JP2019101781A - 検知システム、学習方法及び学習プログラム - Google Patents
検知システム、学習方法及び学習プログラム Download PDFInfo
- Publication number
- JP2019101781A JP2019101781A JP2017232320A JP2017232320A JP2019101781A JP 2019101781 A JP2019101781 A JP 2019101781A JP 2017232320 A JP2017232320 A JP 2017232320A JP 2017232320 A JP2017232320 A JP 2017232320A JP 2019101781 A JP2019101781 A JP 2019101781A
- Authority
- JP
- Japan
- Prior art keywords
- data
- generation
- unit
- learning
- latent
- 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
- Image Analysis (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
まず、図1を用いて、第1の実施形態に係る検知システムの構成について説明する。図1は、第1の実施形態に係る検知システムの構成の一例を示す図である。図1に示すように、検知システム1は、検知装置10、ゲートウェイ20、機器30を有し、ゲートウェイ20は外部ネットワーク40と接続されている。
学習部142は、確率変数で表される複数の潜在変数を基にデータを生成する生成モデルの学習を、正常状態にある所定の機器に関するデータを学習データとして、潜在変数がDisentangleな表現を獲得するように行う。
学習部142による生成モデルの学習は、in層に入力された学習データとout層で出力されるデータとがなるべく同一になるように行われる。このため、学習済みの生成モデルのin層に検知対象のデータを入力した際に、当該検知対象のデータが正常状態のものであればout層から入力データと類似したデータを出力することができる。一方、検知対象のデータが異常データであればout層から入力データと類似しないデータが出力される。検知部143が、生成モデルのこのような性質を利用して検知を行う。
図10を用いて検知装置10の学習部142の処理について説明する。図10は、第1の実施形態に係る検知装置の学習処理の流れを示すフローチャートである。図10に示すように、まず、学習部142には正常状態のデータが入力される(ステップS11)。そして、学習部142は、潜在変数がDisentangleな表現を獲得するように生成モデルの学習を行う(ステップS12)。そして、学習部142は、学習済みの生成モデルを学習済みモデルDB131に保存する(ステップS13)。
生成部141は、異常検知に用いられる生成モデルであって、確率変数で表される複数の潜在変数を基にデータを生成する生成モデルを用いて、検知対象物の正常状態の所定のデータからデータを繰り返し生成する。また、更新部142aは、生成部141によってデータが生成されるたびに、潜在変数がDisentangleな表現を獲得するように潜在変数を更新する。また、停止部142bは、更新部142aによって潜在変数が所定回数だけ更新されたときに、潜在変数間の相互情報量の分散が所定値以上である場合、生成部141によるデータの生成の繰り返しを停止する。このように、検知装置10は、潜在変数が所定回数だけ更新された段階で、その学習が成功するか失敗するかを判断し、失敗すると判断した場合は繰り返しを停止することができる。このため、本実施形態の検知システム1は、生成モデルの潜在変数にDisentangleな表現を獲得させる際の学習コストを抑制することができる。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部又は任意の一部が、CPU及び当該CPUにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
一実施形態として、検知装置10は、パッケージソフトウェアやオンラインソフトウェアとして上記の検知を実行する学習プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、上記の学習プログラムを情報処理装置に実行させることにより、情報処理装置を検知装置10として機能させることができる。ここで言う情報処理装置には、デスクトップ型又はノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機やPHS(Personal Handyphone System)等の移動体通信端末、さらには、PDA(Personal Digital Assistant)等のスレート端末等がその範疇に含まれる。
11 入出力部
12 通信部
13 記憶部
14 制御部
20 ゲートウェイ
30 機器
40 外部ネットワーク
141 生成部
142 学習部
142a 更新部
142b 停止部
143 検知部
Claims (6)
- 異常検知に用いられる生成モデルであって、確率変数で表される複数の潜在変数を基にデータを生成する生成モデルを用いて、検知対象物の正常状態の所定のデータからデータを繰り返し生成する生成部と、
前記生成部によってデータが生成されるたびに、前記潜在変数がDisentangleな表現を獲得するように前記潜在変数を更新する更新部と、
前記更新部によって前記潜在変数が所定回数だけ更新されたときに、前記潜在変数間の相互情報量の分散が所定値以上である場合、前記生成部によるデータの生成の繰り返しを停止する停止部と、
を有することを特徴とする検知システム。 - 前記生成部は、前記潜在変数を用いた計算における乱数を生成するための初期値を設定し、データの生成の繰り返しを開始し、データの生成の繰り返しが停止した場合、前記初期値を再設定し、さらにデータの生成の繰り返しを開始することを特徴とする請求項1に記載の検知システム。
- 前記更新部は、前記潜在変数間の相互情報量が小さくなるように前記潜在変数を更新することを特徴とする請求項1又は2に記載の検知システム。
- 前記生成部は、前記生成モデルを用いて、所定の検知対象データからデータを生成し、
前記検知対象データと前記生成部によって生成されたデータとの類似度が所定値未満である場合、前記検知対象データを異常と検知する検知部をさらに有することを特徴とする請求項1から3のいずれか1項に記載の検知システム。 - コンピュータによって実行される学習方法であって、
異常検知に用いられる生成モデルであって、確率変数で表される複数の潜在変数を基にデータを生成する生成モデルを用いて、検知対象物の正常状態の所定のデータからデータを繰り返し生成する生成工程と、
前記生成工程によってデータが生成されるたびに、前記潜在変数がDisentangleな表現を獲得するように前記潜在変数を更新する更新工程と、
前記更新工程によって前記潜在変数が所定回数だけ更新されたときに、前記潜在変数間の相互情報量の分散が所定値以上である場合、前記生成工程によるデータの生成の繰り返しを停止する停止工程と、
を含んだことを特徴とする学習方法。 - コンピュータに、
異常検知に用いられる生成モデルであって、確率変数で表される複数の潜在変数を基にデータを生成する生成モデルを用いて、検知対象物の正常状態の所定のデータからデータを繰り返し生成する生成ステップと、
前記生成ステップによってデータが生成されるたびに、前記潜在変数がDisentangleな表現を獲得するように前記潜在変数を更新する更新ステップと、
前記更新ステップによって前記潜在変数が所定回数だけ更新されたときに、前記潜在変数間の相互情報量の分散が所定値以上である場合、前記生成ステップによるデータの生成の繰り返しを停止する停止ステップと、
