JP2012014617A - ニューラルネットワーク学習装置 - Google Patents
ニューラルネットワーク学習装置 Download PDFInfo
- Publication number
- JP2012014617A JP2012014617A JP2010152898A JP2010152898A JP2012014617A JP 2012014617 A JP2012014617 A JP 2012014617A JP 2010152898 A JP2010152898 A JP 2010152898A JP 2010152898 A JP2010152898 A JP 2010152898A JP 2012014617 A JP2012014617 A JP 2012014617A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- state
- neural network
- input parameter
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
【解決手段】ニューラルネットワーク学習装置1は、第一状態下に関する入力パラメータベクトルuに基づきM個の結合荷重Wi(i=1〜M)の学習を行い、学習完了したニューラルネットワークに新たにN個のニューロンNi(i=a1〜aN)を追加すると共に追加されたN個の結合荷重Wi(i=a1〜aN)の学習を行う。この追加の学習を行う際には、学習完了したM個の結合荷重Wi(i=1〜M)を固定すると共に、少なくとも第一状態と異なる第二状態下に関する入力パラメータベクトルuに基づきN個の結合荷重Wi(i=a1〜aN)の学習を行う。
【選択図】図3
Description
また、内燃機関の経年変化に応じて学習モデルが追加学習されるので、経年変化による学習モデルの出力の精度低下を抑制することが可能となる。
図1は、本実施形態に係るニューラルネットワーク学習装置1の構成を示す図である。
ニューラルネットワーク学習装置1は、入力パラメータベクトルuに対して、この入力パラメータベクトルuに応じた出力yを出力するニューラルネットワーク2を備える。このニューラルネットワーク2の入力パラメータベクトルuの成分は、図示しないエンジン、又は、エンジンの吸排気系あるいは燃焼室における各種センサの検出値に基づいて構成されている。そして、このニューラルネットワーク2は、入力パラメータベクトルuに対する出力yが、上記エンジン及びその吸排気系や燃焼室における所定の物理量に一致するように学習されている。なお、ニューラルネットワーク学習装置1はエンジンに搭載されている。
入力層に入力された入力パラメータベクトルuのN個の成分は、それぞれ、中間層を構成するM個のニューロンN1,…,NMに入力される。
ニューロンNiの中心位置ベクトルtiは、自己組織的なクラスタリング手法により決定することが好ましい。以下では、その一例として自己組織化マップ(SOM(Self Organizing Maps))を用いて決定する例について説明する。なお、この中心位置ベクトルtiの決定では、上記式(4)の学習データのうち、入力データベクトルXk(k=1〜P)のみを使用する。
STEP2では、下記式(6)に示すように、M個の参照ベクトルmi(i=1〜M)のうち、上記選択したN次元入力データベクトルXkとのN次元ユークリッド距離が最小となる参照ベクトルmC(以下、「勝者ベクトル」という)を有するノードNDCを選択する。
また、下記式(8)において、ベクトルrCは、ノードNDCの2次元平面上での位置ベクトルを示し、ベクトルriは、i番目のノードNDiの2次元平面上での位置ベクトルを示す。
以上のようにして中心位置ベクトルtiを決定した後、各ニューロンの結合荷重Wi、W0は、準備した学習データ(上記式(4)参照)に基づいて、例えば、最小2乗法により決定することができる。すなわち、下記式(10)に示すような学習データの出力データYkと出力y(Xk)の誤差の二乗和Jが最小になるようなWi、W0を探索する。
以下、上記実施形態のニューラルネットワーク学習装置を、エンジンから排出されるNOx(フィードNOx)の量の推定に適用した例を実施例1として説明する。
以下、上記実施形態のニューラルネットワーク学習装置を、エンジンの排気ガスの空燃比(λ)の実測値(LAFセンサ値)の推定をオンボード上で行うことに適用した例を実施例2として説明する。
本実施例2においてオンボード上でLAFセンサ値を推定することにより、経年変化によるエンジンの劣化判定を行うことができると共に、劣化後の状態におけるLAFセンサ値の推定精度が上がるように燃料噴射量を調整し、調整された燃料噴射量を補正後の燃料噴射量として燃料噴射量制御に用いることができる。
また、ニューロンを追加しても十分な推定精度が得られない場合には、劣化後の状態のLAFセンサ値と入力パラメータベクトルuを再収集するようにしてもよい。
ここで、例えば、劣化後のニューラルネットワークの学習が2回目の場合、初期状態で学習した結合荷重及び1回目の劣化状態で学習した結合荷重の両方を固定して、2回目の劣化状態での学習のために追加された結合荷重の学習を行う。また、3回目以降も同様に行う。
(1)本実施形態によれば、CPUは、M個の結合荷重Wi(i=1〜M)を固定して、少なくとも第一状態と異なる第二状態下に関する入力パラメータベクトルuに基づきN個の結合荷重Wi(i=a1〜aN)の学習を行う。これにより、第一状態においてのニューラルネットワークの出力の精度を保ったまま第二状態における結合荷重Wi(i=a1〜aN)の学習を行うことができるので、第一状態及び第二状態のいずれの状態であっても、ニューラルネットワークの出力を精度の高いものにすることが可能となる。
また、エンジンの経年変化に応じてニューラルネットワークが追加学習されるので、経年変化によるニューラルネットワークの出力の精度低下を抑制することが可能となる。
2…ニューラルネットワーク
Claims (4)
- ニューラルネットワークによる学習モデルと、
第一状態下に関する入力パラメータに基づき前記学習モデルにおける第一特性パラメータの学習を行う第一学習手段と、
前記第一学習手段により学習完了した学習モデルに新たにニューロンを追加すると共に第二特性パラメータの学習を行う第二学習手段と、を備え、
前記第二学習手段は、前記第一学習手段により学習完了した前記第一特性パラメータを固定すると共に、少なくとも前記第一状態と異なる第二状態下に関する入力パラメータに基づき前記第二特性パラメータの学習を行うことを特徴とするニューラルネットワーク学習装置。 - 前記学習モデルは、内燃機関に備えられており、
前記第一状態は、内燃機関の第一運転状態であり、
前記第二状態は、前記第一運転状態とは異なる第二運転状態であり、
前記第一学習手段は、第一運転状態を示す入力パラメータに基づき学習を行い、
前記第二学習手段は、前記第一運転状態及び前記第二運転状態の両方の入力パラメータに基づき学習を行うことを特徴とする請求項1に記載のニューラルネットワーク学習装置。 - 前記学習モデルは、内燃機関に備えられており、
前記第一状態は、内燃機関の経年変化における初期状態であり、
前記第二状態は、前記初期状態からの経年変化後の状態であり、
前記第一学習手段は、前記初期状態を示す入力パラメータに基づき学習を行うと共に、
前記第二学習手段は、少なくとも前記経年変化後の状態の入力パラメータに基づき学習を行うことを特徴とする請求項1に記載のニューラルネットワーク学習装置。 - 所定の通信手段を介して前記第二学習手段による学習に使用するデータを受信する受信手段を備え、
前記第二学習手段は、前記受信手段が受信したデータを使用してオンボードにて学習を行うことを特徴とする請求項3に記載のニューラルネットワーク学習装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010152898A JP5467951B2 (ja) | 2010-07-05 | 2010-07-05 | ニューラルネットワーク学習装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010152898A JP5467951B2 (ja) | 2010-07-05 | 2010-07-05 | ニューラルネットワーク学習装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012014617A true JP2012014617A (ja) | 2012-01-19 |
JP5467951B2 JP5467951B2 (ja) | 2014-04-09 |
Family
ID=45600933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010152898A Expired - Fee Related JP5467951B2 (ja) | 2010-07-05 | 2010-07-05 | ニューラルネットワーク学習装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5467951B2 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016004547A (ja) * | 2014-06-19 | 2016-01-12 | ヤフー株式会社 | 算出装置、算出方法及び算出プログラム |
JP6150964B1 (ja) * | 2016-10-03 | 2017-06-21 | 三菱電機株式会社 | ネットワーク構築装置及びネットワーク構築方法 |
WO2018189792A1 (ja) * | 2017-04-10 | 2018-10-18 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2018189791A1 (ja) * | 2017-04-10 | 2018-10-18 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US20190242318A1 (en) * | 2018-02-05 | 2019-08-08 | Toyota Jidosha Kabushiki Kaisha | Control device of internal combustion engine |
WO2019167884A1 (ja) * | 2018-02-28 | 2019-09-06 | 富士フイルム株式会社 | 機械学習方法及び装置、プログラム、学習済みモデル、並びに判別装置 |
JP2019530119A (ja) * | 2016-11-29 | 2019-10-17 | アイフライテック カンパニー,リミテッド | エンドツーエンドモデリング方法及びシステム |
JPWO2018189793A1 (ja) * | 2017-04-10 | 2020-03-05 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US11047325B2 (en) | 2018-09-14 | 2021-06-29 | Toyota Jidosha Kabushiki Kaisha | Control device of internal combustion engine |
DE112019006526T5 (de) | 2019-03-08 | 2021-09-23 | Hitachi Astemo, Ltd. | Rechenvorrichtung |
JP2022549844A (ja) * | 2019-09-24 | 2022-11-29 | エヌイーシー ラボラトリーズ アメリカ インク | 加重平均近傍埋め込みの学習 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0962644A (ja) * | 1995-08-22 | 1997-03-07 | Just Syst Corp | ニューラルネットワーク |
JP2009167968A (ja) * | 2008-01-18 | 2009-07-30 | Mitsubishi Motors Corp | 空燃比制御装置及び空燃比制御方法 |
-
2010
- 2010-07-05 JP JP2010152898A patent/JP5467951B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0962644A (ja) * | 1995-08-22 | 1997-03-07 | Just Syst Corp | ニューラルネットワーク |
JP2009167968A (ja) * | 2008-01-18 | 2009-07-30 | Mitsubishi Motors Corp | 空燃比制御装置及び空燃比制御方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016004547A (ja) * | 2014-06-19 | 2016-01-12 | ヤフー株式会社 | 算出装置、算出方法及び算出プログラム |
US10346742B2 (en) * | 2014-06-19 | 2019-07-09 | Yahoo Japan Corporation | Calculation device, calculation method, and recording medium |
JP6150964B1 (ja) * | 2016-10-03 | 2017-06-21 | 三菱電機株式会社 | ネットワーク構築装置及びネットワーク構築方法 |
WO2018066032A1 (ja) * | 2016-10-03 | 2018-04-12 | 三菱電機株式会社 | ネットワーク構築装置及びネットワーク構築方法 |
JP2019530119A (ja) * | 2016-11-29 | 2019-10-17 | アイフライテック カンパニー,リミテッド | エンドツーエンドモデリング方法及びシステム |
US11651578B2 (en) | 2016-11-29 | 2023-05-16 | Iflytek Co., Ltd. | End-to-end modelling method and system |
JPWO2018189793A1 (ja) * | 2017-04-10 | 2020-03-05 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US11494640B2 (en) | 2017-04-10 | 2022-11-08 | Softbank Corp. | Information processing apparatus, information processing method, and program |
WO2018189792A1 (ja) * | 2017-04-10 | 2018-10-18 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JPWO2018189791A1 (ja) * | 2017-04-10 | 2020-03-05 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2018189791A1 (ja) * | 2017-04-10 | 2018-10-18 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JPWO2018189792A1 (ja) * | 2017-04-10 | 2020-03-05 | ソフトバンク株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US11586933B2 (en) | 2017-04-10 | 2023-02-21 | Softbank Corp. | Information processing apparatus, information processing method, and program for simulating growth of cells |
US11494388B2 (en) | 2017-04-10 | 2022-11-08 | Softbank Corp. | Information processing apparatus, information processing method, and program |
US10634081B2 (en) * | 2018-02-05 | 2020-04-28 | Toyota Jidosha Kabushiki Kaisha | Control device of internal combustion engine |
US20190242318A1 (en) * | 2018-02-05 | 2019-08-08 | Toyota Jidosha Kabushiki Kaisha | Control device of internal combustion engine |
WO2019167884A1 (ja) * | 2018-02-28 | 2019-09-06 | 富士フイルム株式会社 | 機械学習方法及び装置、プログラム、学習済みモデル、並びに判別装置 |
JPWO2019167884A1 (ja) * | 2018-02-28 | 2021-02-12 | 富士フイルム株式会社 | 機械学習方法及び装置、プログラム、学習済みモデル、並びに判別装置 |
US11929174B2 (en) | 2018-02-28 | 2024-03-12 | Fujifilm Corporation | Machine learning method and apparatus, program, learned model, and discrimination apparatus using multilayer neural network |
US11047325B2 (en) | 2018-09-14 | 2021-06-29 | Toyota Jidosha Kabushiki Kaisha | Control device of internal combustion engine |
DE112019006526T5 (de) | 2019-03-08 | 2021-09-23 | Hitachi Astemo, Ltd. | Rechenvorrichtung |
JP2022549844A (ja) * | 2019-09-24 | 2022-11-29 | エヌイーシー ラボラトリーズ アメリカ インク | 加重平均近傍埋め込みの学習 |
Also Published As
Publication number | Publication date |
---|---|
JP5467951B2 (ja) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5467951B2 (ja) | ニューラルネットワーク学習装置 | |
CN111577457B (zh) | 内燃机的失火检测装置、系统、方法、数据解析装置、及内燃机的控制装置 | |
CN113153521B (zh) | 一种利用人工神经网络预测车辆发动机扭矩的系统和方法 | |
US20200263618A1 (en) | Pm amount estimation device, pm amount estimation system, pm amount estimating method, data analysis device, control device for internal combustion engine, and receiver | |
US20190311262A1 (en) | Machine learning device, machine learning method, electronic control unit and method of production of same, learned model, and machine learning system | |
US11255282B2 (en) | State detection system for internal combustion engine, data analysis device, and vehicle | |
CN110118130B (zh) | 内燃机的控制装置 | |
US20200264074A1 (en) | State detection system for internal combustion engine, data analysis device, and vehicle | |
JP7231144B2 (ja) | エンジン制御装置及びそれが有するニューラルネットワークプログラム | |
US20140012791A1 (en) | Systems and methods for sensor error detection and compensation | |
US8880321B2 (en) | Adaptive air charge estimation based on support vector regression | |
EP1656597A1 (en) | Intelligent database for performance predictions | |
Chen et al. | Machine learning for misfire detection in a dynamic skip fire engine | |
KR102118088B1 (ko) | 인공지능 기술을 이용한 배기가스 배출량 예측방법 | |
JP2020063699A (ja) | 内燃機関の制御装置及びその制御方法、並びに内燃機関を制御するための学習モデル及びその学習方法 | |
JP2011132915A (ja) | 物理量推定装置 | |
CN113830097A (zh) | 车辆、模型学习系统以及服务器 | |
JP7388343B2 (ja) | ターボチャージャのオイルコーキング堆積量の推定装置 | |
CN113266485B (zh) | 映射的学习方法 | |
WO2018082884A1 (en) | Calibration system and method | |
JP6816186B2 (ja) | ニューラルネットワーク装置 | |
Jung et al. | A flywheel error compensation algorithm for engine misfire detection | |
JP2018062913A (ja) | 内燃機関のモデリング装置及び制御装置 | |
JP4798056B2 (ja) | 内燃機関の燃料性状判定装置 | |
JP2010096021A (ja) | 内燃機関の燃焼状態診断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131022 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131220 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5467951 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |