JP2019101728A - 情報抽出装置 - Google Patents
情報抽出装置 Download PDFInfo
- Publication number
- JP2019101728A JP2019101728A JP2017231610A JP2017231610A JP2019101728A JP 2019101728 A JP2019101728 A JP 2019101728A JP 2017231610 A JP2017231610 A JP 2017231610A JP 2017231610 A JP2017231610 A JP 2017231610A JP 2019101728 A JP2019101728 A JP 2019101728A
- Authority
- JP
- Japan
- Prior art keywords
- data
- input data
- information extraction
- information
- target
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
取得部は、各要素が相関関係を有する多次元ベクトルにて表現された入力データ及び入力データにおける各要素の異常状況を示す状況情報を取得する。復元部は、状況情報により異常ありと示された1又は複数の要素のそれぞれを対象要素として、入力データの要素間の正常な相関関係を学習させたニューラルネットワークである変換モデルを用いて、入力データ中の対象要素を正常値に復元した復元データを生成する。抽出部は、状況情報が異常なしを示す場合は入力データ、状況情報が異常ありを示す場合は復元データを対象データとして、対象データに関する1つ以上の潜在特徴を出力情報として抽出する。
[1.構成]
図1に示す情報処理システム1は、センサ群3と、情報抽出装置10と、情報処理装置5と、モデル生成装置20とを備える。なお、センサ群3、情報抽出装置10、及び情報処理装置5は、車両に搭載される。また、モデル生成装置20は、センサ群3等を搭載する車両と無線通信を行う機能を有した基地局、または基地局が接続された通信ネットワーク上のサーバ等に設けられる。なお、情報抽出装置10及び情報処理装置5のうち少なくとも一方が、車両の外部に設けられていてもよい。
センサ群3は、車両に対する運転操作を表す操作データを出力するセンサ、及び運転操作の結果である車両の挙動を表す挙動データを出力するセンサのうち、少なくとも一方が含まれる。
モデル生成装置20は、情報蓄積部21と、学習部22と、モデル記憶部23と、配信部24とを備える。
配信部24は、モデル記憶部23に記憶された監視モデルを、複数の車両のそれぞれに搭載された情報抽出装置10に配信する。
された監視モデルをモデル記憶部23に記憶させて、本処理を終了する。
図1に戻り、情報抽出装置10は、センサ群3からの出力である検出データの時系列から検出データの特徴を表す情報を抽出し、出力情報として情報処理装置5に出力する。情報抽出装置10は、取得部12と、復元部13と、抽出部14とを備える。情報抽出装置10は、モデル記憶部11と、受信部15を備えてもよい。
中間層の出力、特に自己符号化器のエンコーダ部の出力を用いてもよい。
ここで、取得部12が実行する取得処理を、図5のフローチャートを用いて説明する。取得処理は、繰り返し実行される。
S260では、取得部12は、S250にて算出した再構成誤差ベクトルの各要素である個別誤差のそれぞれについて、予め設定された誤差閾値より大きいか否かを判断し、誤差閾値より大きな個別誤差を有する要素(即ち、入力データのいずれかの次元)を対象要素として抽出する。
S290では、取得部12は、S240で生成された再構成データを、S260で抽出された1又は複数の対象要素のそれぞれを、復元部13での復元対象として出力し、復元部13を起動して本処理を終了する。
次に、復元部13が実行する復元処理を、図7のフローチャートを用いて説明する。復元処理は、先に説明したS290が実行されることにより起動される。
S320では、復元部13は、入力データを監視モデルに適用して再構成データを生成する。
S340では、復元部13は、誤差逆伝播法を用いて、入力データの対象要素について、S330で算出した誤差評価値を減少させる勾配を算出する。具体的には、(7)式に示すように、対象要素に関する目的関数の偏微分を、勾配として算出する。但し、pは対象要素を特定する入力データの次元を表す。対象要素が複数存在する場合には、それぞれについて同様の処理を実行する。
次に、抽出部14が実行する抽出処理を、図9のフローチャートを用いて説明する。抽出処理は、先に説明したS270又はS370が実行されることで起動する。
[1−4.情報処理部]
情報処理装置5は、情報抽出装置10からの出力情報に基づいて、データ解析等の後段処理を実施する。具体的には、例えば、対象データの統計量を求めたり、対象データ又はその統計量を用いて、運転シーンの解析及びドライバ特性の解析等を行ったりしてもよい。なお、解析の対象となるドライバ特性は、例えば、平均アクセル開度、ステアリングのぶれ等が挙げられる。
は複数のハードウェアを用いて実現されてもよい。例えば、上記機能がハードウェアである電子回路によって実現される場合、その電子回路は、デジタル回路、又はアナログ回路、あるいはこれらの組合せによって実現されてもよい。
以上詳述した実施形態によれば、以下の効果を奏する。
(1a)情報処理システム1では、入力データの各要素間の正常時の相関関係を学習した監視モデルを用い、入力データに異常がある場合は、異常のある要素を復元した復元データから出力情報を抽出している。従って、入力データに一時的な欠損等の異常が生じる可能性があっても、その異常による影響が抑制されたロバストな情報抽出を行うことができる。その結果、出力情報を利用する後段処理の精度及び信頼性を向上させることができる。
