JP2020068473A - センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム - Google Patents
センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム Download PDFInfo
- Publication number
- JP2020068473A JP2020068473A JP2018200671A JP2018200671A JP2020068473A JP 2020068473 A JP2020068473 A JP 2020068473A JP 2018200671 A JP2018200671 A JP 2018200671A JP 2018200671 A JP2018200671 A JP 2018200671A JP 2020068473 A JP2020068473 A JP 2020068473A
- Authority
- JP
- Japan
- Prior art keywords
- compression ratio
- data
- sensor data
- sensor
- model
- 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
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
Abstract
Description
<<1.1.概要>>
まず、本発明の概要について述べる。本発明はセンサデータ(以下、単に、データ、と称する場合がある)の情報量を表す指標であるスパース性(0成分が多いという性質)の度合いが変動する振動データ、映像データ、音声データ等の広帯域のデータを、エッジ側のセンサ端末で効率的に圧縮し、無線などの低帯域リンクでデータ伝送するための技術である。
上述したように、本実施形態に係るセンサデータ圧縮システムは、多数のセンサ端末が設置された環境において、センサ端末側で低計算コストで設定した最適な圧縮比によりセンサデータを圧縮し、受信端末でデータを復元することを可能とする。ここで、上記の圧縮比とは、(圧縮前のデータサイズ)÷(圧縮後のデータサイズ)、により算出される指標であり、圧縮比が高い程、圧縮後のデータサイズが小さくなる。
本実施形態に係る検知対象10は、振動、画像、音など、各種のセンサデータを取得する対象である。本実施形態に係る検知対象10は、例えば、工場に設置された各種の設備、オフィスに設置された各種の機器、また各種の建設物・建築物などであり得る。
本実施形態に係る学習用センサ端末20は、最適な圧縮比を求める圧縮比学習モデル(数理モデルの一例)や、取得したセンサデータと学習データとの乖離度を求める乖離度検出学習モデルを構築する端末である。学習用センサ端末20は、本発明に係るモデル構築装置の一例である。
本実施形態に係るセンサ端末30は、学習用センサ端末20が構築した圧縮比学習モデルを用いて、取得したセンサデータに対する圧縮比を設定し、当該圧縮比を用いて圧縮したセンサデータをデータ受信装置40に送信する端末である。本実施形態に係るセンサ端末30は、図2に示すように、単一の検知対象10に対し、複数設置されてもよい。
本実施形態に係るデータ受信装置40は、センサ端末30が圧縮したセンサデータを受信し、必要に応じて復元する装置である。なお、本実施形態に係るデータ受信装置40は、後述する学習モデルの再構築機能や、データ分析機能をさらに有してもよい。
本実施形態に係るセンサ210は、例えば、振動センサ、歪センサ、音響センサ、画像センサなどの各種のセンサであり得る。
本実施形態に係るAD変換部220は、センサ210が取得したセンサデータがアナログ信号である場合に、アナログ・デジタル変換を行う。
本実施形態に係るデータ前処理部230は、デジタル信号に変換されたセンサデータに対し、雑音除去のフィルタリング、計測値変換、またFFT(Fast Fourier Transform:高速フーリエ変換)等の周波数変換処理を行う。
本実施形態に係る圧縮比モデル構築部240は、入力されるセンサデータの特徴量に基づいて圧縮センシングに係る圧縮比を取得する数理モデルを構築する。上記の数理モデルは、例えば、機械学習手法により構築された学習モデルであってもよい。本実施形態に係る圧縮比モデル構築部240は、例えば、センサデータに対する圧縮比を復元誤差と圧縮比とを含む評価指標により動的に変更する圧縮比学習モデルを、教師あり学習の一つである回帰学習、教師なし学習、または強化学習などにより構築することが可能である。一方、本実施形態に係る数理モデルは、上記の例に限定されず、例えば、センサデータの特徴量と最適な圧縮比との対応を示すグラフやデータであってもよい。本実施形態に係る圧縮比モデル構築部240が有する機能の詳細については別途後述する。
