トラックは前方へ進み加速するかもしれない(仮定b)。また、トラックは左方向へ後進を始めるかもしれない(仮定c)。以下では、トラックはこれら三つの可能性のみを有し、三つの推定位置Pe(t2 )a,Pe(t2 )b及びPe(t2 )cの内のいずれかへ進む可能性のみを有するものとする。
続いて自動車制御システムは、自動車がトラックPe(t2 )cとの接触を可能にするためには方向d1 をとるべきであるか否か、又は自動車が位置Pe(t2 )a又はPe(t2 )cにおけるトラックとの接触を可能にするためには方向d2 をとるべきであるか否かを決定する必要がある。三つの可能性Pe(t2 )a,Pe(t2 )b及びPe(t2 )cは先験的確率が等しいため、より多数の可能性を包含する方向d2 の選択が最も妥当であると考えられるので、以下ではd2 が選択されたものとする。
続いて制御システムは自動車1の速度vを増加させるか又は減少させるかを選択する必要がある。トラックは画像の上部にあるため、画像解析によりトラックが加速したと考えられる。最初の決定は、自動車の加速を要求することであるかもしれない。しかしながら、制御システムは方向d2 へ進むことを選択しており、このことがトラックを円滑に右折させてトラック位置Pe(t2 )aに到達させ得る。この可能性を知っていれば、過剰な加速をせずにトラックとの衝突を回避することが妥当であると考えられる。
制御システムは同様に、予め下した決定及びトラックの更なる変位の推定に従って、カメラに与えられるべき角度αv 及びαh を決定する。
自動車1の制御システムは小サイズ且つ低コストの計算器及びメモリによってパラメータv,αrot ,αv 及びαh の新たな値を決定し得る必要がある。更に制御システムは、迅速に、100ミリ秒毎に決定を下す必要がある。また、制御システムは多数の測定パラメータcx ,cy 及び特定のパラメータ、より詳細には制御パラメータv,αrot ,αv ,αh を処理して、トラックの軌跡がどのようなものであれトラックの追尾を可能にする効果的な決定を下し得る必要がある。
制御システムの形成には、パラメータ間の相互依存関係を予め定義する必要がある。従って、上述の例において、水平傾斜角αh 及び操舵角αrot の選択は測定水平シフトcx に依存し、鉛直傾斜角αv の選択及び速度vの選択は測定鉛直シフトcy に依存する。更に、角度αh 及び角度αrot は互いに依存しており、さもなければトラックがカメラの視界から外れる虞があり、そうなれば自動車はもはやトラックを追尾することはできない。同様に、速度v及び角度αv は互いに依存しており、角度αv は速度に適合する必要があり、逆もまた同様である。
全てのシステムパラメータの結合確率分布のモデルは予め特定された各相互依存関係に対して定義された独立確率分布のセットに基づいて定義される。従って、可能且つ賢明であるべき全てのパラメータの値の任意の組み合わせに対する確率p(v,αrot ,αv ,αh ,cx ,cy )は上述のセットに対して次式により定義することが可能である。
p(v,αrot ,αv ,αh ,cx ,cy )=
p(cx ) p(cy )p(αh /cx )p(αv /cy )
p(αrot /αh )p(v/αv ) …(1)
p(cx ) p(cy )p(αh /cx )p(αv /cy )
p(αrot /αh )p(v/αv ) …(1)
ここで、p(cx )は任意の値を有するべき水平シフトcx に対する確率であり、p(cy )は任意の値を有するべき鉛直シフトcy に対する確率であり、p(αh /cx )はシフトcx が既知である場合に水平傾斜角αh を有するべき確率であり、p(αv /cy )はシフトcy が既知である場合に鉛直傾斜角αv を有するべき確率であり、p(αrot /αh )は角度αh が既知である場合に操舵角αrot を有するべき確率であり、p(v/αv )は角度αv が既知である場合に速度vを有するべき確率である。
p(cx )等のような単純な非条件付き確率は解析関数、たとえばp(cx )=(k/cx の絶対値)により定義し得るが、ここでkは正規化定数である。同様に、p(αh /cx )等のような条件付き確率は解析関数群により定義され得るが、この解析関数は値cx を中心としたたとえばガウス関数であってもよい。
また、単純な確率p(cx )又は条件付き確率p(αh /cx )は、たとえば訓練フェーズにおいて、水平シフトcx 又は一対の値(αh ,cx )が観測された回数をインデックスとするデータベースから演算され得る。
結合確率分布モデル、解析関数及びデータベースは記憶される。時間ti において画像が撮像された後、制御システムは時間ti における各測定パラメータcxi及びcyiに対して書き留められた値に基づいて各制御パラメータv,αrot ,αv ,αh に与えられるべき値を決定する必要がある。システムは先ず一対の値(αrot ,v)を選択し、その後に続いて他の一対の値(αv ,αh )を選択する。対(αrot ,v)の選択のみを説明し、対(αv ,αh )の選択は全く同様に行なうものとする。シフト値cxi及びcyiが既知である場合、適切であるべき対(αrot ,v)の選択に対する確率p(αrot ,v/cxi,cyi)は次式に従って演算され得る。ここでZは正規化定数である。
対の確率分布に基づいて対(αrot ,v)を選択することができる既存の制御システムには二種類ある。第1は式(2)から直接的に対(αrot ,v)を選択する。第2は、対(αrot ,v)を選択するに先立って、対の確率分布の表現を構成する。
第1のシステムの内の、最大確率を探索して対応する対を選択するいわゆる最適化法に言及する。この場合、確率最大値を示さない対を選択することが好ましい。たとえば、確率分布が二つの対(αrot, 1,v1 )及び(αrot, 2,v2 )に対していくつかの最大値を示す場合、v1 とv2 との間の速度中間値、及びαrot, 1とαrot, 2との間の操舵角を有する対を選択することが適切である。メトロポリス法(1996年にJ.Gewekeが著した「モンテカルロシミュレーション及び数値積分法」を参照)等の他の方法は式(2)から直接的に対のランダム描画を行なう。このような方法は通例非常に複雑な演算アルゴリズムを実施し、高性能な計算器を使用する。このような方法は更に大幅な演算時間を要し、図1に示されるような特定の用途にはふさわしくない。
第2のシステムの内の、一部の方法は確率分布のいわゆる板状表現を使用する。この板状表現は、時間ti において測定されたシフトcxi、cyiに対して得られる確率p(αrot ,v/cxi,cyi)を各対(αrot ,v)に対して記憶することからなる。対の選択は続いて、最大確率対をとることからなってもよいし、記憶されたデータから対のランダム描画を行なうことからなってもよい。
検討されるパラメータが多数である場合、又は一つのパラメータが多くの値をとり得る場合、各対(αrot ,v)の確率の演算時間は直ちに極めて長くなる。板状描画を記憶するために使用されるメモリの容量もまた直ちに非現実的になるかもしれない。
「ガウス混合」として知られる確率分布の表現はガウス関数のセットにより分布をモデリングすることからなり、各ガウス関数は最大確率値から定義される。予め、最大確率の対(αrot ,v)を特定するために最適化法が使用される。続いて対は、特定された最大値に近い値αrot 及びvを有しているか否かに応じて、多かれ少なかれ対を含む群に区分けされる。各群に対して確率値が演算され、これらの確率値は最大確率付近でガウス分布を形成する。対の選択は続いて、最大確率の対のランダム描画又は探索により行なわれる。
この方法により、利用可能なメモリ空間に従って多かれ少なかれ正確な表現を有することが可能になる。しかしながら、表現の精度の向上には、各群の確率の新たな演算及び対の新たな分布が必要とされる。更に、ガウス関数のセットによる確率分布のモデリングは全てのシステムに適しているわけではない。
本発明の目的は、パラメータの数が極めて多い場合、及び/又はパラメータのいくつが多数の値をとり得る場合に、既知の一又はいくつかの測定パラメータに対するシステムの一又はいくつかの特定のパラメータに与えられるべき値を決定する方法を提供することにある。
本発明の別の目的は、極めて短いことが可能な時間間隔内にシステムの全ての特定のパラメータに与えられるべき値を決定する方法を提供することにある。
本発明の別の目的は、種々のサイズ、可能であれば極めて小さいメモリを使用する上述のような決定方法を提供することにある。
本発明の別の目的は、単純な演算装置を使用する上述のような決定方法を提供することにある。
これらの目的を達成するために、本発明は、特定のパラメータの値のいずれかの組み合わせに対する、考慮される組み合わせの選択が既知の測定パラメータの値に対して適合度が高ければ高いほど大になる確率値を提供する手段に関連付けられているシステムの特定のパラメータのセットに与えられるべき値を、それぞれが有限の個数の値をとり得る測定パラメータのセットの値に基づいて決定する方法において、
−各測定パラメータの値を書き留めるステップと、
−書き留められた値に対応する特定のパラメータの値の可能な全ての組み合わせの確率分布のツリー型の表現を構成し、組み合わせのセットは、いくつかの組み合わせのサブセットに分割される第1のブランチを形成し、各サブセットは特定のパラメータ値の内の近い値を有する組み合わせを集める第2のブランチを形成し、各第2のブランチは同様にいくつかの第3のブランチ等に分割可能であり、確率値は、各ブランチに割り当てられており、この確率値は考慮されるブランチの組み合わせの一つ又は考慮されるブランチが発生するブランチの一つの組み合わせの一つに対して取得されるステップと、
−所定の選択基準に従って、予め構成されたツリー型の確率分布の表現に基づいて特定のパラメータの値の組み合わせの一つを選択するステップと
を含むことを特徴とする方法を提供する。
−各測定パラメータの値を書き留めるステップと、
−書き留められた値に対応する特定のパラメータの値の可能な全ての組み合わせの確率分布のツリー型の表現を構成し、組み合わせのセットは、いくつかの組み合わせのサブセットに分割される第1のブランチを形成し、各サブセットは特定のパラメータ値の内の近い値を有する組み合わせを集める第2のブランチを形成し、各第2のブランチは同様にいくつかの第3のブランチ等に分割可能であり、確率値は、各ブランチに割り当てられており、この確率値は考慮されるブランチの組み合わせの一つ又は考慮されるブランチが発生するブランチの一つの組み合わせの一つに対して取得されるステップと、
−所定の選択基準に従って、予め構成されたツリー型の確率分布の表現に基づいて特定のパラメータの値の組み合わせの一つを選択するステップと
を含むことを特徴とする方法を提供する。
このような方法の一実施の形態によれば、同一ブランチの分割から生じるブランチは二つであって同数の組み合わせを含んでおり、第1のブランチは二つの第2のブランチに分割され、各第2のブランチは二つの第3のブランチ等に分割され得る。
このような方法の一実施の形態によれば、一つのブランチの二つのブランチへの分割は、
a)既に使用された組み合わせとは異なる組み合わせを既存のブランチの確率値を定義するために選択し、この選択された組み合わせの確率を演算するステップと、
b)選択された組み合わせを含むいわゆる「親」ブランチを、二つのいわゆる「子」ブランチに分割するステップと
を含み、
選択された組み合わせ及び親ブランチの確率値を定義するために使用される「親」組み合わせが同一の子ブランチに属している場合、親ブランチの確率値を二つの子ブランチに割り当て、ステップb)における方法を再開することにより選択された組み合わせを含む子ブランチを分割してこの子ブランチを親ブランチとし、
選択された組み合わせ及び親組み合わせが同一の子ブランチに属していない場合、選択された組み合わせの確率値を選択された組み合わせを含む子ブランチに割り当て、親組み合わせの確率値を他の子ブランチに割り当てる。
a)既に使用された組み合わせとは異なる組み合わせを既存のブランチの確率値を定義するために選択し、この選択された組み合わせの確率を演算するステップと、
b)選択された組み合わせを含むいわゆる「親」ブランチを、二つのいわゆる「子」ブランチに分割するステップと
を含み、
選択された組み合わせ及び親ブランチの確率値を定義するために使用される「親」組み合わせが同一の子ブランチに属している場合、親ブランチの確率値を二つの子ブランチに割り当て、ステップb)における方法を再開することにより選択された組み合わせを含む子ブランチを分割してこの子ブランチを親ブランチとし、
選択された組み合わせ及び親組み合わせが同一の子ブランチに属していない場合、選択された組み合わせの確率値を選択された組み合わせを含む子ブランチに割り当て、親組み合わせの確率値を他の子ブランチに割り当てる。
このような方法の一実施の形態によれば、選択基準は、最大確率を示す組み合わせの一つを選択することからなる。
このような方法の一実施の形態によれば、組み合わせの選択は、
a)0から1までの数pをランダムに選択するステップと、
b)第1のブランチの分割から生じる二つのいわゆる子ブランチに割り当てられた確率値の和を演算し、各子ブランチに対して、この子ブランチに割り当てられる確率値と演算された和との比に等しい新たな確率値を演算するステップと、
c)第1の間隔は第1の子ブランチに関連付けられており、第2の間隔は第2の子ブランチに関連付けられており、第1の間隔は0から第1の子ブランチの確率値までにわたり、第2の間隔は前記確率値から1までにわたる、0と1との間の二つの近接した確率間隔を定義するステップと、
d)数pが求められるべき間隔を特定し、この間隔に関連付けられている子ブランチを選択するステップと、
選択された子ブランチが他のブランチに分岐する場合、ステップa)における再帰的方法を再開して第1のブランチを選択された子ブランチと置換するステップと、そうでなければ
e)選択された子ブランチの組み合わせの一つを選択するステップと
を含む再帰的な方法の実施からなる。
a)0から1までの数pをランダムに選択するステップと、
b)第1のブランチの分割から生じる二つのいわゆる子ブランチに割り当てられた確率値の和を演算し、各子ブランチに対して、この子ブランチに割り当てられる確率値と演算された和との比に等しい新たな確率値を演算するステップと、
c)第1の間隔は第1の子ブランチに関連付けられており、第2の間隔は第2の子ブランチに関連付けられており、第1の間隔は0から第1の子ブランチの確率値までにわたり、第2の間隔は前記確率値から1までにわたる、0と1との間の二つの近接した確率間隔を定義するステップと、
d)数pが求められるべき間隔を特定し、この間隔に関連付けられている子ブランチを選択するステップと、
選択された子ブランチが他のブランチに分岐する場合、ステップa)における再帰的方法を再開して第1のブランチを選択された子ブランチと置換するステップと、そうでなければ
e)選択された子ブランチの組み合わせの一つを選択するステップと
を含む再帰的な方法の実施からなる。
このような方法の一実施の形態によれば、選択基準は、所定の確率値、又は二つの任意の確率値の間の確率値を有する組み合わせの一つを選択することからなる。
このような方法の一実施の形態によれば、各ブランチに割り当てられた確率値は正規化されておらず、1よりも大きい値であり得る。
上述の方法の一実施の形態によれば、各ブランチに重み付けが割り当てられており、最終分岐のブランチの重み付けはこのブランチに割り当てられた確率値とこのブランチの組み合わせの数との積に等しく、他のブランチの重み付けは考慮されるブランチから生じるブランチの重み付けの和に等しく、次の分岐レベルにある。
上述の方法の一実施の形態によれば、各ブランチに割り当てられた確率値は正規化されることが可能であり、ブランチの正規化された確率値はツリーの最初のブランチに割り当てられた重み付けでこのブランチの確率値を除算することにより得られる。
このような方法の一実施の形態によれば、組み合わせの選択は、高い確率値を有する組み合わせを生成する方法を実施することにより行なわれる。
このような方法の一実施の形態によれば、全ての組み合わせの確率分布の表現は記憶され、続いて更なるブランチの生成により絞り込まれてもよく、また一部のブランチの抑制により簡素化されてもよい。
このような方法の一実施の形態によれば、パラメータがとる可能性の高い値の数は人為的に増加され、少なくとも一つのパラメータの値が付加値に対応する制御パラメータの値の組み合わせの確率値がゼロである。
上述した本発明の目的、特徴及び利点は、添付図面に関連して、特定の実施の形態の後述する非限定的な説明において詳述する。
本発明の方法は、以下に論ずる判断基準に従って定義される如何なるシステムにも適用可能である。システムの決定された状態に対応するn個の測定パラメータXM1 乃至XMm の値が既知である場合、システムのn個の特定のパラメータXS1 乃至XSn に与えられるべき値を決定することができる。各パラメータは有限の個数の値をとり得る。特定のパラメータの値は連続した整数をなす。測定パラメータは記号変数であり、可能な値は黄色、青、緑及び赤であり得る。システムパラメータのセットの結合確率分布のモデルは既知であり、適切であるべき全てのパラメータ(XS1 ,... ,XSn ,XM1 ,... ,XMm )の任意の組み合わせに対する確率p(XS1 ,... ,XSn ,XM,... ,XMm )が演算される。システムの確率分布モデルにより使用される解析関数及びデータベースは既知である。
測定パラメータの全部又は一部の値、たとえば(XM1 ,XM3 )が既知である場合、特定のパラメータの全部又は一部の値、たとえば(XS1 ,XS2 ,XSn )の組み合わせの確率分布を定義することからなる推論をシステムモデルから如何なる時点においても作ることができる。測定パラメータ(XM1 ,XM3 )の値が既知である場合に適切であるべき組み合わせ(XS1 ,XS2 ,XSn )の選択に対する確率p(XS1 ,XS2 ,XSn /XM1 ,XM3 )は次式により定義される。ここでZは正規化定数である。
考慮される測定パラメータを書き留めた後、本発明は、書き留められた値に対して得られるk個の選択された特定のパラメータの値の組み合わせの確率分布の表現を構成する方法を提供する。k個の選択されたパラメータの値の組み合わせは以下において「組み合わせ」と呼ばれる。組み合わせのセットはk次元空間E内で定義される点のセットにより表され得る。続いて確率分布はk+1次元空間において表される。
本発明の構成方法は、空間Eを複数の点のセットに分割し、同一セットの全ての点に同一の確率を割り当てて組み合わせの確率分布の表現を得ることを目的としている。
本発明の方法により組み合わせの確率分布の表現が一旦得られると、いくつかの選択基準の一つに従って組み合わせの選択が行なわれる。
言及される例を読むことにより明らかになるように、本発明の方法には多種多様な用途があり得る。
第1の部分では、組み合わせの確率分布の表現を構成する方法について述べる。
第2の部分では、異なる選択基準について述べる。
第3の部分では、本発明の方法の用途の例について述べる。
1.構成方法
1.1.一般的原理
組み合わせの確率分布の表現を構成する方法は、可能な組み合わせのセットの中から連続的に種々の組み合わせを選択することと、それらそれぞれの確率値を演算することとからなる。組み合わせの各選択の後、選択された組み合わせを含む空間Eの点のセットは複数の点のセットに分割される。選択された組み合わせを含む点のセットはこの組み合わせの確率値をとる。他の点のセットは分割前に自らが有していた確率値を維持する。
1.1.一般的原理
組み合わせの確率分布の表現を構成する方法は、可能な組み合わせのセットの中から連続的に種々の組み合わせを選択することと、それらそれぞれの確率値を演算することとからなる。組み合わせの各選択の後、選択された組み合わせを含む空間Eの点のセットは複数の点のセットに分割される。選択された組み合わせを含む点のセットはこの組み合わせの確率値をとる。他の点のセットは分割前に自らが有していた確率値を維持する。
最初に、空間Eは分割されておらず、空間Eの全ての点は第1の選択された組み合わせC1 の確率値p1 をとる。
第1の選択された組み合わせC1 とは異なる第2の組み合わせC2 の選択が空間Eを複数の点のセットに分割させ、第2の選択された組み合わせC2 を含む点のセットは第2の選択された組み合わせC2 の確率値p2 をとり、他の点のセットは第1の選択された組み合わせC1 の確率値p1 をとる。
第1及び第2の選択された組み合わせC1 及びC2 とは異なる第3の組み合わせC3 の選択が、第3の選択された組み合わせC3 を含む「親」点のセットを、第3の選択された組み合わせの確率値p3 をとる第3の選択された組み合わせC3 を含む複数の「子」点のセットに分割させ、他の「子」点のセットは「親」点のセットの確率値p1 又はp2 をとる。
以前に選択されたものとは異なる可能な第4の組み合わせC4 の選択が、第4の選択された組み合わせC4 を含む「親」点のセットを新たに複数の「子」点のセットに分割させることとなり、第4の選択された組み合わせC4 を含む「子」点のセットは第4の選択された組み合わせC4 の確率値p4 をとることとなり、他の「子」点のセットは「親」点のセットの確率値p1 、p2 又はp3 をとる。
この構成方法は利用可能な時間に従って可能な限り何回も反復することができる。確率分布の表現は選択された組み合わせの数が多くなるほどより正確になる。「ガウス混合」法に従った表現の生成とは逆に、本発明の構成方法は可変の時間に対して実行することが可能であり、実行時間の選択は各システムに適合し得る。
連続的に選択された組み合わせは空間E中に均一に分布する組み合わせを生じる擬似ランダム法に従って、又は高い確率値を有する組み合わせを生じる最適化法に従って得られる。
本発明の方法の一実施の形態によれば、「親」点のセットの分割から生じる「子」点の各セットは同数の組み合わせを含む。
1.2.構成ツリー
本発明は構成ツリーを介して確率分布の構成のトレースを維持することを提供する。
本発明は構成ツリーを介して確率分布の構成のトレースを維持することを提供する。
構成ツリーの第1のブランチは空間Eを表し、確率値p1 をとる。第1のブランチは、空間Eの分割から生じる点のセットの一つをそれぞれ表す第2のブランチへ分岐する。各第2のブランチは第2の考慮されるブランチの点の確率値をとる。
第3の選択された組み合わせC3 を含む「親」点のセットに関連付けられている第2のブランチは、「子」点のセットの一つをそれぞれ表す第3のブランチへ分岐する。各第3のブランチは第3の考慮されるブランチの点の確率値をとる。
一般的に、各第2のブランチは新たに選択された組み合わせに従っていくつかの第3のブランチへ分岐する可能性が高い。各第3のブランチはいくつかの第4のブランチ等に分岐し得る。
構成ツリーはその構成に沿って記憶される。ツリーの終端ブランチは組み合わせのセットの最終分割を与える。確率分布の最終表現は、第2の部分に記載されるように、組み合わせの一つを選択するために以下において使用されることとなる。利用可能なメモリに従って多かれ少なかれ正確な確率分布の表現の構成が提供され得る。
構成ツリーの生成は、以下に明記するように、特に正規化された確率値の取得と、本発明のランダム描画方法に従ったランダム描画による組み合わせの選択とに対していくつかの利点を有する。
1.3.自動車/トラックシステムの説明
1.3.1.速度の選択
本発明の方法に従った組み合わせの確率分布の表現の構成は上述した自動車/トラックシステムに対して以下に説明される。
1.3.1.速度の選択
本発明の方法に従った組み合わせの確率分布の表現の構成は上述した自動車/トラックシステムに対して以下に説明される。
自動車制御システムが制御パラメータ(αrot ,v,αv ,αh )に与えられるべき値を次々に決定する場合が先ず考慮される。速度選択の場合、時間ti において書き留められたシフト値cxi及びcyiが既知である場合、適切であるべき時間ti における速度vの選択に対する確率p(v)は次式のように演算され得る。
図4Aは時間t0 において書き留められたシフト値cx0及びcy0に対して取得される速度値の確率分布10を示す。この分布は、単純且つ迅速に近似を得ることが求められ、これによって、使用する演算及び記憶手段を最小化することができる。速度vは0及び15km/時の間の範囲の整数値をとり得る。速度は横軸に表され、確率p(v)は縦軸に表されている。この例では、速度値の確率分布10は、速度がゼロであるか又は14よりも大きい場合には0であり、4km/時及び10km/時に等しい速度vに対して二つの最大値を示す連続関数である。
図4B乃至図4Gは共に図4Aの確率分布の表現の構成を説明している。速度値のセット、又はブランチはブランチが属する速度値の下方に位置する双方向矢符により示されている。確率分布10を横切り、双方向矢符の上方に配置された水平線は双方向矢符により示されるブランチの速度値に関連付けられている確率値を示す。
図4Bは確率p1 の4km/時に等しい第1の速度値v1 の選択に関連する構成の第1のステップを説明しており、第1のブランチBを形成する速度値のセットは確率値p1 をとる。
図4Cは確率p2 の、12km/時に等しい第2の速度値v2 の選択に関連する構成の第2のステップを説明している。速度のセットは第2のブランチB1 及びB2 のそれぞれを形成する速度値の二つのセットに分割される。ブランチB1 は0から7km/時の範囲の最小速度値を集める。ブランチB2 は8から15km/時の範囲の最大速度値を集める。二つのブランチB1 及びB2 は同数の速度値を集める。ブランチB2 は第2の選択された速度値v2 を含んでおり、従って確率値p2 をとる。ブランチB1 は確率値p1 を維持する。
この例のために選択された本発明の方法の実施の形態の第1アスペクトによれば、ブランチの分岐により、同数の速度値を含む二つのブランチを生成させ、ブランチの一方は最小速度値を含んでおり、他方のブランチは最大速度値を含んでいる。
図4D及び図4Eは確率値p3 の6km/時に等しい第3の速度値v3 の選択に関連する構成の第3のステップの二つのフェーズを説明している。第1のフェーズにおいて、第3の選択された速度値v3 を含むブランチB1 は図4Dに示されるように二つのブランチB1,1 及びB1,2 へ分岐する。ブランチB1,1 は0から3km/時の範囲の速度値を集め、ブランチB1,2 は4から7km/時の範囲の速度値を集める。第1及び第3の選択された速度値v1 及びv3 は同一のブランチB1,2 に属する。この場合、ブランチB1,1 及びB1,2 は確率値p1 を維持する。分岐方法は、ブランチの一つが第3の速度値v3 のみを含むようになるまで続く(図4E)。
この例のために選択された本発明の方法の実施の形態の第2アスペクトによれば、最終の選択された速度値を含む「親」ブランチの分岐は、「子」ブランチが新たな選択された速度値のみを含み、且つその他の予め選択された速度値を含まなくなるまで続く。中間の「子」ブランチは「親」ブランチの確率値をとる。
図4Eは第3のステップの第2のフェーズを説明している。第3の選択された速度値v3 を含むブランチB1,2 はこのように、それぞれ速度値4、5及び6、7km/時を含む二つのブランチB1,2,1 及びB1,2,2 へ分岐する。ブランチB1,2,2 は第3の選択された速度値v3 のみを含み、且つその他の選択された速度値を含まない。確率値p3 はこのようにブランチB1,2,2 へ割り当てられる。ブランチB1,2,1 はそれが生じたブランチB1,2 の確率値p1 を維持する。
図4Fは確率値p4 の10km/時に等しい第4の速度値v4 の選択に関連する構成の第4のステップを説明している。第4の選択された速度値v4 を含むブランチB2 は二つのブランチB2,1 及びB2,2 に分岐し、これらのブランチはそれぞれ速度値8から11及び12から15km/時を集める。第4の速度値v4 はブランチB2,1 に属し、且つこのブランチにはその他の選択された速度値は属していない。確率値p4 は続いてブランチB2,1 へ割り当てられる。ブランチB2,2 は確率値p2 を維持する。
図4Gは確率値p1 の、1km/時に等しい第5の速度値v5 の選択に関する構成の第5のステップを説明している。第5の選択された速度値v5 を含むブランチB1,1 は二つのブランチB1,1,1 及びB1,1,2 へ分岐し、これらのブランチはそれぞれ速度値0、1及び2、3km/時を集める。第5の選択された速度値v5 のみがブランチB1,1,1 に属し、このブランチにはその他の選択された速度値は属さない。確率値p5 は続いてブランチB1,1,1 へ割り当てられる。ブランチB1,1,2 は確率値p1 を維持する。なお、この最終段階において、図4Aの確率分布10の良好な近似が得られている。
図5は図4A乃至図4Gに関連して説明される五つのステップに従って取得される速度値の確率分布の表現の構成ツリーを示している。確率値p1 のブランチBはそれぞれの確率値p1 及びp2 の二つのブランチB1 及びB2 へ分岐する。ブランチB2 はそれぞれの確率p1 及びp2 の二つのブランチB2,1 及びB2,2 へ分岐する。ブランチB1 は確率値p1 の二つのブランチB1,1 及びB1,2 へ分岐する。ブランチB1,1 はそれぞれの確率値p5 及びp1 の二つのブランチB1,1,1 及びB1,1,2 へ分岐する。ブランチB1,2 はそれぞれの確率値p1 及びp3 の二つのブランチB1,2,1 及びB1,2,2 へ分岐する。速度値のセットの最終分割は構成ツリーの終端ブランチにより提供される。
1.3.2. 角度(αh ,αv )の選択
自動車制御システムが二つの制御パラメータに与えられるべき値を決定する場合の、本発明の方法に従った組み合わせの確率分布の表現の構成を以下に説明する。
自動車制御システムが二つの制御パラメータに与えられるべき値を決定する場合の、本発明の方法に従った組み合わせの確率分布の表現の構成を以下に説明する。
図6A乃至図6Dは水平及び鉛直傾斜角(αh ,αv )の値の全ての対の二次元空間Eを示す。水平及び鉛直傾斜角(αh ,αv )の対を以下では対という。水平傾斜角αh は横軸に示されている。鉛直傾斜角αv は縦軸に示されている。
シフト値cxi及びcyiが既知である場合の適切であるべき対(αh ,αv )の選択に対する確率p(αh ,αv /cxi,cyi)は次式に従って演算され得る。ここで、Zは正規化定数であり、p(v,αrot ,αv ,αh ,cx ,cy )は式(1)に従って演算される。
この例のための本発明の方法の実施の形態は上述の第1及び第2アスペクトを使用する。一つの分岐から生じるブランチは二つであって、同数の対を含む。ブランチの分岐は、最終の選択された対がブランチの一つの選択された対のみになるまで続く。
水平傾斜角αh は0°と5°との間の六つの値をとり得る。鉛直傾斜角αv は0°と3°との間の四つの値をとり得る。
コンピュータ処理を単純化するために、パラメータがとる可能性の高い値の数は、それが2の指数で無い場合には、直ちにより大きな2の指数へ増加される。(最初には提供されていなかった)追加された値に対応するそれらのパラメータの一つを有する対の確率はゼロである。
この例において、水平傾斜角αh は最初に六つの値をとり得る。値の数はこのように人為的に8(23 )にされ、それからの可能な値は0°から7°となる。4(22 )個の値が可能である鉛直傾斜角αv に対しては値の数の増加は行なわれない。
図6Aは第1のブランチBを形成する対(αh ,αv )のセットを示す。上述のように、第1の対C1 (αh1=2,αv1=3)及びこの第1の対C1 に対して演算された確率値p1 はブランチBの全ての対に割り当てられる。
図6Bは確率p2 の第2の対C2 (αh2=7,αv2=4)の選択後のブランチBの可能な分岐を説明している。ブランチBは、水平傾斜角値3°と4°との間を通過する鉛直限界12に従って二つのブランチB1 及びB2 へ分岐する。ブランチB1 は正確に4(22 )よりも小さい水平傾斜角を有する対を集める。ブランチB2 は4(22 )よりも大きい水平傾斜角を有する対を集める。
この例のための本発明の方法の実施の形態の一アスペクトによれば、「親」ブランチの分岐により、鉛直限界に従った二つのブランチが生成されることになる。鉛直限界を定義することができない場合、即ち、「親」ブランチの対の全てが同一の水平傾斜角αh を有する場合、二つの鉛直傾斜角αv 間を通過する水平限界に従って分割が行なわれる。
図6C及び図6DはブランチBの別の可能な分岐を説明しており、第2の選択された対C2'(αv2' =1,αh2' =1)はC2 とは異なる。図6Cは上述同様に同一の鉛直限界12に従ったブランチBの第1の分割を説明している。選択された第1の対C1 及び第2の対C2 は共にブランチB1 に属する。ブランチB1 及びB2 は第1の対C1 の確率値p1 をとり、対C2'を含むブランチB1 の新たな分岐は二つの選択された対C1 及びC2'が異なったブランチに含まれるようになるまで行なわれる。
図6Dは鉛直傾斜角αv の値1°と2°との間を通過する水平限界13に従ったブランチB1 の分岐を説明している。ブランチB1,1 は2以上の鉛直傾斜角値を有する対を集める。ブランチB1,2 は正確に2よりも小さい鉛直傾斜値を有する対を集める。ブランチB1,2 は第2の対C2'の確率値p2 をとり、ブランチB2,2 は確率値p1 をとる。
この例のための本発明の方法の実施の形態の別のアスペクトによれば、「親」ブランチの連続的な分岐は、新たな選択された組み合わせが任意の「子」ブランチに属すべき選択された組み合わせの一つのみになるまで、鉛直限界及び水平限界に従って連続的に行なわれる。
1.4.正規化された確率値
式(3)から得られる確率値、たとえばp(XS1 ,XS2 ,XSn )は実際には、定数、正規化定数Zの範囲内で定義される。この定数は、全ての組み合わせ(XS1 ,XS2 ,XSn )の確率値が既知であり、且つZを考慮することなく(Zを1として)演算されている場合にのみ演算され得る。正規化定数Zはその結果、全ての確率値の和に等しくなる。
式(3)から得られる確率値、たとえばp(XS1 ,XS2 ,XSn )は実際には、定数、正規化定数Zの範囲内で定義される。この定数は、全ての組み合わせ(XS1 ,XS2 ,XSn )の確率値が既知であり、且つZを考慮することなく(Zを1として)演算されている場合にのみ演算され得る。正規化定数Zはその結果、全ての確率値の和に等しくなる。
実際、確率分布の表現の構成に関して極めてわずかな確率値のみが演算される。選択された組み合わせに対して演算された確率値は正規化されない。
本発明は、正規化定数Zの推定値である中間正規化定数Ziの定義を提供する。正規化定数Ziは確率分布表現の構成中に演算される。それは全ての組み合わせの確率値の和に等しく、組み合わせの確率値は考慮される組み合わせを含むブランチに割り当てられるものである。
中間正規化定数Ziを容易に演算するために、本発明は各ブランチへの重みの割り当てを提供する。最終分岐のブランチの重み付けは、考慮されるブランチに関連付けられている確率値とこのブランチの組み合わせの数との積に等しい。他のブランチの重み付けは、考慮されるブランチから生じるブランチの重み付けの和に等しく、次の分岐レベルに位置する。その結果、第1のブランチの重み付けは中間正規化定数Ziに等しい。
重み付けは構成ツリーの終端ブランチの一つの分岐において更新される。第1のブランチと分岐する最終ブランチとの間に位置するブランチの重み付けは再演算する必要がある。
このように、図4B乃至図4Gに示される速度確率分布表現の構成の例に対して、図4Bの第1のステップの終端におけるブランチB1 の重み付けは16*p1 である。図4Cの第2のステップの終端において、新たなブランチB1 及びB2 の重み付けはそれぞれ8*p1 及び8*p2 であり、ブランチBの重み付けは更新されて現在は8*p1 +8*p2 である。図4Dの第3のステップの終端において、ブランチB1,1 及びB1,2 の重み付けは共に4*p1 であり、異なる速度に割り当てられた確率値は変更されていないので、ブランチB1 及びBの重み付けは変更されず(それぞれ4*p1 +4*p1 =8*p1 及び(4*p1 +4*p1 )+8*p1 =16*p1 )、速度値の分割のみが変更される。図4Eの第4のステップの終端において、ブランチB1,2,1 及びB1,2,2 それぞれの重み付けは2*p1 及び2*p3 であり、ブランチB1,2 の重み付けは現在は2*p1 +2*p3 であり、ブランチB1 の重み付けは4*p1 +(2*p1 +2*p3 )であり、ブランチBの重み付けは(4*p1 +(2*p1 +2*p3 ))+8*p2 である。
本発明の方法の利点は、全ての確率値を演算する必要が無いので、速度の正規化された確率値を迅速に求められることにある。
1.5.利点
本発明の方法はいわゆる「ガウス混合」法とは逆に多種多様な確率分布の表現を可能にする。
本発明の方法はいわゆる「ガウス混合」法とは逆に多種多様な確率分布の表現を可能にする。
本発明の方法は、利用可能なメモリ及び許容される演算時間に従って多かれ少なかれ詳細な表示を取得することを可能にする。
更に、組み合わせ選択のための最適化法の実施は、わずかなメモリを利用して極めて短い時間の間に表現を取得することを可能とし、また組み合わせが高い確率値を示す空間Eの領域に対して充分な正確さを示すことを可能とする。このように本発明の方法は、空間Eの分割を一部の部分に対しては極めて細密に、他の部分に対しては大まかに行なえる「マルチレゾルーション」である。
本発明の方法のこの「マルチレゾルーション」特性は、既存の表現とは逆に比較的短い時間内で構成を行なうことを可能とし、適度のサイズのメモリを使用することにより、多数の制御パラメータ又は多数の値をとり得るパラメータの確率分布表現を可能とする。
2.選択
組み合わせの確率分布の表現に基づいて組み合わせの一つを選択する既知の形態は、最大確率を示す組み合わせの一つを選択すること又はランダム描画により組み合わせを選択することからなり、その原理は以下で思い出されるであろう。しかしながら、所定の確率値を有する組み合わせの一つの選択又は二つの任意の確率値の間にわたる確率値の範囲を有する組み合わせの一つの選択のような他の選択基準が定義されてもよい。
組み合わせの確率分布の表現に基づいて組み合わせの一つを選択する既知の形態は、最大確率を示す組み合わせの一つを選択すること又はランダム描画により組み合わせを選択することからなり、その原理は以下で思い出されるであろう。しかしながら、所定の確率値を有する組み合わせの一つの選択又は二つの任意の確率値の間にわたる確率値の範囲を有する組み合わせの一つの選択のような他の選択基準が定義されてもよい。
2.1.最大確率の組み合わせの選択
本発明の方法の一実施の形態によれば、最大確率値を示すブランチ(単数又は複数)の指示を記憶するためにメモリレジスタが使用される。レジスタは最初に構成ツリーの第1のブランチを記憶し、その後、確率分布表現の構成中に更新される。ブランチの各分岐において、最終の選択された組み合わせの確率値がレジスタに記憶されているブランチの確率値よりも大きいか否かがチェックされ、そのような場合にはレジスタは更新されて最終の選択された組み合わせを含む新たなブランチを記憶する。
本発明の方法の一実施の形態によれば、最大確率値を示すブランチ(単数又は複数)の指示を記憶するためにメモリレジスタが使用される。レジスタは最初に構成ツリーの第1のブランチを記憶し、その後、確率分布表現の構成中に更新される。ブランチの各分岐において、最終の選択された組み合わせの確率値がレジスタに記憶されているブランチの確率値よりも大きいか否かがチェックされ、そのような場合にはレジスタは更新されて最終の選択された組み合わせを含む新たなブランチを記憶する。
最大確率のブランチが分岐して同一の確率の一又は複数の「子」ブランチを与える場合、レジスタは更新されて全ての「子」ブランチを記憶する。
続いて、組み合わせの選択は、より多数の組み合わせを含むレジスタにより記憶されているブランチを特定することと、続いてこのブランチの組み合わせの一つを選択することとからなる。
2.2.ランダム描画による選択
ランダム描画は、高い確率を示す組み合わせが選択される可能性が高く、且つ低い確率を示す組み合わせが選択される可能性が低いような方法で可能な組み合わせの一つを選択することからなる。多数のランダム描画の後、「描画された」組み合わせの確率分布はランダム描画法が基づく最初の組み合わせの確率分布と一致する。
ランダム描画は、高い確率を示す組み合わせが選択される可能性が高く、且つ低い確率を示す組み合わせが選択される可能性が低いような方法で可能な組み合わせの一つを選択することからなる。多数のランダム描画の後、「描画された」組み合わせの確率分布はランダム描画法が基づく最初の組み合わせの確率分布と一致する。
本発明の方法の一実施の形態によれば、組み合わせのランダム描画は確率分布の表現の構成ツリーを使用して再帰的な選択方法に従って行なわれる。
第1のブランチから開始し、構成ツリーの終端ブランチが選択されるまで第2のブランチ、続いて第3のブランチ等が選択される。この目的のために、ランダム描画を行なうことにより複数の第2のブランチの内の一つの第2のブランチが選択される。最も高い確率を示す第2のブランチが選択される可能性が最も高く、またその逆でもある。選択される第2のブランチから生じる第3のブランチの一つはこれらの第3のブランチ等のランダム描画を行なうことにより同様に選択される。
各ブランチが二つのブランチに分岐する場合、本発明の方法は以下に説明するいくつかのステップを含む。
本発明の方法の第1のステップにおいて、0と1との間の範囲に含まれる数pがランダムに選択される。
第2のステップにおいて、第1のブランチの分岐から生じる二つの「子」ブランチに割り当てられる確率値の和Sが演算される。続いて、各「子」ブランチに対して、考慮されるブランチに割り当てられる確率値と演算された和Sとの比に等しい新たな確率値が演算される。
第3のステップにおいて、二つの隣接する確率間隔が0と1との間に定義され、第1の間隔は第1の子ブランチに関連付けられ、第2の間隔は第2の子ブランチに関連付けられる。第1の間隔は0から第1の子ブランチの確率値にまでわたり、第2の間隔はこの確率値から1にまでわたる。
第4のステップにおいて、数pが位置する間隔が特定され、この間隔に関連付けられている「子」ブランチが選択される。
選択された「子」ブランチが他のブランチへ分岐する場合、再帰的な方法が第1のステップにおいて再開され、選択された「子」ブランチによって第1のブランチが置換される。第1の選択された数pが再度使用されてもよい。
選択された「子」ブランチが他のブランチへ分岐しない場合、再帰的な方法は停止し、選択されている子ブランチの組み合わせの一つが選択される。
上述の再帰的な選択方法は自動車/トラックシステムの例において速度又は傾斜角(αv ,αh )の対を選択するために使用される。
本発明の方法の利点は、ランダム描画法は単純であり実施が容易であることにある。
2.3.ツリー記憶
一旦決定が下されると、構成ツリーはメモリから消去される。しかしながら自動車及びトラック等のシステムに対して、測定パラメータの種々のサンプリングの後に連続的に取得される構成ツリーを「キャッシュ」メモリに保持しておいてもよい。最も頻繁に使用される構成ツリーを記憶してもよい。
一旦決定が下されると、構成ツリーはメモリから消去される。しかしながら自動車及びトラック等のシステムに対して、測定パラメータの種々のサンプリングの後に連続的に取得される構成ツリーを「キャッシュ」メモリに保持しておいてもよい。最も頻繁に使用される構成ツリーを記憶してもよい。
確率分布が頻繁に使用される場合には、この表現の構成ツリーの分岐を続行することによりその表現を絞り込んでもよい。自動車/トラックの例において、ツリー分岐はcx 及びcy の値のサンプリングと、αrot 、v、αv 及びαh の値が選択されるべき時間との間に許容される時間の間は続行されてもよい。
同様に、確率分布が任意の時間において多く使用され、それ以降は使用が減少する場合、確率分布の正確さは構成ツリーの終端ブランチを多かれ少なかれ抑制することにより減少させることができる。
上述したように中間正規化定数を求めるために各ブランチに対する重み付けを演算することが選択された場合、第1のブランチと抑制されたブランチ(単数又は複数)との間に位置するブランチの重み付け値は更新される。
本発明の方法の利点は、確率分布表現の絞込み又は単純化が可能になることにある。このことは、種々の確率分布を記憶する戦略を実施して連続的な組み合わせの選択を全体的に改良することを可能にする。
3.応用例
3.1.故障診断
図7は入力Iと出力Oとの間にいくつかの構成要素を備える電気装置を示しており、各構成要素は、動作時には入力電流Kの一部を導電することができ、構成要素に欠陥がある場合には電流を流さない。
3.1.故障診断
図7は入力Iと出力Oとの間にいくつかの構成要素を備える電気装置を示しており、各構成要素は、動作時には入力電流Kの一部を導電することができ、構成要素に欠陥がある場合には電流を流さない。
構成要素Aは入力Iと第1中間点100との間に配置されている。構成要素Aの出力電流KAは構成要素が動作するときは電流Kの100%に等しい(この構成要素に欠陥があるときは電流Kの0%に等しい)。
構成要素B及びCは第1中間点100と第2中間点101との間に並列に配置されている。構成要素Bの出力電流KBは構成要素Bが動作するときは最大限で電流Kの40%に等しい。
構成要素Cは、並列接続された二つの構成要素C1 及びC2 からなる。各構成要素C1 及びC2 は電流Kの30%までを導電することができる。従って、構成要素Cの出力電流KCは、二つの構成要素に欠陥があるか又は二つの構成要素が動作するかによって、電流Kの0%、30%又は60%に等しい。
構成要素Dは点101と出力Oとの間に配置されている。構成要素Dは、並列接続された八つの構成要素D1 乃至D8 からなる。各構成要素D1 乃至D8 は動作時には電流Kの15%まで導電することができる。更に、構成要素Dを動作させるには構成要素D1 乃至D8 の内の少なくとも六つが動作することが必要である。
構成要素Dに流れ込む電流KBCは電流KBと電流KCとの和に等しい。電流KBCは電流Kの0%、30%(C1 又はC2 のみ動作)、40%(Bのみ動作)、60%(C1 及びC2 が動作)、70%(C1 又はC2 及びBが動作)又は100%(C1 、C2 及びBが動作)に等しくなる。
構成要素Dの出力電流KDは0%、30%、40%、60%、70%(KBCはそれぞれ電流Kの0%、30%、40%、60%及び70%に等しく、構成要素D1 乃至D8 の内の少なくとも六つが動作)、90%(KBCが電流Kの100%に等しく、構成要素D1 乃至D8 の内の六つが動作)、又は100%(KBCが電流Kの100%に等しく、構成要素D1 乃至D8 の内の少なくとも七つが動作)、又は電流Kに等しくなる。
各構成要素A、B、C1 、C2 及びD1 乃至D8 は、構成要素に欠陥がある場合に値0を、構成要素が動作している場合に値1をとり得る装置のパラメータであると考えられる。また、出力電流KA、KB、KC、KBC及びKDは多かれ少なかれなんらかの値をとり得る装置のパラメータであると考えられる。従って、KA及びKBは、電流がそれぞれ電流Kの0%であるか又は100%であるかによって値0又は1をとり得る。KCは、電流がそれぞれ0%であるか、30%であるか、又は60%であるか、又は電流Kであるかによって値0、1又は2をとり得る。KBCは、電流がそれぞれ電流Kの0%に達するか、30%に達するか、40%に達するか、60%に達するか、70%に達するか又は100%に達するかによって値0、1、2、3、4又は5をとり得る。KDは、電流がそれぞれ電流Kの0%であるか、30%であるか、40%であるか、60%であるか、70%であるか、90%であるか又は100%であるかによって値0乃至7をとり得る。
適切であるべき全てのパラメータの任意の組み合わせに対する確率p(A,B,C1 ,C2 ,D1 ,... ,D8 ,KA,KB,KC,KBC,KD)は次式により定義される。
p(A,B,C1 ,C2 ,D1 ,... ,D8 ,KA,KB,KC,KBC,KD)=
p(A)p(B)p(C1 )p(C2 )p(D1 )p(D2 )p(D3 )p(D4 ) p(D5 )p(D6 )p(D7 )p(D8 )p(KA)p(KB)p(KC)
p(KBC)p(KD)p(KA/A)p(KB/B, KA)p(KC/C, KA) p(KBC/KB, KC)p(KD/KBC, D) …(4)
p(A)p(B)p(C1 )p(C2 )p(D1 )p(D2 )p(D3 )p(D4 ) p(D5 )p(D6 )p(D7 )p(D8 )p(KA)p(KB)p(KC)
p(KBC)p(KD)p(KA/A)p(KB/B, KA)p(KC/C, KA) p(KBC/KB, KC)p(KD/KBC, D) …(4)
ここで、
p(A)、p(B)、p(C1 )、p(C2 )、p(D1 )乃至p(D8 )、p(KA)、p(KB)、p(KC)、p(KBC)及びp(KD)はそれぞれA、B、C1 、C2 、KA、KB、KC、KBC及びKEが任意の値を有するべき確率であり、
p(KA/A)はAの値が既知である場合にKAが任意の値を有するべき確率であり、
p(KB/B,KA)はB及びKAの値が既知である場合にKBが任意の値を有するべき確率であり、
p(KC/C,KA)はC及びKAの値が既知である場合にKCが任意の値を有するべき確率であり、
p(KBC/KB,KC)はKB及びKCの値が既知である場合にKBCが任意の値を有するべき確率であり、
p(KD/KBC,D)はKBC及びDの値が既知である場合にKDが任意の値を有するべき確率である。
p(A)、p(B)、p(C1 )、p(C2 )、p(D1 )乃至p(D8 )、p(KA)、p(KB)、p(KC)、p(KBC)及びp(KD)はそれぞれA、B、C1 、C2 、KA、KB、KC、KBC及びKEが任意の値を有するべき確率であり、
p(KA/A)はAの値が既知である場合にKAが任意の値を有するべき確率であり、
p(KB/B,KA)はB及びKAの値が既知である場合にKBが任意の値を有するべき確率であり、
p(KC/C,KA)はC及びKAの値が既知である場合にKCが任意の値を有するべき確率であり、
p(KBC/KB,KC)はKB及びKCの値が既知である場合にKBCが任意の値を有するべき確率であり、
p(KD/KBC,D)はKBC及びDの値が既知である場合にKDが任意の値を有するべき確率である。
単純な確率p(A)乃至p(KD)は、装置を製造する会社により行なわれた検査において明らかになった欠陥事例を書き留めたデータベースから定義され得る。条件付き確率p(KA/A)乃至p(KD/KBC,D)は装置記述に基づいて容易に定義され得る。たとえば、
p(KA=0%/A=0)=1
p(KA=100%/A=0)=0
p(KA=0%/A=1)=0
p(KA=100%/A=1)=1
p(KA=0%/A=0)=1
p(KA=100%/A=0)=0
p(KA=0%/A=1)=0
p(KA=100%/A=1)=1
装置の故障診断において、装置のある点における電流(KA、KB、KC、KBC又はKD)が測定され得る及び/又は装置の一又はいくつかの構成要素(A、B、C1 、C2 、D1 乃至D8 )の動作状態が考慮され得る。一旦、一又はいくつかの電流がサンプリングされる及び/又は一又はいくつかの構成要素が解析されると、いずれの構成要素が機能しない可能性が高いか(診断1)又は装置のある点においてどの程度の電流が流れる可能性が高いか(診断2)が決定され得る。
行なわれた診断に従って、パラメータA、B、C1 、C2 、D1 乃至D8 、KA、KB、KC、KBC及びKCは、その値が決定されることが望まれる特定のパラメータであるのか、又は電流又は動作状態が測定されるので測定パラメータであるのか、又はそれらの値が決定されることが望まれず且つそれらの値が測定されていないので非保留パラメータであるのかのいずれかであり得る。
診断1において、測定パラメータは一又はいくつかの電流、たとえばKBCであり、特定のパラメータは一又はいくつかの構成要素、この例では電流KBCの上流に位置する構成要素A、B、C1 及びC2 である。電流KBCの値のサンプリングの後、パラメータA、B、C1 及びC2 の値の組み合わせの確率分布の表現は測定パラメータKBCの値が既知である場合、本発明の方法に従って構成される。KBCの値が既知である場合、装置の状態を表すための組み合わせ(A,B,C1 ,C2 )に対する確率p(A,B,C1 ,C2 /KBC)は上述のようにこの推論において保留されない全てのパラメータ値(D1 乃至D8 、KA、KB、KC、KD)に対する全ての確率p(A,B,C1 ,C2 ,D1 ,... ,D8 ,KA,KB,KC,KBC,KE)を合計することにより演算され得る。最初に望まれるのは、最大確率を示す第1の組み合わせを特定して第1の修復を行なうことである。もしこの修復が不十分又は根拠の無いものであるように思われる場合には、第1の組み合わせの後に最大確率を示す第2の組み合わせを特定する等を行なう。
診断2において、制御パラメータは求めたい電流、たとえばKBCであり、測定パラメータはその他のパラメータの内の少なくとも一又はいくつかであってもよい。測定パラメータの値のサンプリングの後、電流KBCの可能な値の確率分布の表現が本発明の方法に従って構成される。続いて最大確率を示す電流KBCの値が選択される。
3.2.図形認識
図8は識別が望まれる手書きの図形の画像200を示す。この画像は同一サイズの64個の正方形又は画素へ分解される。各画素に対して、考慮される画素内の図形の複数のラインにより取り上げられる表面領域を表すグレイレベルが0から16までのスケールで測定される。
図8は識別が望まれる手書きの図形の画像200を示す。この画像は同一サイズの64個の正方形又は画素へ分解される。各画素に対して、考慮される画素内の図形の複数のラインにより取り上げられる表面領域を表すグレイレベルが0から16までのスケールで測定される。
システムは、値0乃至9をとり得る決定されるべき単一のパラメータ(又は特定のパラメータ)CHIFFRE 、及びそれぞれが値0乃至15をとり得る64個の測定パラメータPix[i]を備えており、iは1から64までの整数である。
可能であるべき全てのパラメータの値の任意の組み合わせに対する確率p(CHIFFRE ,Pix[1],... ,Pix[64])は次式により定義される。
p(CHIFFRE ,Pix[1],... ,Pix[64])=
p(CHIFFRE)*p(Pix[1]/CHIFFRE)*... *p(Pix[64]/CHIFFRE) …(5)
p(CHIFFRE)*p(Pix[1]/CHIFFRE)*... *p(Pix[64]/CHIFFRE) …(5)
ここで、p(CHIFFRE)は任意の図形を有する確率であり、p(Pix[i]/CHIFFRE)は図形が既知である場合に画素Pix[i]に対して任意のグレイレベルを有する確率である。
一般的に、図形0乃至9は確率が等しく、従ってp(CHIFFRE)は1/10に等しいと考えられる。条件付き確率p(Pix[i]/CHIFFRE)は手書きの図形の種々のモデルに対する各画素のグレイレベルの測定からなる訓練フェーズの終端において定義される。各確率p(Pix[i]/CHIFFRE)はラプラスの法則に従って正規化されたヒストグラム(16列で)により定義され得る。
図形の認識は各画素のグレイレベルの測定の第1のフェーズを有する。第2のフェーズにおいて、各画素のグレイレベルが既知であるとして、図形の確率分布の表現が式(5)及び本発明の方法に基づいて構成される。図形の選択は最大確率を示す図形を特定することからなる。
3.3.輸送費の評価
船会社は船荷の商品をある欧州の港から別の港へ送り出す。送り出された商品は、食品、薬品、電化製品又は衣服等、多種多様なものであり得る。船荷及び到着港において商品を保管するために種々のタイプのコンテナが使用される。コンテナは冷蔵保存するものであってもよいし、種々のサイズであってもよい。
船会社は船荷の商品をある欧州の港から別の港へ送り出す。送り出された商品は、食品、薬品、電化製品又は衣服等、多種多様なものであり得る。船荷及び到着港において商品を保管するために種々のタイプのコンテナが使用される。コンテナは冷蔵保存するものであってもよいし、種々のサイズであってもよい。
船会社は、たとえば電話での会話で、出発港(PortDep)及び到着港(PortArr)、輸送される商品のタイプ(Mar)、使用されるコンテナ(Cont)、クライアント(Cl)、及び輸送が生じる月(M)が既知である場合に輸送費の見積もりを迅速に決定したい。見積もりの決定に関して予め入力されているこれらのパラメータは、輸送システムの測定パラメータをなす。
更に、会社は特に、欧州の出発港におけるコンテナ準備期間(TdP)、出荷予定日(TdTM)(往路又は復路、コンテナは往路では充満されており、復路では空である)、到着港におけるコンテナの待ち時間(TdA)、クライアントでのコンテナ荷下ろし時間(TdDC)、欧州へ戻ってきたときのコンテナの手入れ時間(TdRE)を日数計算したものに関する全ての情報を所有している。
同様に、コンテナの一日あたりのレンタル費(CdLJ)、コンテナの手入れのための一日あたりの固定費(CdIJ)、出荷コスト(CdTM)、コンテナの修理費(CdR)に関する情報も利用可能である。
総輸送費(CT)は、総コンテナレンタル費(CdLT=CdLJ*(TdP+2*TdTM+TdA+TdDC+TdRE)、総コンテナ固定費(CdIT)、出荷コスト(CdTM=CdIT*TdRE)、船荷における負荷バランシングのコスト(CdE)及びコンテナの修理費(CdR)の和である。
予め定義された全てのパラメータの結合確率分布のモデルは、各時間パラメータ(TdP、TdTM、TdA、TdDC及びTdRE)及び各コストパラメータ(CdLT、CdIT、CdTM、CdE、CdR、CT)に対して定義された独立の確率分布に基づいて構成される。確率値は会社の存続期間にわたって入手してきたデータのセットから取得される。たとえば、商品の種類(Mar)が既知である場合の出発港におけるコンテナ準備期間(TdP)の確率分布はガウス系である。コンテナの種類(Cont)、出発港(PortDep)、到着港(PortArr)及び輸送される商品(Mar)が既知である場合の出荷コスト(CdTM)の確率分布はディラック関数である。
一般的に、総輸送費(CT)は中間コストを詳述することなしに定義することが望ましい。この場合、決定すべき唯一のパラメータ(又は特定のパラメータ)は総コスト(CT)である。測定パラメータ(PortDep、PortArr、Mar、Cont、Cl及びM)が既知である場合、総コストを迅速に提供するために、可能な総コストCTの確率分布の表現が本発明の方法に従って構成される。業者は先ず最大コストの額、たとえば2,000ユーロを知りたい。続いて場合によっては最大コストに対して10%のマージンをとることにより第1の見積もりを立て、そして2,200ユーロを提示する。クライアントがこの額を受け入れなかった場合、業者は続いて、可能なコストのたとえば90%を含むコスト幅又は平均コストを見積もることができる。平均コストは中間正規化定数Ziを可能な総コストの数で割ることにより容易に演算できる。業者は続いて平均コスト又はコスト幅のコストの一つに対してより小額のマージンを取ることにより第2の見積もりを立てるであろう。
また、立てられる見積もりは全てのコストを詳述してもよく、この場合、システムの測定制御パラメータは(CdLT、CdIT、CdTM、CdE、CdR)である。そして、総コストは保持されたコスト組み合わせに基づいて演算される。
この応用例により、構成に基づいて最大確率の組み合わせが容易に決定でき、パラメータの値の標準偏差及び平均値が演算でき、任意の確率を示す組み合わせの一つが選択できることが示される。このように本発明の方法により、いくつかの選択基準を容易に実施することが可能となる。
勿論、本発明は当業者が容易に想到するであろう種々の変更、修正及び改良を有する可能性が高い。特に、検討されるシステムに最もよく適合するブランチ分岐法を定義することは当業者の能力の範囲内であろう。同様に、確率分布のツリー型の表現に基づいて組み合わせの選択の新たな判断基準を定義することは当業者の能力の範囲内であろう。
Claims (12)
- 特定のパラメータの値のいずれかの組み合わせに対する、考慮される組み合わせの選択が既知の測定パラメータの値に対して適合度が高ければ高いほど大になる確率値を提供する手段に関連付けられているシステムの特定のパラメータのセットに与えられるべき値を、それぞれが有限の個数の値をとり得る測定パラメータのセットの値に基づいて決定する方法において、
−各測定パラメータの値を書き留めるステップと、
−書き留められた値に対応する特定のパラメータの値の可能な全ての組み合わせの確率分布のツリー型の表現を構成し、
組み合わせのセットは、いくつかの組み合わせのサブセットに分割される第1のブランチを形成し、各サブセットは特定のパラメータ値の内の近い値を有する組み合わせを集める第2のブランチを形成し、各第2のブランチは同様にいくつかの第3のブランチ等に分割可能であり、
確率値は、各ブランチに割り当てられており、この確率値は考慮されるブランチの組み合わせの一つ又は考慮されるブランチが発生するブランチの一つの組み合わせの一つに対して取得されるステップと、
−所定の選択基準に従って、予め構成されたツリー型の確率分布の表現に基づいて特定のパラメータの値の組み合わせの一つを選択するステップと
を含むことを特徴とする方法。 - 同一ブランチの分割から生じるブランチは二つであって同数の組み合わせを含んでおり、第1のブランチは二つの第2のブランチに分割され、各第2のブランチは二つの第3のブランチ等に分割され得ることを特徴とする請求項1に記載の方法。
- 一つのブランチの二つのブランチへの分割は、
a)既に使用された組み合わせとは異なる組み合わせを既存のブランチの確率値を定義するために選択し、この選択された組み合わせの確率を演算するステップと、
b)選択された組み合わせを含むいわゆる「親」ブランチを、二つのいわゆる「子」ブランチに分割するステップと
を含み、
選択された組み合わせ及び親ブランチの確率値を定義するために使用される「親」組み合わせが同一の子ブランチに属している場合、親ブランチの確率値を二つの子ブランチに割り当て、ステップb)における方法を再開することにより選択された組み合わせを含む子ブランチを分割してこの子ブランチを親ブランチとし、
選択された組み合わせ及び親組み合わせが同一の子ブランチに属していない場合、選択された組み合わせの確率値を選択された組み合わせを含む子ブランチに割り当て、親組み合わせの確率値を他の子ブランチに割り当てること
を特徴とする請求項2に記載の方法。 - 選択基準は、最大確率を示す組み合わせの一つを選択することからなることを特徴とする請求項1に記載の方法。
- 組み合わせの選択は、
a)0から1までの数pをランダムに選択するステップと、
b)第1のブランチの分割から生じる二つのいわゆる子ブランチに割り当てられた確率値の和を演算し、各子ブランチに対して、この子ブランチに割り当てられる確率値と演算された和との比に等しい新たな確率値を演算するステップと、
c)第1の間隔は第1の子ブランチに関連付けられており、第2の間隔は第2の子ブランチに関連付けられており、第1の間隔は0から第1の子ブランチの確率値までにわたり、第2の間隔は前記確率値から1までにわたる、0と1との間の二つの近接した確率間隔を定義するステップと、
d)数が求められるべき間隔を特定し、この間隔に関連付けられている子ブランチを選択するステップと、
選択された子ブランチが他のブランチに分岐する場合、ステップa)における再帰的方法を再開して第1のブランチを選択された子ブランチと置換するステップと、そうでなければ
e)選択された子ブランチの組み合わせの一つを選択するステップと
を含む再帰的な方法の実施からなることを特徴とする請求項2に記載の方法。 - 選択基準は、所定の確率値、又は二つの任意の確率値の間の確率値を有する組み合わせの一つを選択することからなることを特徴とする請求項1に記載の方法。
- 各ブランチに割り当てられた確率値は正規化されておらず、1よりも大きい値であり得ることを特徴とする請求項1に記載の方法。
- 各ブランチに重み付けが割り当てられており、最終分岐のブランチの重み付けはこのブランチに割り当てられた確率値とこのブランチの組み合わせの数との積に等しく、他のブランチの重み付けは考慮されるブランチから生じるブランチの重み付けの和に等しく、次の分岐レベルにあることを特徴とする請求項7に記載の方法。
- 各ブランチに割り当てられた確率値は正規化されることが可能であり、ブランチの正規化された確率値はツリーの最初のブランチに割り当てられた重み付けでこのブランチの確率値を除算することにより得られることを特徴とする請求項8に記載の方法。
- 組み合わせの選択は、高い確率値を有する組み合わせを生成する方法を実施することにより行なわれることを特徴とする請求項3に記載の方法。
- 全ての組み合わせの確率分布の表現は記憶され、続いて更なるブランチの生成により絞り込まれてもよく、また一部のブランチの抑制により簡素化されてもよいことを特徴とする請求項1に記載の方法。
- パラメータがとる可能性の高い値の数は人為的に増加され、少なくとも一つのパラメータの値が付加値に対応する制御パラメータの値の組み合わせの確率値がゼロであることを特徴とする請求項1に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP02354115A EP1387232A1 (fr) | 2002-07-29 | 2002-07-29 | Procédé de détermination de la valeur à donner à différents paramètres d'un système |
PCT/FR2003/002399 WO2004013714A2 (fr) | 2002-07-29 | 2003-07-29 | Procede de determination de la valeur a donner a differents parametres d'un systeme |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005536788A true JP2005536788A (ja) | 2005-12-02 |
JP2005536788A5 JP2005536788A5 (ja) | 2006-09-14 |
Family
ID=30011284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004525489A Pending JP2005536788A (ja) | 2002-07-29 | 2003-07-29 | システムの異なるパラメータに与えられる値を決定する方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20050210085A1 (ja) |
EP (2) | EP1387232A1 (ja) |
JP (1) | JP2005536788A (ja) |
AU (1) | AU2003269078A1 (ja) |
CA (1) | CA2492575A1 (ja) |
WO (1) | WO2004013714A2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110914B2 (en) * | 2003-11-03 | 2006-09-19 | Microsoft Corporation | Flexible variable and execution matrix |
US9034231B2 (en) | 2011-04-14 | 2015-05-19 | Berry Plastics Corporation | Cup lid |
US9364107B2 (en) | 2013-03-15 | 2016-06-14 | Berry Plastics Corporation | Drink cup lid |
US9814334B2 (en) | 2014-10-24 | 2017-11-14 | Berry Plastics Corporation | Drink cup lid |
US10577159B2 (en) | 2017-04-07 | 2020-03-03 | Berry Plastics Corporation | Drink cup lid |
EP3664668B1 (en) | 2017-08-07 | 2023-06-28 | Berry Global, Inc. | Method and apparatus for thermoforming an article |
CN108107717B (zh) * | 2017-09-27 | 2021-01-12 | 西北工业大学深圳研究院 | 一种适用于量化多自主体系统的分布式控制方法 |
USD907997S1 (en) | 2018-08-10 | 2021-01-19 | Berry Global, Inc. | Drink cup lid |
EP3921154A4 (en) | 2019-02-06 | 2023-01-25 | Berry Global, Inc. | PROCESS FOR PRODUCTION OF POLYMER MATERIAL |
US11891488B2 (en) | 2019-02-06 | 2024-02-06 | Berry Global, Inc. | Polypropylene sheets and articles |
USD911168S1 (en) | 2019-03-05 | 2021-02-23 | Berry Global, Inc. | Drink cup lid |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4872122A (en) * | 1987-06-19 | 1989-10-03 | University Of Pennsylvania | Interactive statistical system and method for predicting expert decisions |
JP3349196B2 (ja) * | 1992-06-20 | 2002-11-20 | テキサス インスツルメンツ インコーポレイテツド | 対象識別システムおよび方法 |
CN1150515C (zh) * | 1995-03-07 | 2004-05-19 | 英国电讯公司 | 语音识别方法和装置 |
JP3948747B2 (ja) * | 1995-08-28 | 2007-07-25 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ツリー構成確率密度に基づくパターン認識の方法及びシステム |
JPH09190464A (ja) * | 1996-01-12 | 1997-07-22 | Toshiba Corp | 集積回路の電力評価方法 |
US6807537B1 (en) * | 1997-12-04 | 2004-10-19 | Microsoft Corporation | Mixtures of Bayesian networks |
-
2002
- 2002-07-29 EP EP02354115A patent/EP1387232A1/fr not_active Withdrawn
-
2003
- 2003-07-29 AU AU2003269078A patent/AU2003269078A1/en not_active Abandoned
- 2003-07-29 JP JP2004525489A patent/JP2005536788A/ja active Pending
- 2003-07-29 WO PCT/FR2003/002399 patent/WO2004013714A2/fr active Application Filing
- 2003-07-29 CA CA002492575A patent/CA2492575A1/en not_active Abandoned
- 2003-07-29 US US10/522,655 patent/US20050210085A1/en not_active Abandoned
- 2003-07-29 EP EP03750860A patent/EP1525520A2/fr not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
WO2004013714A3 (fr) | 2004-04-01 |
EP1387232A1 (fr) | 2004-02-04 |
WO2004013714A2 (fr) | 2004-02-12 |
CA2492575A1 (en) | 2004-02-12 |
EP1525520A2 (fr) | 2005-04-27 |
AU2003269078A1 (en) | 2004-02-23 |
AU2003269078A8 (en) | 2004-02-23 |
US20050210085A1 (en) | 2005-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11176492B2 (en) | Training a machine to automate spot pricing of logistics services in a large-scale network | |
CN111862585B (zh) | 用于交通预测的系统和方法 | |
JP2005536788A (ja) | システムの異なるパラメータに与えられる値を決定する方法 | |
Zhang et al. | An adaptive tabu search algorithm embedded with iterated local search and route elimination for the bike repositioning and recycling problem | |
CN111680382A (zh) | 等级预测模型训练方法、等级预测方法、装置及电子设备 | |
CN113908551B (zh) | 导航路径的确定方法、装置、设备、存储介质及程序产品 | |
Siddique et al. | Puzzle-based parking | |
CN111811525A (zh) | 一种基于遥感图像和浮动车轨迹的路网生成方法及系统 | |
WO2014056514A1 (en) | Method and computer program product for estimating a travel time for a vehicle | |
Ezugwu et al. | Enhanced intelligent water drops algorithm for multi-depot vehicle routing problem | |
Luján et al. | Cost of ownership-efficient hybrid electric vehicle powertrain sizing for multi-scenario driving cycles | |
CN111833605A (zh) | 路况预测方法、路况预测模型训练方法、装置及存储介质 | |
CN116360426A (zh) | 车辆自动驾驶全局路径规划方法、系统、介质及设备 | |
CN111861178A (zh) | 服务匹配模型的训练方法、服务匹配方法、设备及介质 | |
CN113327075A (zh) | 物流配送中的配送路径规划方法、装置、电子设备和介质 | |
CN112016750A (zh) | 一种改进的解决带约束车辆路径问题的方法 | |
CN115311646A (zh) | 一种障碍物检测的方法及装置 | |
CN114872718A (zh) | 车辆轨迹预测方法、装置、计算机设备和存储介质 | |
JP2021131887A (ja) | 自動販売の販売システムおよび方法 | |
CN114548409B (zh) | 基于态势场的无人车任务分配博弈方法及装置 | |
Wolfenburg | New version of the BBS method and its usage for determining and scheduling vehicle routes | |
Alharbi et al. | Solving pickup and drop-off problem using hybrid pointer networks with deep reinforcement learning | |
CN112465176B (zh) | 一种行车路线规划方法及装置 | |
CN116862358A (zh) | 多仓库路径规划方法、装置、计算机设备、介质和产品 | |
CN111260427B (zh) | 服务订单处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060727 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060731 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090203 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090630 |