を実行させることを特徴とする学習プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017232320A JP6835704B2 (ja) | 2017-12-04 | 2017-12-04 | 検知システム、学習方法及び学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017232320A JP6835704B2 (ja) | 2017-12-04 | 2017-12-04 | 検知システム、学習方法及び学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019101781A true JP2019101781A (ja) | 2019-06-24 |
JP6835704B2 JP6835704B2 (ja) | 2021-02-24 |
Family
ID=66976982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017232320A Active JP6835704B2 (ja) | 2017-12-04 | 2017-12-04 | 検知システム、学習方法及び学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6835704B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU201808U1 (ru) * | 2019-11-28 | 2021-01-13 | Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук | Инструментально-моделирующий комплекс координации процессов позиционирования и диспозиции сложного динамического объекта в группе |
WO2021250868A1 (ja) * | 2020-06-11 | 2021-12-16 | 日本電信電話株式会社 | 復元可否判定方法、復元可否判定装置及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228991A (ja) * | 2013-05-21 | 2014-12-08 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
WO2017094267A1 (ja) * | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
-
2017
- 2017-12-04 JP JP2017232320A patent/JP6835704B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228991A (ja) * | 2013-05-21 | 2014-12-08 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
WO2017094267A1 (ja) * | 2015-12-01 | 2017-06-08 | 株式会社Preferred Networks | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
Non-Patent Citations (1)
Title |
---|
IRINA HIGGINS, ET AL.: "β-VAE: Learning Basic Visual Concepts with a Constrained Variational Framework", INTERNATIONAL CONFERENCE ON LEARNING REPRESENTATIONS (ICLR) 2017 [ONLINE], JPN6020023130, 18 April 2017 (2017-04-18), ISSN: 0004394900 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU201808U1 (ru) * | 2019-11-28 | 2021-01-13 | Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук | Инструментально-моделирующий комплекс координации процессов позиционирования и диспозиции сложного динамического объекта в группе |
WO2021250868A1 (ja) * | 2020-06-11 | 2021-12-16 | 日本電信電話株式会社 | 復元可否判定方法、復元可否判定装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6835704B2 (ja) | 2021-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6767312B2 (ja) | 検知システム、検知方法及び検知プログラム | |
JP2020140580A (ja) | 検知装置及び検知プログラム | |
JP6870508B2 (ja) | 学習プログラム、学習方法及び学習装置 | |
JP6965206B2 (ja) | クラスタリング装置、クラスタリング方法およびプログラム | |
US11157380B2 (en) | Device temperature impact management using machine learning techniques | |
WO2019245006A1 (ja) | 検知装置及び検知方法 | |
JP6835704B2 (ja) | 検知システム、学習方法及び学習プログラム | |
EP3816829B1 (en) | Detection device and detection method | |
JP6494005B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20230016772A1 (en) | Checking device, checking method, and checking program | |
JP7420244B2 (ja) | 学習装置、学習方法、推定装置、推定方法及びプログラム | |
JP2018073241A (ja) | 検知装置、検知方法および検知プログラム | |
JP2015001968A (ja) | 機械学習装置、機械学習方法、およびプログラム | |
JP7396505B2 (ja) | モデル生成プログラム、モデル生成方法及びモデル生成装置 | |
JP7077746B2 (ja) | 学習装置、学習方法及び学習プログラム | |
JP7331938B2 (ja) | 学習装置、推定装置、学習方法及び学習プログラム | |
KR20180119443A (ko) | 가우시안 프로세스 회귀분석을 이용한 클러스터링 방법 및 그 장치 | |
WO2019208248A1 (ja) | 学習装置、学習方法及び学習プログラム | |
JP7444270B2 (ja) | 判定装置、判定方法及び判定プログラム | |
WO2023181222A1 (ja) | 学習装置、学習方法、および、学習プログラム | |
WO2023195120A1 (ja) | 学習装置、学習方法、および、学習プログラム | |
WO2022059208A1 (ja) | 学習装置、学習方法及び学習プログラム | |
WO2022070342A1 (ja) | 学習装置、学習方法及び学習プログラム | |
WO2023195138A1 (ja) | 学習方法、学習装置及び学習プログラム | |
WO2022070343A1 (ja) | 学習装置、学習方法及び学習プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210122 |
|
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: 20210202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210204 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6835704 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |