JP2018105659A - 識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 - Google Patents
識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 Download PDFInfo
- Publication number
- JP2018105659A JP2018105659A JP2016250232A JP2016250232A JP2018105659A JP 2018105659 A JP2018105659 A JP 2018105659A JP 2016250232 A JP2016250232 A JP 2016250232A JP 2016250232 A JP2016250232 A JP 2016250232A JP 2018105659 A JP2018105659 A JP 2018105659A
- Authority
- JP
- Japan
- Prior art keywords
- identification
- learning
- calculation unit
- gas
- convolution
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
Description
が含まれることが好ましい。
本発明の一実施形態に係る識別システム1の構成について、図1を参照して説明する。図1は、識別システム1の構成を示すブロック図である。
識別装置13の機能について、図2及び図3を参照して説明する。図2は、識別装置13の機能を示すブロック図であり、図3は、識別装置13の識別機能を構成する各演算の入出力となるデータの構造を示す概念図である。
J=int{(I−1)/σ} + 1
により定まる。ここで、int(・)は、小数点以下を切り下げて整数化する演算子のことを指す。本実施形態においてはσ=5である。Qは、任意に設定可能なプーリング幅であり、本実施形態においてはQ=10である。
また、Dnは、特徴マップXnを算出するために用いられる畳込演算のバイアス項である。バイアス項Dnは出力チャンネルの数だけ存在する。換言すれば、各出力チャンネルに対して共有されたバイアス項Dnが一度だけ足し込まれる。バイアス項Dnの各要素Dn j(j=0,1,…,J)は、学習により設定される。また、g(x)は、閾値演算の活性化関数である。活性化関数gとしては、g(x)=1/(1+e−x)を用いてもよいし、g(x)=tanh(x)を用いてもよいし、g(x)=max(x,0)を用いてもよいが、本実施形態においてはg(x)=max(x,0)を用いる。
以下では、上述した識別装置13を学習させる学習装置及び学習方法について、再び図1及び図2を参照して説明する。
本実施形態に係る学習方法は、データアーギュメンテーション処理を施した学習用データを識別装置13の算出部に入力する入力ステップと、教師あり学習によって、識別装置13の畳み込みニューラルネットワークに用いるパラメータを更新する更新ステップとを備えている。
アセトン、エタノール、ジエチルエーテル、ヘキサン、酢酸エチルを検出したときに得られる各ガスセンサ121〜124の出力に対して、学習装置によりデータアーギュメンテーション処理を施したものを各80サンプル(合計400サンプル)用意し、これらを訓練データとする学習を識別装置13に行わせた。
本実施形態において畳み込みニューラルネットワークを用いることの利点は以下の通りである。
本実施形態は、上述の具体例に限定されるものではない。例えば、上述した希釈部により、対象ガスの濃度を変更させ、ガスセンサの出力を対象ガスの濃度と共に記録する構成としてもよい。また、上述の算出部は、複数の希釈濃度での対象物に関する出力信号の経時変化を示すデータ列を入力配列として参照して、対象物に関する識別結果を算出する構成としてもよい。
また、他の例として、例えば、各ガスセンサがガス分解用ヒータを備え、各ガスセンサの出力をそのガスセンサのヒータ温度と共に記録する構成としてもよい。また、上記の算出部は、複数の温度での上記対象物に関する出力信号の経時変化を示すデータ列を入力配列として参照して、対象物に関する識別結果を算出する構成としてもよい。
上記の例では、検出器としてガスセンサの例を挙げたが、これは本実施形態を限定するものではなく、検出器として液体用センサを用いてもよい。これにより、対象物が液体の場合に、好適な識別結果を得ることができる。液体用センサは、例えば、イオン電極等を用いて実現することができる。
更に言えば、対象物及び検出器は、検出器が何らかの情報を対象物から取得するという関係を満たすものである限り、特に限定されるものではない。ここで、検出器が対象物から取得する情報は、対象物が備えている物理的特性、化学的特性、生物学的特性、及び地質学的特性の何れか又はそれらの組み合わせであってもよいし、外部からの物理的、化学的、生物学的、又は地質学的なインプットに対する応答に関する情報であってもよいし、その他の情報であってもよい。
上記の例では、入力配列として主として1次元配列の場合を例に挙げたが、これは本実施形態を限定するものではなく、2次元以上の配列であってもよい。例えば、時間やヒータ温度、又は、時間と濃度など、二つの変数を変化させつつ得られた2次元配列を入力配列として用いてもよい。また、時間、ヒータ温度及び濃度の3つのパラメータ全てを用いた三次元配置を入力配列として用いてもよい。
本実施形態に係る識別装置13及び学習装置の制御ブロック(特に算出部、入力部、更新部)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、CPU(Central Processing Unit)を用いてソフトウェアによって実現してもよい。また、CPUと共に、GPU(Graphic Processing Unit)を用いてもよい。
12 ガスセンサ群(検出器)
13 識別装置
132 演算部
133 主記憶部
134 補助記憶部
Claims (14)
- 1又は複数の検出器の各々からの出力信号の経時変化を示すデータ列を参照して、対象物に関する識別結果を算出する算出部
を備え、
上記算出部は、畳み込みニューラルネットワークを用いた計算処理により、上記対象物に関する識別結果を算出する
ことを特徴とする識別装置。 - 上記畳み込みニューラルネットワークを用いた計算処理には、
1又は複数の畳み込み処理、及び
1又は複数のプーリング処理
が含まれる
ことを特徴とする請求項1に記載の識別装置。 - 上記算出部は、上記1又は複数の畳み込み処理、及び上記1又は複数のプーリング処理として、
第1の畳み込み処理、
上記第1の畳み込み処理に引き続く第1のプーリング処理、
上記第1のプーリング処理に引き続く第2の畳み込み処理、及び
上記第2の畳み込み処理に引き続く第2のプーリング処理
を実行する
ことを特徴とする請求項2に記載の識別装置。 - 上記1又は複数の畳み込み処理に用いられるパラメータは、データアーギュメンテーション処理を施した学習用データを用いた学習によって決定されたパラメータである
ことを特徴とする請求項2又は3に記載の識別装置。 - 請求項1から4の何れか1項に記載の識別装置と、
上記出力信号を出力する1又は複数の検出器と、
を備えていることを特徴とする識別システム。 - 上記1又は複数の検出器は、気体、液体、又は固体の対象物を検出する検出器である
ことを特徴とする請求項5に記載の識別システム。 - 上記1又は複数の検出器は、対象物を加熱するヒータを備えており、
上記算出部は、複数の温度での上記対象物に関する出力信号の経時変化を示すデータ列を参照して、対象物に関する識別結果を算出する
ことを特徴とする請求項5又は6に記載の識別システム。 - 対象物を希釈する希釈部を更に備え、
上記算出部は、
上記算出部は、複数の希釈濃度での上記対象物に関する出力信号の経時変化を示すデータ列を参照して、対象物に関する識別結果を算出する
ことを特徴とする請求項5から7の何れか1項に記載の識別システム。 - 識別装置を学習させる学習装置であって、
上記識別装置は、
1又は複数の検出器のそれぞれからの出力信号の経時変化を示すデータ列を参照して、畳み込みニューラルネットワークを用いた計算処理により、対象物に関する識別結果を算出する算出部
を備えており、
当該学習装置は、
データアーギュメンテーション処理を施した学習用データを上記算出部に入力する入力部と、
教師あり学習によって、上記畳み込みニューラルネットワークに用いるパラメータを更新する更新部と
を備えていることを特徴とする学習装置。 - 識別装置を学習させる学習方法であって、
上記識別装置は、
1又は複数の検出器のそれぞれからの出力信号の経時変化を示すデータ列を参照して、畳み込みニューラルネットワークを用いた計算処理により、対象物に関する識別結果を算出する算出部
を備えており、
当該学習方法は、
データアーギュメンテーション処理を施した学習用データを上記算出部に入力する入力ステップと、
教師あり学習によって、上記畳み込みニューラルネットワークに用いるパラメータを更新する更新ステップと
を含んでいることを特徴とする学習方法。 - 請求項1に記載の識別装置としてコンピュータを機能させるための識別プログラムであって、上記算出部としてコンピュータを機能させるための識別プログラム。
- 請求項9に記載の学習装置としてコンピュータを機能させるための学習プログラムであって、上記入力部及び上記更新部としてコンピュータを機能させるための学習プログラム。
- 請求項11又は12に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
- 1又は複数の検出器の各々からの出力信号の経時変化を示すデータ列を参照して、対象物に関する識別結果を算出する算出部
として機能する論理回路が形成されており、
上記算出部は、畳み込みニューラルネットワークを用いた計算処理により、上記対象物に関する識別結果を算出する
ことを特徴とする集積回路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016250232A JP2018105659A (ja) | 2016-12-23 | 2016-12-23 | 識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016250232A JP2018105659A (ja) | 2016-12-23 | 2016-12-23 | 識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018105659A true JP2018105659A (ja) | 2018-07-05 |
Family
ID=62787094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016250232A Pending JP2018105659A (ja) | 2016-12-23 | 2016-12-23 | 識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018105659A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113169036A (zh) * | 2018-11-30 | 2021-07-23 | 东京毅力科创株式会社 | 虚拟测定装置、虚拟测定方法及虚拟测定程序 |
WO2022114158A1 (ja) * | 2020-11-30 | 2022-06-02 | パナソニックIpマネジメント株式会社 | 空気質判定システム、空気質判定方法、及びセンサモジュール |
WO2022191173A1 (ja) * | 2021-03-12 | 2022-09-15 | パナソニックIpマネジメント株式会社 | ガス識別方法及びガス識別システム |
WO2023037999A1 (ja) * | 2021-09-07 | 2023-03-16 | パナソニックIpマネジメント株式会社 | ガス分析方法及びガス分析システム |
JP7333067B2 (ja) | 2020-03-30 | 2023-08-24 | 国立大学法人千葉大学 | 流動様式判定モデル学習システム、ボイド率推定モデル学習システム、流動様式判定システム及びボイド率推定システム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0627064A (ja) * | 1992-07-10 | 1994-02-04 | Nok Corp | ガス識別方法とガス識別装置 |
JP2000111505A (ja) * | 1998-10-07 | 2000-04-21 | Hyogo Prefecture | 味覚センサ及びその学習方法 |
JP2001305034A (ja) * | 2000-04-26 | 2001-10-31 | Mitsubishi Electric Corp | ガス同定方法、ガス定量方法およびガス同定または定量装置 |
JP2009542039A (ja) * | 2006-03-31 | 2009-11-26 | 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 | コンテンツの更なるフレームに基づいたビデオコンテンツの適応的なレンダリング |
JP2010112709A (ja) * | 2008-11-04 | 2010-05-20 | Shimadzu Corp | におい測定装置 |
US20130304395A1 (en) * | 2010-12-23 | 2013-11-14 | Ravendra Naidu | Analyte ion detection method and device |
JP2014508284A (ja) * | 2011-01-11 | 2014-04-03 | クゥアルコム・インコーポレイテッド | 画像処理に基づくカメラベースの位置特定およびナビゲーション |
JP2016146174A (ja) * | 2015-02-06 | 2016-08-12 | パナソニックIpマネジメント株式会社 | 決定方法およびプログラム |
JP2016168046A (ja) * | 2015-03-09 | 2016-09-23 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
-
2016
- 2016-12-23 JP JP2016250232A patent/JP2018105659A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0627064A (ja) * | 1992-07-10 | 1994-02-04 | Nok Corp | ガス識別方法とガス識別装置 |
JP2000111505A (ja) * | 1998-10-07 | 2000-04-21 | Hyogo Prefecture | 味覚センサ及びその学習方法 |
JP2001305034A (ja) * | 2000-04-26 | 2001-10-31 | Mitsubishi Electric Corp | ガス同定方法、ガス定量方法およびガス同定または定量装置 |
JP2009542039A (ja) * | 2006-03-31 | 2009-11-26 | 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 | コンテンツの更なるフレームに基づいたビデオコンテンツの適応的なレンダリング |
JP2010112709A (ja) * | 2008-11-04 | 2010-05-20 | Shimadzu Corp | におい測定装置 |
US20130304395A1 (en) * | 2010-12-23 | 2013-11-14 | Ravendra Naidu | Analyte ion detection method and device |
JP2014508284A (ja) * | 2011-01-11 | 2014-04-03 | クゥアルコム・インコーポレイテッド | 画像処理に基づくカメラベースの位置特定およびナビゲーション |
JP2016146174A (ja) * | 2015-02-06 | 2016-08-12 | パナソニックIpマネジメント株式会社 | 決定方法およびプログラム |
JP2016168046A (ja) * | 2015-03-09 | 2016-09-23 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
Non-Patent Citations (2)
Title |
---|
DEEPAGE: "定番のConvolutional Neural Networkをゼロから理解する", オンライン情報, JPN6020029117, 7 November 2016 (2016-11-07), pages 1 - 17, ISSN: 0004617494 * |
井崎武士: "GTC 2016 ディープラーニング最新情報", オンライン情報, JPN6020029119, 1 May 2016 (2016-05-01), pages 1 - 20, ISSN: 0004617495 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113169036A (zh) * | 2018-11-30 | 2021-07-23 | 东京毅力科创株式会社 | 虚拟测定装置、虚拟测定方法及虚拟测定程序 |
JP7333067B2 (ja) | 2020-03-30 | 2023-08-24 | 国立大学法人千葉大学 | 流動様式判定モデル学習システム、ボイド率推定モデル学習システム、流動様式判定システム及びボイド率推定システム |
WO2022114158A1 (ja) * | 2020-11-30 | 2022-06-02 | パナソニックIpマネジメント株式会社 | 空気質判定システム、空気質判定方法、及びセンサモジュール |
WO2022191173A1 (ja) * | 2021-03-12 | 2022-09-15 | パナソニックIpマネジメント株式会社 | ガス識別方法及びガス識別システム |
WO2023037999A1 (ja) * | 2021-09-07 | 2023-03-16 | パナソニックIpマネジメント株式会社 | ガス分析方法及びガス分析システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018105659A (ja) | 識別装置、識別システム、学習装置、学習方法、識別プログラム、学習プログラム、記録媒体、及び集積回路 | |
Gamboa et al. | Validation of the rapid detection approach for enhancing the electronic nose systems performance, using different deep learning models and support vector machines | |
Chen et al. | Variational Bayesian approach for ARX systems with missing observations and varying time-delays | |
Huang et al. | Multitask sparse Bayesian learning with applications in structural health monitoring | |
US11550823B2 (en) | Preprocessing for a classification algorithm | |
JP6247627B2 (ja) | 異常値検出装置およびその動作方法 | |
CN113390928A (zh) | 气体感测设备以及操作气体感测设备的方法 | |
Trevizan et al. | Method for predicting permeability of complex carbonate reservoirs using NMR logging measurements | |
Zou et al. | Analysis of radial basis function interpolation approach | |
CN116149397B (zh) | 电子级双氧水存储的温度自适应控制系统 | |
CN110161181B (zh) | 混合气体的组分浓度识别方法及系统 | |
Prajapat et al. | Prediction error variances in Bayesian model updating employing data sensitivity | |
CN114049525A (zh) | 气体种类和浓度识别的融合神经网络系统、装置与方法 | |
Hosa et al. | Calibrating Lattice Boltzmann flow simulations and estimating uncertainty in the permeability of complex porous media | |
Pes et al. | The minimal-norm Gauss-Newton method and some of its regularized variants | |
JPWO2016111240A1 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
Liu et al. | Implicit sampling combined with reduced order modeling for the inversion of vadose zone hydrological data | |
Tanaka et al. | Void fraction estimation in vertical gas-liquid flow by plural long short-term memory with sparse model implemented in multiple current-voltage system | |
Snauffer et al. | Data fusion for environmental process control: Maximizing useful information recovery under data limited constraints | |
Gottschalk et al. | Coarsening in algebraic multigrid using Gaussian processes | |
US9262726B2 (en) | Using radial basis function networks and hyper-cubes for excursion classification in semi-conductor processing equipment | |
RU2504760C2 (ru) | Способ измерения полисостава газовых сред | |
EP4080202A1 (en) | Gas sensing device and method for determining a calibrated measurement value of a concentration of a target gas | |
Cięszczyk | Sensors signal processing under influence of environmental disturbances | |
Zou et al. | A kernel-based nonparametric test for anomaly detection over line networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190919 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200818 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201008 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211019 |