以上、本開示の実施形態について説明したが、本開示は上述の実施形態に限定されることなく、種々変形して実施することができる。
ついて説明したが、これに限定されるものではなく、複数のセンサの出力が互いに相関関係を有していればよい。
Claims (8)
- 各要素が相関関係を有する多次元ベクトルで表現された入力データ及び前記入力データにおける各要素の異常状況を示す状況情報を取得するように構成された取得部(12)と、
前記状況情報により異常ありと示された1又は複数の前記要素のそれぞれを対象要素として、前記入力データの要素間の正常な相関関係を学習させたニューラルネットワークである監視モデルを用いて、前記入力データ中の前記対象要素を正常値に復元した復元データを生成するように構成された復元部(13)と、
前記状況情報が異常なしを示す場合は前記入力データ、前記状況情報が異常ありを示す場合は前記復元データを対象データとして、前記対象データに関する1つ以上の潜在特徴を出力情報として抽出するように構成された抽出部(14)と、
を備える情報抽出装置。 - 請求項1に記載の情報抽出装置であって、
前記監視モデルとして、複数の中間層を有する自己符号化器を用いるように構成された
情報抽出装置。 - 請求項2に記載の情報抽出装置であって、
前記抽出部は、前記潜在特徴として、前記対象データを前記監視モデルに入力することで得られる前記監視モデルの中間層からの出力を用いるように構成された
情報抽出装置。 - 請求項1から請求項3のいずれか1項に記載の情報抽出装置であって、
前記復元部は、前記監視モデルを用いて、前記監視モデルに入力された前記入力データを再構成した結果を再構成データとして、前記入力データに対する前記再構成データの誤差の大きさを表す誤差評価値、及び前記対象要素に対する前記誤差評価値の勾配を算出し、該勾配に従って前記誤差評価値が小さくなる方向に前記対象要素を更新し、前記対象要素が更新された前記入力データを用いて同様の処理を繰り返すことで、前記復元データを生成するように構成された
情報抽出装置。 - 請求項1から請求項4のいずれか1項に記載の情報抽出装置であって、
前記取得部は、車両に搭載された複数のセンサのそれぞれから出力される時系列データを一定時間毎に分割し一括してベクトル化することで、前記入力データを連続的に生成するように構成された、
情報抽出装置。 - 請求項5に記載の情報抽出装置であって、
前記取得部は、滑走時間窓を用いて、前記時系列データを分割するように構成された
情報抽出装置。 - 請求項1から請求項6のいずれか1項に記載の情報抽出装置であって、
前記取得部は、前記監視モデルを用いて該監視モデルに入力された前記入力データを再構成した結果を再構成データとして、前記入力データと前記再構成データとの差分である再構成誤差を算出し、前記再構成誤差の各要素の値である個別誤差のうち、予め設定された誤差閾値より大きい前記個別誤差を有する前記要素を前記対象要素として、前記対象要素が存在する場合に、該対象要素に異常があることを示す前記状況情報を生成するように構成された、
情報抽出装置。 - 請求項5又は請求項6に記載の情報抽出装置であって、
前記取得部は、前記複数のセンサのそれぞれに設けられた前記センサの出力の異常の有無を検知する異常検知部での検知結果を前記状況情報として取得するように構成された
情報抽出装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017231610A JP6969993B2 (ja) | 2017-12-01 | 2017-12-01 | 情報抽出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017231610A JP6969993B2 (ja) | 2017-12-01 | 2017-12-01 | 情報抽出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019101728A true JP2019101728A (ja) | 2019-06-24 |
JP6969993B2 JP6969993B2 (ja) | 2021-11-24 |
Family
ID=66973763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017231610A Active JP6969993B2 (ja) | 2017-12-01 | 2017-12-01 | 情報抽出装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6969993B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554179A (zh) * | 2020-04-23 | 2021-10-26 | 丰田自动车株式会社 | 信息处理系统 |
CN113701431A (zh) * | 2020-05-21 | 2021-11-26 | 东芝生活电器株式会社 | 信息处理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011043093A1 (ja) * | 2009-10-07 | 2011-04-14 | シャープ株式会社 | タッチパネル |
WO2016132468A1 (ja) * | 2015-02-18 | 2016-08-25 | 株式会社日立製作所 | データ評価方法および装置、故障診断方法および装置 |
-
2017
- 2017-12-01 JP JP2017231610A patent/JP6969993B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011043093A1 (ja) * | 2009-10-07 | 2011-04-14 | シャープ株式会社 | タッチパネル |
WO2016132468A1 (ja) * | 2015-02-18 | 2016-08-25 | 株式会社日立製作所 | データ評価方法および装置、故障診断方法および装置 |
Non-Patent Citations (2)
Title |
---|
THOMPSON, BENJAMIN B. ET AL.: "On the Contractive Nature of Autoencoders: Application to Missing Sensor Restoration", PROCEEDING OF THE INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS, JPN6021038983, 26 August 2003 (2003-08-26), US, pages 3011 - 3016, ISSN: 0004607058 * |
池田泰弘、石橋圭介、中野雄介、渡辺敬志郎、川原亮一: "オートエンコーダを用いた異常検知におけるスパース最適化を用いた要因推定手法", 電子情報通信学会技術研究報告, vol. 117, no. 89, JPN6021038982, 8 June 2017 (2017-06-08), JP, pages 61 - 66, ISSN: 0004607059 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554179A (zh) * | 2020-04-23 | 2021-10-26 | 丰田自动车株式会社 | 信息处理系统 |
CN113554179B (zh) * | 2020-04-23 | 2024-02-09 | 丰田自动车株式会社 | 信息处理系统 |
CN113701431A (zh) * | 2020-05-21 | 2021-11-26 | 东芝生活电器株式会社 | 信息处理系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6969993B2 (ja) | 2021-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101967089B1 (ko) | 컨볼루션 신경망 기반의 완전 기준 이미지 품질 평가 | |
US11645744B2 (en) | Inspection device and inspection method | |
US10410113B2 (en) | Time series data adaptation and sensor fusion systems, methods, and apparatus | |
CN107784322B (zh) | 异常数据检测方法、装置、存储介质以及程序产品 | |
CN111898581B (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
CN111046027A (zh) | 时间序列数据的缺失值填充方法和装置 | |
CN112631240A (zh) | 航天器故障主动检测方法及装置 | |
Fort et al. | Hidden Markov Models approach used for life parameters estimations | |
JP6969993B2 (ja) | 情報抽出装置 | |
CN112639830A (zh) | 利用深度学习将图片分离成前景和背景的设备和方法 | |
CN112802076A (zh) | 反射图像生成模型及反射去除模型的训练方法 | |
JP2018147442A (ja) | 変化点検出装置および変化点検出方法 | |
CN113191318A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
KR102229638B1 (ko) | 고장 예측 장치 및 방법 | |
CN115018012A (zh) | 一种高维度特性下的物联网时间序列异常检测方法及系统 | |
CN114528190A (zh) | 单指标异常的检测方法、装置、电子设备及可读存储介质 | |
CN111339808A (zh) | 车辆碰撞概率预测方法、装置、电子设备及存储介质 | |
CN112804522A (zh) | 一种对摄像头异常状况的检测方法及装置 | |
JP7434829B2 (ja) | モデル生成装置、推定装置、モデル生成方法、及びモデル生成プログラム | |
CN113449824B (zh) | 视频处理方法、装置及计算机可读存储介质 | |
KR20230118442A (ko) | 전자 장치 및 이상치 탐지 방법 | |
US20180136641A1 (en) | Fault signal recovery apparatus and method | |
KR102323671B1 (ko) | 동영상내의 이상 물체 탐지 방법 및 그 장치 | |
CN113536971A (zh) | 一种基于增量学习的目标检测方法 | |
CN111383220A (zh) | 设备的故障预测方法及装置、电子设备、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: 20201111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210930 |
|
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: 20211005 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211028 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6969993 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |