JP2018113026A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2018113026A5 JP2018113026A5 JP2017240590A JP2017240590A JP2018113026A5 JP 2018113026 A5 JP2018113026 A5 JP 2018113026A5 JP 2017240590 A JP2017240590 A JP 2017240590A JP 2017240590 A JP2017240590 A JP 2017240590A JP 2018113026 A5 JP2018113026 A5 JP 2018113026A5
- Authority
- JP
- Japan
- Prior art keywords
- sample points
- scene
- state
- flow
- subset
- 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
- 238000005259 measurement Methods 0.000 claims 16
- 230000002123 temporal effect Effects 0.000 claims 4
- 238000000354 decomposition reaction Methods 0.000 claims 3
- 238000005183 dynamical system Methods 0.000 claims 3
- 239000012530 fluid Substances 0.000 claims 3
- 239000000126 substance Substances 0.000 claims 3
- 241001465754 Metazoa Species 0.000 claims 2
- 230000001419 dependent Effects 0.000 claims 2
- 239000011159 matrix material Substances 0.000 claims 2
- 230000003287 optical Effects 0.000 claims 1
Claims (18)
- シーン内の物体の流動の状態を求めるシステムであって、前記物体は、動物、機械、流体、物質又は電流のうちの1つ又はそれらの組み合わせを含み、前記システムは、
前記シーンの観測サンプル点における前記流動の前記状態を測定する少なくとも1つの
センサーであって、前記シーンは、前記観測サンプル点のサブセット及び未観測サンプル点のサブセットを有するサンプル点のセットを含む、少なくとも1つのセンサーと、
前記シーン内の物体の流動を含むトレーニング履歴データと前記シーン内の前記物体の前記流動のトレーニング状態の時変ダイナミクスを指定する非パラメトリックな演算子を記憶するメモリであって、該非パラメトリックな演算子は、演算子固有値のセットと、前記シーンの前記サンプル点のセット内のすべてのサンプル点における前記物体の前記流動の前記状態の完全モードのセットを求める演算子モードのセットとを含み、該非パラメトリックな演算子は、前記シーン内のサンプル点における前記物体の前記流動の前記状態の推定される将来の状態を、前記シーン内の前記サンプル点のセットにおける前記物体の前記流動の前記状態の現在の測定状態の関数として求めるためにトレーニングされる、メモリと、
前記少なくとも1つのセンサーと通信し、前記シーンの前記観測サンプル点における前記物体の前記流動の前記現在の測定状態を入手する入力インターフェースと、
前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態とともに、前記非パラメトリックな演算子と、前記観測サンプル点のサブセットにおける前記現在の測定状態を用いて、前記観測サンプル点のサブセットと前記未観測サンプル点のサブセットにおける前記推定される将来の状態を推定し、前記観測サンプル点のサブセットにおける前記推定される将来の状態が前記観測サンプル点のサブセットにおける前記測定状態と整合することを確認するように構成された、前記メモリおよび前記入力インターフェースと通信するプロセッサと、
前記シーン内の前記物体の前記流動の前記状態を管理するマネージメントを援助するために、前記シーンの前記未観測サンプル点のセットにおける前記流動の前記状態を出力するように構成された、前記プロセッサと通信する出力インターフェースと、
を備える、システム。 - 前記非パラメトリックな演算子の前記トレーニングは、
前記シーン内の前記サンプル点のセットにおいて前記物体の前記流動のトレーニング状態の履歴データを取得すること、
前記シーン内の前記サンプル点のセットにおいて前記物体の前記流動の前記トレーニング状態をモデルに従ってシミュレーションすること、又は、
前記シーン内のサンプル点の一連のサブセットにおいて前記物体の前記流動の前記トレーニング状態を取得すること、
のうちの1つ又はそれらの組み合わせを含み、
前記シーン内の前記サンプル点の一連の前記サンプル点の全ての前記サブセットが、前記シーン内の前記サンプル点のセットにおける全ての前記サンプル点を含むように、前記サンプル点の一連のサブセットにおける前記サンプル点の少なくとも1つのサブセットは、前記シーン内の前記サンプル点の一連のサブセットにおける前記サンプル点の残りの前記サブセットの可観測サンプル点の時刻と異なる時刻における観測サンプル点である、請求項1に記載のシステム。 - 前記物体の前記流動の前記状態は、密度、速度、温度又は流量のうちの1つ又はそれらの組み合わせを含む、請求項1に記載のシステム。
- 前記物体の前記流動の前記状態は、電流、電圧、電力又は負荷のうちの1つ又はそれらの組み合わせを含む、請求項1に記載のシステム。
- 前記非パラメトリックな演算子は、物理量や空間のような、動きを表現するパラメータを必要とすることなく、前記流動の前記状態を直接推定するデータ依存演算子である、請求項1に記載のシステム。
- 前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態を前記推定することは、
前記センサーによる前記シーンの前記観測サンプル点のセットと、前記非パラメトリックな演算子の前記観測サンプル点のサブセットにおける前記推定される将来の状態との間の誤差を最小化することによって、基底行列のセットの係数のセットを求めることと、
前記基底行列のセットの前記係数のセットが、前記非パラメトリックな演算子の固有値のセットに従って時間的予測条件に適合していることを確認することと、
を含む、請求項1に記載のシステム。 - 前記センサーによる前記シーンの前記観測サンプル点のセットを相関させることに関連付けられた前記基底行列のセットの前記係数のセットの係数のサブセットと、前記非パラメトリックな演算子の前記観測サンプル点のサブセットにおける前記推定される状態との間の誤差を最小化すること、
を更に含む、請求項6に記載のシステム。 - 前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態を前記推定することは、ダイナミカルシステムを求めることを含み、
前記ダイナミカルシステムはオブザーバーを含み、該オブザーバーは、オブザーバーモデルを含む、請求項1に記載のシステム。 - 前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態を前記推定することは、前記オブザーバーモデルに従うとともに、
前記非パラメトリックな演算子の前記演算子モードのセットに基づいて、前記シーンの前記サンプル点のセット内の全てのサンプル点における前記物体の前記流動の前記状態の完全モードのセットを求めることと、
前記シーンの前記観測サンプル点の前記サブセットにおける前記物体の前記流動の前記状態の前記演算子モードのセットの可観測モードのサブセットを求めることと、
安定化フィードバック利得の極固有値を複素単位円内に割り当てることによって、前記シーンの前記観測サンプル点の前記サブセットにおける前記物体の前記流動のオブザーバーモデルの前記安定化フィードバック利得を求めることと、
基底関数のセットと前記可観測モードの前記セットとの乗算が前記非パラメトリックな演算子の前記固有値のセットに従って時間的予測条件に適合していることを確認することによって、前記基底関数のセットを推定することと、
前記完全モードのセットに前記基底関数のセットを乗算することによって、前記未観測サンプル点の前記サブセットにおける前記物体の前記流動の前記状態を生成することと、
前記シーンの前記未観測サンプル点のセットにおける前記流動の前記状態を出力することと、
を含む、請求項1に記載のシステム。 - 前記少なくとも1つのセンサーは、前記物体の前記流動のビデオを取り込むカメラであり、前記物体の前記流動は、前記シーン内の歩行者であり、前記ビデオはフレームのセットを含むようになっており、前記流動は、前記シーンの前記観測サンプル点の前記サブセットにおける前記フレームのセット内の各フレームから取得された独立した歩行者流動であるようになっており、前記シーンの前記観測サンプル点の前記サブセットは、速度ベクトルのセット、群集密度のセット、オプティカルフローベクトルのセット又はモーションベクトルのセットからなる群から選択される、請求項1に記載のシステム。
- 前記シーン内の前記サンプル点のセットにおける前記物体の前記流動のトレーニング状態の時変ダイナミクスを指定する前記非パラメトリックな演算子は、コープマン演算子、動的モード分解演算子、拡張動的モード分解演算子及びカーネル動的モード分解演算子からなる群から選択される、請求項1に記載のシステム。
- 前記観測サンプル点のサブセットにおける前記測定状態は、雑音観測値を含み、そのため、前記観測サンプル点のサブセットにおける前記推定される将来の状態は、前記観測サンプル点のサブセットにおける前記測定状態から前記雑音観測値を引いたものに整合するか又は等しくなるようになっている、請求項1に記載のシステム。
- シーン内の物体の流動の状態を求める方法であって、前記物体は、動物、機械、流体、物質又は電流のうちの1つ又はそれらの組み合わせを含み、前記方法は、
少なくとも1つのセンサーによって生成された前記シーンの観測サンプル点における前記流動の測定状態を入手することであって、前記シーンは、前記観測サンプル点のサブセット及び未観測サンプル点のサブセットを有するサンプル点のセットを含むことと、
前記シーン内の物体の流動を含むトレーニング履歴データと前記シーン内の前記物体の前記流動のトレーニング状態の時変ダイナミクスを指定する非パラメトリックな演算子を記憶しているメモリを用いることであって、該非パラメトリックな演算子は、演算子固有値のセットと、前記シーンの前記サンプル点のセット内のすべてのサンプル点における前記物体の前記流動の前記状態の完全モードのセットを求める演算子モードのセットとを含み、該非パラメトリックな演算子は、前記シーン内のサンプル点における前記物体の前記流動の前記状態の推定される将来の状態を、前記シーン内の前記サンプル点のセットにおける前記物体の前記流動の前記状態の現在の測定状態の関数として求めるようにトレーニングされる、ことと、
前記少なくとも1つのセンサーと通信する入力インターフェースを介して、前記シーンの前記観測サンプル点における前記物体の前記流動の前記現在の測定状態を入手する、ことと、
前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態とともに、前記メモリおよび前記入力インターフェースと通信するプロセッサによって、前記非パラメトリックな演算子と、前記観測サンプル点のサブセットにおける前記現在の測定状態とを用いて、前記観測サンプル点のサブセットと前記未観測サンプル点のサブセットにおける前記推定される将来の状態を推定し、前記観測サンプル点のサブセットにおける前記推定される将来の状態が前記観測サンプル点のサブセットにおける前記測定状態と整合することを確認することと、
前記シーン内の前記物体の前記流動の前記状態を管理するマネージメントを援助するために、前記シーンの前記未観測サンプル点のセットにおける前記流動の前記状態を、前記プロセッサと通信する出力インターフェースを介して出力することと、
を含む、方法。 - 前記非パラメトリックな演算子の前記トレーニングは、
前記シーン内の前記サンプル点のセットにおいて前記物体の前記流動のトレーニング状態の履歴データを取得すること、
前記シーン内の前記サンプル点のセットにおいて前記物体の前記流動の前記トレーニング状態をモデルに従ってシミュレーションすること、又は、
前記シーン内のサンプル点の一連のサブセットにおいて前記物体の前記流動の前記トレーニング状態を取得すること、
のうちの1つ又はそれらの組み合わせを含み、
前記シーン内の前記一連の前記サンプル点における前記サンプル点の全ての前記サブセットが、前記シーン内の前記サンプル点のセットにおける全ての前記サンプル点を含むように、前記サンプル点の一連のサブセットにおける前記サンプル点の少なくとも1つのサブセットは、前記シーン内の前記サンプル点の一連のサブセットにおける前記サンプル点の残りの前記サブセットの可観測サンプル点の時刻と異なる時刻における観測サンプル点である、請求項13に記載の方法。 - 前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態を前記推定することは、
前記センサーによる前記シーンの前記観測サンプル点のセットと、前記非パラメトリックな演算子の前記観測サンプル点のサブセットにおける前記推定される将来の状態との間の誤差を最小化することによって、基底行列のセットの係数のセットを求めることと、
前記基底行列のセットの前記係数のセットが、前記非パラメトリックな演算子の固有値のセットに従って時間的予測条件に適合していることを確認することと、
前記センサーによる前記シーンの前記観測サンプル点のセットを相関させることに関連付けられた前記基底行列のセットの前記係数のセットの係数のサブセットと、前記非パラメトリックな演算子の前記観測サンプル点のサブセットにおける前記推定される状態との間の誤差を最小化することと、
を含む、請求項13に記載の方法。 - 方法を実行するコンピューターによって実行可能なプログラムが具現化された非一時的コンピューター可読記憶媒体であって、前記方法は、シーン内の物体の流動の状態を求めるものであり、前記物体は、動物、機械、流体、物質又は電流のうちの1つ又はそれらの組み合わせを含み、前記方法は、
少なくとも1つのセンサーによって生成された前記シーンの観測サンプル点における前記流動の測定状態を入手することであって、前記シーンは、前記観測サンプル点のサブセット及び未観測サンプル点のサブセットを有するサンプル点のセットを含むことと、
前記シーン内の物体の流動を含むトレーニング履歴データと前記シーン内の前記物体の前記流動のトレーニング状態の時変ダイナミクスを指定する非パラメトリックな演算子を記憶しているメモリを用いることであって、該非パラメトリックな演算子は、演算子固有値のセットと、前記シーンの前記サンプル点のセット内のすべてのサンプル点における前記物体の前記流動の前記状態の完全モードのセットを求める演算子モードのセットとを含み、該非パラメトリックな演算子は、前記シーン内のサンプル点における前記物体の前記流動の前記状態の推定される将来の状態を、前記シーン内の前記サンプル点のセットにおける前記物体の前記流動の前記状態の現在の測定状態の関数として求めるようにトレーニングされ、前記非パラメトリックな演算子は、動きを表現するパラメータを必要とすることなく、前記流動の前記状態を直接推定するデータ依存演算子である、ことと、
前記少なくとも1つのセンサーと通信する入力インターフェースを介して、前記シーンの前記観測サンプル点における前記物体の前記流動の前記現在の測定状態を入手する、ことと、
前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態とともに、前記メモリおよび前記入力インターフェースと通信するプロセッサによって、前記非パラメトリックな演算子と、前記観測サンプル点のサブセットにおける前記現在の測定状態とを用いて、前記観測サンプル点のサブセットと前記未観測サンプル点のサブセットにおける前記推定される将来の状態を推定し、前記観測サンプル点のサブセットにおける前記推定される将来の状態が前記観測サンプル点のサブセットにおける前記測定状態と整合することを確認することと、
前記シーン内の前記物体の前記流動の前記状態を管理するマネージメントを援助するために、前記シーンの前記未観測サンプル点のサブセットにおける前記流動の前記状態を、前記プロセッサと通信する出力インターフェースを介して出力することと、
を含む、非一時的コンピューター可読記憶媒体。 - 前記非パラメトリックな演算子の前記トレーニングは、
前記シーン内の前記サンプル点のセットにおいて前記物体の前記流動のトレーニング状態の履歴データを取得すること、
前記シーン内の前記サンプル点のセットにおいて前記物体の前記流動の前記トレーニング状態をモデルに従ってシミュレーションすること、又は、
前記シーン内のサンプル点の一連のサブセットにおいて前記物体の前記流動の前記トレーニング状態を取得すること、
のうちの1つ又はそれらの組み合わせを含み、
前記シーン内の前記一連の前記サンプル点における前記サンプル点の全ての前記サブセットが、前記シーン内の前記サンプル点のセットにおける全ての前記サンプル点を含むように、前記サンプル点の一連のサブセットにおける前記サンプル点の少なくとも1つのサブセットは、前記シーン内の前記サンプル点の一連のサブセットにおける前記サンプル点の残りの前記サブセットの可観測サンプル点の時刻と異なる時刻における観測サンプル点である、請求項16に記載の記憶媒体。 - 前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態を推定することは、
ダイナミカルシステムを求めることを含み、該ダイナミカルシステムは、オブザーバーを含み、該オブザーバーは、前記非パラメトリックな演算子が前記演算子モードのセットと前記固有値のセットとを含むようなオブザーバーモデルを含み、
前記シーンの前記未観測サンプル点のサブセットにおける前記物体の前記流動の前記状態を前記推定することは、前記オブザーバーモデルに従うとともに、
前記非パラメトリックな演算子の前記演算子モードのセットに基づいて、前記シーンの前記サンプル点のセット内の全てのサンプル点における前記物体の前記流動の前記状態の完全モードのセットを求めることと、
前記シーンの前記観測サンプル点の前記サブセットにおける前記物体の前記流動の前記状態の前記演算子モードのセットの可観測モードのサブセットを求めることと、
安定化フィードバック利得の極固有値を複素単位円内に割り当てることによって、前記シーンの前記観測サンプル点の前記サブセットにおける前記物体の前記流動のオブザーバーモデルの前記安定化フィードバック利得を求めることと、
基底関数のセットと前記可観測モードの前記セットとの乗算が前記非パラメトリックな演算子の前記固有値のセットに従って時間的予測条件に適合していることを確認することによって、前記基底関数のセットを推定することと、
前記完全モードのセットに前記基底関数のセットを乗算することによって、前記未観測サンプル点の前記サブセットにおける前記物体の前記流動の前記状態を生成することと、
前記シーンの前記未観測サンプル点のセットにおける前記流動の前記状態を出力することと、
を含む、請求項16に記載の記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/404,296 | 2017-01-12 | ||
US15/404,296 US10210398B2 (en) | 2017-01-12 | 2017-01-12 | Methods and systems for predicting flow of crowds from limited observations |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018113026A JP2018113026A (ja) | 2018-07-19 |
JP2018113026A5 true JP2018113026A5 (ja) | 2020-10-22 |
JP6879894B2 JP6879894B2 (ja) | 2021-06-02 |
Family
ID=62781954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017240590A Active JP6879894B2 (ja) | 2017-01-12 | 2017-12-15 | 物体の流動の状態を求めるシステム及び方法、並びに非一時的コンピューター可読記憶媒体 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10210398B2 (ja) |
JP (1) | JP6879894B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10251090B2 (en) * | 2017-03-14 | 2019-04-02 | Cubic Corporation | System and method for modifying a wireless communication object |
US10579788B2 (en) * | 2017-08-17 | 2020-03-03 | Waymo Llc | Recognizing assigned passengers for autonomous vehicles |
JP6966395B2 (ja) * | 2018-08-23 | 2021-11-17 | 株式会社日立製作所 | 最適化システム及び最適化方法 |
US10705408B2 (en) * | 2018-10-17 | 2020-07-07 | Sony Corporation | Electronic device to autofocus on objects of interest within field-of-view of electronic device |
US10909387B2 (en) * | 2019-03-28 | 2021-02-02 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for predicting dynamical flows from control inputs and limited observations |
US11106904B2 (en) * | 2019-11-20 | 2021-08-31 | Omron Corporation | Methods and systems for forecasting crowd dynamics |
CN114626302A (zh) * | 2022-03-18 | 2022-06-14 | 杭州勒贝格智能系统有限责任公司 | 基于Koopman算子和机器学习的信道预测方法、系统、终端及介质 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835008A (en) * | 1995-11-28 | 1998-11-10 | Colemere, Jr.; Dale M. | Driver, vehicle and traffic information system |
US20030014379A1 (en) * | 1999-07-01 | 2003-01-16 | Isaac Saias | Adaptive and reliable system and method for operations management |
US20030053658A1 (en) * | 2001-06-29 | 2003-03-20 | Honeywell International Inc. | Surveillance system and methods regarding same |
US20030167135A1 (en) * | 2001-12-19 | 2003-09-04 | Camitro Corporation | Non-linear modelling of biological activity of chemical compounds |
US7595817B1 (en) | 2003-02-12 | 2009-09-29 | The Research Foundation Of State University Of New York | Linear system based, qualitative independent motion detection from compressed MPEG surveillance video |
US20050254546A1 (en) | 2004-05-12 | 2005-11-17 | General Electric Company | System and method for segmenting crowded environments into individual objects |
US7418113B2 (en) * | 2005-04-01 | 2008-08-26 | Porikli Fatih M | Tracking objects in low frame rate videos |
JP2007257148A (ja) * | 2006-03-22 | 2007-10-04 | Nissan Motor Co Ltd | 画像処理装置及び方法 |
JP4429298B2 (ja) * | 2006-08-17 | 2010-03-10 | 独立行政法人産業技術総合研究所 | 対象個数検出装置および対象個数検出方法 |
JP2008203992A (ja) * | 2007-02-16 | 2008-09-04 | Omron Corp | 検出装置および方法、並びに、プログラム |
CN101325690A (zh) | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及系统 |
US8358806B2 (en) | 2007-08-02 | 2013-01-22 | Siemens Corporation | Fast crowd segmentation using shape indexing |
US8934666B2 (en) * | 2008-10-10 | 2015-01-13 | Adc Automotive Distance Control Systems Gmbh | Method and device for analyzing surrounding objects and/or surrounding scenes, such as for object and scene class segmenting |
US20110205359A1 (en) * | 2010-02-19 | 2011-08-25 | Panasonic Corporation | Video surveillance system |
US9472097B2 (en) * | 2010-11-15 | 2016-10-18 | Image Sensing Systems, Inc. | Roadway sensing systems |
US9275472B2 (en) * | 2011-11-18 | 2016-03-01 | Disney Enterprises, Inc. | Real-time player detection from a single calibrated camera |
US10099614B2 (en) * | 2011-11-28 | 2018-10-16 | Magna Electronics Inc. | Vision system for vehicle |
TWI448977B (zh) * | 2011-12-08 | 2014-08-11 | Ind Tech Res Inst | 基於視訊分析的物件計數方法與裝置 |
KR101346773B1 (ko) | 2012-03-09 | 2013-12-31 | 고려대학교 산학협력단 | H.264 압축영역에서의 비정상 군중행동 탐지 및 분석 방법 |
CN103235944A (zh) | 2013-05-15 | 2013-08-07 | 青岛科技大学 | 人群流分割及人群流异常行为识别方法 |
US9342982B2 (en) * | 2013-09-09 | 2016-05-17 | International Business Machines Corporation | Traffic control agency deployment and signal optimization for event planning |
US9794525B2 (en) * | 2014-03-25 | 2017-10-17 | Ecole Polytechnique Federale De Lausanne (Epfl) | Systems and methods for tracking interacting objects |
US9600896B1 (en) * | 2015-11-04 | 2017-03-21 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for segmenting pedestrian flows in videos |
-
2017
- 2017-01-12 US US15/404,296 patent/US10210398B2/en active Active
- 2017-12-15 JP JP2017240590A patent/JP6879894B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018113026A5 (ja) | ||
Stoffregen et al. | Reducing the sim-to-real gap for event cameras | |
JP6879894B2 (ja) | 物体の流動の状態を求めるシステム及び方法、並びに非一時的コンピューター可読記憶媒体 | |
Schober et al. | A probabilistic model for the numerical solution of initial value problems | |
Zanette et al. | Tighter problem-dependent regret bounds in reinforcement learning without domain knowledge using value function bounds | |
JP6591672B2 (ja) | デュエリングディープニューラルネットワーク | |
JP5968259B2 (ja) | 線形モデルに基づく強化学習方法とその装置とプログラム | |
US20170184680A1 (en) | Sensor management apparatus and method | |
CN111108737B (zh) | 在物联网环境中的边缘设备上提供软件应用 | |
JP7146122B2 (ja) | 制御入力および限られた観測から動的流動を予測するための方法およびシステム | |
CN105793783A (zh) | 冷却塔系统的动态监控、诊断和控制 | |
JP6283112B2 (ja) | データに基づく関数モデルを定めるための方法及び装置 | |
US20160127694A1 (en) | Monitoring system for determining numbers of captured or killed living creatures | |
JP2021083208A5 (ja) | ||
JP2016006616A (ja) | 学習装置、学習方法及び学習プログラム | |
JPWO2020009139A5 (ja) | 制御装置、システム、制御方法、方策更新方法、及び生成方法 | |
Heath et al. | PiRat: An autonomous framework for studying social behaviour in rats and robots | |
Zhuang et al. | Multiple-shooting adjoint method for whole-brain dynamic causal modeling | |
Verma et al. | Neural speed–torque estimator for induction motors in the presence of measurement noise | |
Han et al. | Data-driven robust fault tolerant linear quadratic preview control of discrete-time linear systems with completely unknown dynamics | |
Butt et al. | Adaptive backstepping control for an engine cooling system with guaranteed parameter convergence under mismatched parameter uncertainties | |
JP2020129233A5 (ja) | ||
KR20160128036A (ko) | 컴퓨팅 시뮬레이션 작업 필요자원 예측 장치 및 방법 | |
CN114450645A (zh) | 智能过程异常检测和趋势预估系统 | |
JP2015139232A (ja) | モータ制御装置、画像形成装置及び制御方法 |