本実施形態に係る乖離度検出モデル構築部250は、入力されるセンサデータと、圧縮比学習モデル(数理モデル)の構築に用いられたセンサデータ(学習データ)との乖離度を検出する乖離度検出学習モデルを構築する。この際、本実施形態に係る乖離度検出モデル構築部250は、上記学習データを用いたOne−Class SVMや、オートエンコーダなどを乖離度検出学習モデルとして構築してもよい。
本実施形態に係るモデル送信部260は、圧縮比モデル構築部240が構築した圧縮比学習モデルや、乖離度検出モデル構築部250が構築した乖離度検出学習モデルを、単一または複数のセンサ端末30に送信する。
本実施形態に係る乖離度検出部340は、学習用センサ端末20の乖離度検出モデル構築部250が構築した乖離度検出学習モデルを用いて、入力されたセンサデータと、圧縮比学習モデルの構築に用いられた学習データとの乖離度を検出する。本実施形態に係る乖離度検出部340が有する機能の詳細については別途詳細に説明する。
本実施形態に係るデータ圧縮部350は、学習用センサ端末20の圧縮比モデル構築部240が構築した数理モデルを用いて、入力されたセンサデータに対する最適な圧縮比を取得し、当該圧縮比によるデータ圧縮を行う。
本実施形態に係るデータ通信部360は、ネットワークを介して、学習用センサ端末20やデータ受信装置40とのデータ通信を行う。本実施形態に係るデータ通信部360は、例えば、データ圧縮部350が圧縮したセンサデータをデータ受信装置40に送信する。また、本実施形態に係るデータ通信部360は、例えば、乖離度検出部340が学習データとの乖離度が閾値を超えると判定したセンサデータを、データ圧縮部350による圧縮が行われていない状態で学習用センサ端末20などのモデル構築装置に送信する。本実施形態に係るデータ通信部360が有する機能の詳細については別途後述する。
本実施形態に係るデータ受信部410は、センサ端末30から圧縮後のセンサデータを受信する。
本実施形態に係るデータ復元部420は、データ受信部410が受信した圧縮後のセンサデータの復元を行う。
次に、本実施形態に係るセンサデータ圧縮システムによる処理の流れについて詳細に説明する。本実施形態に係るセンサデータ圧縮システムにより処理は主に、最適な圧縮比を設定する数理モデルや乖離度検出学習モデルを構築するための学習段階と、未知データを検出し、当該未知データを用いて数理モデルや乖離度検出学習モデルの再構築を行ったり、学習段階で構築した数理モデルを用いてデータ圧縮を行うデータ圧縮・復元段階から成る。
圧縮効率=圧縮比×(−α)+復元誤差×(−β)(ただし、α>0、β>0)
・・・(3)
圧縮効率=1/(圧縮比のα乗)/(復元誤差のβ乗)(ただし、α>0、β>0)
・・・(4)
次に、本発明の一実施形態に係るモデル構築装置が学習用センサ端末20とは別途のサーバとして実現される場合のハードウェア構成例について説明する。図18は、本発明の一実施形態に係るモデル構築装置のハードウェア構成例を示すブロック図である。図18を参照すると、モデル構築装置は、例えば、プロセッサ871と、ROM872と、RAM873と、ホストバス874と、ブリッジ875と、外部バス876と、インターフェース877と、入力部878と、出力部879と、記憶部880と、ドライブ881と、接続ポート882と、通信部883と、を有する。なお、ここで示すハードウェア構成は一例であり、構成要素の一部が省略されてもよい。また、ここで示される構成要素以外の構成要素をさらに含んでもよい。
プロセッサ871は、例えば、演算処理装置又は制御装置として機能し、ROM872、RAM873、記憶部880、又はリムーバブル記録媒体901に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。
ROM872は、プロセッサ871に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。RAM873には、例えば、プロセッサ871に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。
プロセッサ871、ROM872、RAM873は、例えば、高速なデータ伝送が可能なホストバス874を介して相互に接続される。一方、ホストバス874は、例えば、ブリッジ875を介して比較的データ伝送速度が低速な外部バス876に接続される。また、外部バス876は、インターフェース877を介して種々の構成要素と接続される。
入力部878には、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、マイク、及びレバー等が用いられる。さらに、入力部878としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ(以下、リモコン)が用いられることもある。
出力部879には、例えば、CRT(Cathode Ray Tube)、LCD、又は有機EL等のディスプレイ装置(表示装置)、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。
記憶部880は、各種のデータを格納するための装置である。記憶部880としては、例えば、ハードディスクドライブ(HDD)等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。
ドライブ881は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体901に記録された情報を読み出し、又はリムーバブル記録媒体901に情報を書き込む装置である。
リムーバブル記録媒体901は、例えば、DVDメディア、Blu−ray(登録商標)メディア、HD DVDメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体901は、例えば、非接触型ICチップを搭載したICカード、又は電子機器等であってもよい。
接続ポート882は、例えば、USB(Universal Serial Bus)ポート、IEEE1394ポート、SCSI(Small Computer System Interface)、RS−232Cポート、又は光オーディオ端子等のような外部接続機器902を接続するためのポートである。
外部接続機器902は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はICレコーダ等である。
通信部883は、ネットワーク903に接続するための通信デバイスであり、例えば、有線又は無線LAN、Bluetooth(登録商標)、又はWUSB(Wireless USB)用の通信カード、光通信用のルータ、ADSL(Asymmetric Digital Subscriber Line)用のルータ、又は各種通信用のモデム等である。また、公衆電話網、携帯電話事業者網、内線電話網等の各種の電話網に接続してよい。
以上説明したように、本発明の一実施形態に係るセンサデータ圧縮システムは、センサ端末30と、学習用センサ端末20や別途のサーバなどにより実現されるモデル構築装置とを備える。本発明の一実施形態に係るセンサデータ圧縮システムによれば、データ分析精度の維持と通信コストの削減とを両立することが可能となる。
20 学習用センサ端末
240 圧縮比モデル構築部
250 乖離度検出モデル構築部
260 モデル送信部
30 センサ端末
340 乖離度検出部
350 データ圧縮部
360 データ通信部
40 データ受信装置
Claims (17)
- センサデータを取得するセンサ、
取得された前記センサデータの特徴量に基づいて圧縮センシングに係る圧縮比を取得する数理モデルを用いて、前記センサデータを前記圧縮比で圧縮するデータ圧縮部、
前記データ圧縮部により圧縮された前記センサデータを送信するデータ通信部、および
取得された前記センサデータと前記数理モデルの構築に用いられたセンサデータとの乖離度を検出する乖離度検出部、
を備え、
前記データ通信部は、検出された前記乖離度が閾値を超える場合、前記圧縮比による圧縮が行われていない前記センサデータをモデル構築装置に送信する、
センサ端末と、
前記センサ端末から受信した前記圧縮比による圧縮が行われていない前記センサデータを用いて前記数理モデルを再構築する圧縮比モデル構築部、および
前記圧縮比モデル構築部により再構築された前記数理モデルを前記センサ端末に送信するモデル送信部、
を備える、
前記モデル構築装置と、
から成るセンサデータ圧縮システム。 - 前記数理モデルは、前記センサデータに対する前記圧縮比を、復元誤差と前記圧縮比とを含む評価指標により動的に変更するよう、機械学習手法を用いて構築された圧縮比学習モデルであり、
前記圧縮比モデル構築部は、前記センサ端末から受信した前記圧縮比による圧縮が行われていない前記センサデータを用いて前記圧縮比学習モデルの再構築を行い、
前記モデル送信部は、前記圧縮比モデル構築部による再構築が行われた前記圧縮比学習モデルを前記センサ端末に送信する、
請求項1に記載のセンサデータ圧縮システム。 - 前記乖離度検出部は、前記圧縮比学習モデルの構築に用いられた前記センサデータを用いて構築された乖離度検出学習モデルを用いて前記乖離度を検出する、
請求項2に記載のセンサデータ圧縮システム。 - 前記モデル構築装置は、前記センサ端末から受信した前記圧縮比による圧縮が行われていない前記センサデータを用いて前記乖離度検出学習モデルを構築する乖離度検出モデル構築部、をさらに備え、
前記モデル送信部は、前記乖離度検出モデル構築部により構築された前記乖離度検出学習モデルを前記センサ端末に送信する、
請求項3に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、回帰学習、教師なし学習、または強化学習のいずれかの手法を用いて前記圧縮比学習モデルを構築する、
請求項2〜4のいずれかに記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記評価指標を最適化する前記圧縮比を求め、前記センサデータを説明変数、当該センサデータに対する最適な圧縮比を目的変数とした回帰学習により前記圧縮比学習モデルを構築する、
請求項5に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記評価指標を最適化する前記圧縮比を、ランダムサーチ、グリッドサーチ、または山登り法のいずれかにより求める、
請求項6に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、データ圧縮効率が高いほど損失が小さくなる損失関数を用いて、最適化する前記圧縮比を、誤差逆伝播法によるニューラルネットワークのパラメータ更新で求める教師なし学習により前記圧縮比学習モデルを構築する、
請求項5に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記センサデータを状態、前記圧縮比を行動、データ圧縮効率を報酬として、強化学習により前記圧縮比学習モデルを構築する、
請求項5に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記センサデータに係る時間領域のデータまたは周波数領域のデータを状態として強化学習を行う、
請求項5に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記圧縮比の範囲を自然数Nで分割し、それぞれの代表値の圧縮比を離散値の行動として強化学習を行う、
請求項5に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記圧縮比を連続値の行動として強化学習を行う、
請求項5に記載のセンサデータ圧縮システム。 - 前記圧縮比モデル構築部は、前記圧縮比または復元誤差を含む評価指標を報酬とした強化学習を行う、
請求項5に記載のセンサデータ圧縮システム。 - センサデータを取得するセンサと、
取得された前記センサデータの特徴量に基づいて圧縮センシングに係る圧縮比を取得する数理モデルを用いて、前記センサデータを前記圧縮比で圧縮するデータ圧縮部と、
前記データ圧縮部により圧縮された前記センサデータを送信するデータ通信部と、
取得された前記センサデータと前記数理モデルの構築に用いられたセンサデータとの乖離度を検出する乖離度検出部と、
を備え、
前記データ通信部は、検出された前記乖離度が閾値を超える場合、前記圧縮比による圧縮が行われていない前記センサデータをモデル構築装置に送信し、当該センサデータを用いて再構築された前記数理モデルを受信する、
センサ端末。 - 取得したセンサデータの特徴量に基づいて圧縮センシングに係る圧縮比を取得する数理モデルを用いて前記センサデータを前記圧縮比で圧縮するセンサ端末から、前記圧縮比による圧縮が行われていない前記センサデータを受信した場合、当該センサデータを用いて前記数理モデルを再構築する圧縮比モデル構築部と、
前記圧縮比モデル構築部により再構築された前記数理モデルを、ネットワークを介して接続される複数のセンサ端末のうち、少なくとも前記圧縮比による圧縮が行われていない前記センサデータの送信を行ったセンサ端末に送信するモデル送信部と、
を備える、
モデル構築装置。 - コンピュータを、
センサデータを取得するセンサと、
取得された前記センサデータの特徴量に基づいて圧縮センシングに係る圧縮比を取得する数理モデルを用いて、前記センサデータを前記圧縮比で圧縮するデータ圧縮部と、
前記データ圧縮部により圧縮された前記センサデータを送信するデータ通信部と、
取得された前記センサデータと前記数理モデルの構築に用いられたセンサデータとの乖離度を検出する乖離度検出部と、
を備え、
前記データ通信部は、検出された前記乖離度が閾値を超える場合、前記圧縮比による圧縮が行われていない前記センサデータをモデル構築装置に送信し、当該センサデータを用いて再構築された前記数理モデルを受信する、
センサ端末、
として機能させるためのプログラム。 - コンピュータを、
取得したセンサデータの特徴量に基づいて圧縮センシングに係る圧縮比を取得する数理モデルを用いて前記センサデータを前記圧縮比で圧縮するセンサ端末から、前記圧縮比による圧縮が行われていない前記センサデータを受信した場合、当該センサデータを用いて前記数理モデルを再構築する圧縮比モデル構築部と、
前記圧縮比モデル構築部により再構築された前記数理モデルを、ネットワークを介して接続される複数のセンサ端末のうち、少なくとも前記圧縮比による圧縮が行われていない前記センサデータの送信を行ったセンサ端末に送信するモデル送信部と、
を備える、
モデル構築装置、
として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018200671A JP6593519B1 (ja) | 2018-10-25 | 2018-10-25 | センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム |
PCT/JP2019/026706 WO2020084839A1 (ja) | 2018-10-25 | 2019-07-04 | センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018200671A JP6593519B1 (ja) | 2018-10-25 | 2018-10-25 | センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6593519B1 JP6593519B1 (ja) | 2019-10-23 |
JP2020068473A true JP2020068473A (ja) | 2020-04-30 |
Family
ID=68314056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018200671A Active JP6593519B1 (ja) | 2018-10-25 | 2018-10-25 | センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6593519B1 (ja) |
WO (1) | WO2020084839A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021255803A1 (ja) * | 2020-06-15 | 2021-12-23 | 日本電信電話株式会社 | 処理システム及び処理方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7040543B2 (ja) * | 2020-02-05 | 2022-03-23 | 沖電気工業株式会社 | データ圧縮装置、データ圧縮システム、学習モデル構築装置及びプログラム |
JP7036143B2 (ja) * | 2020-03-27 | 2022-03-15 | 沖電気工業株式会社 | データ圧縮システム、データ圧縮端末、中継装置、学習モデル構築装置及びプログラム |
JP2021163207A (ja) * | 2020-03-31 | 2021-10-11 | 月島機械株式会社 | 制御装置、制御方法、及びプログラム |
WO2022074794A1 (ja) * | 2020-10-08 | 2022-04-14 | 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 |
JP7156416B2 (ja) * | 2021-01-15 | 2022-10-19 | 沖電気工業株式会社 | データ圧縮システム、送信端末、学習モデル構築装置及びプログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11353295A (ja) * | 1998-06-09 | 1999-12-24 | Fujitsu Ltd | 内部モデル学習方法及び装置 |
JP2006163779A (ja) * | 2004-12-07 | 2006-06-22 | Matsushita Electric Ind Co Ltd | 計測データ圧縮装置及び計測データ圧縮方法 |
JP2009117998A (ja) * | 2007-11-02 | 2009-05-28 | Fujifilm Corp | データ圧縮装置およびデータ圧縮プログラム |
JP2012010319A (ja) * | 2010-05-28 | 2012-01-12 | Hitachi Ltd | 時系列データの圧縮方法および圧縮装置 |
WO2014061481A1 (ja) * | 2012-10-19 | 2014-04-24 | 日本電気株式会社 | 適応的圧縮アルゴリズムを用いたデータ転送装置及びデータ転送システム |
JP2015090691A (ja) * | 2013-11-07 | 2015-05-11 | 株式会社エヌ・ティ・ティ・データ | 予測装置、予測方法、及びプログラム |
JP2017041821A (ja) * | 2015-08-21 | 2017-02-23 | 日本電信電話株式会社 | トラヒック観測システムおよび方法 |
US20170230675A1 (en) * | 2016-02-05 | 2017-08-10 | Google Inc. | Compressing images using neural networks |
JP2018084854A (ja) * | 2016-11-21 | 2018-05-31 | 日本電気株式会社 | センサデータ処理方法 |
-
2018
- 2018-10-25 JP JP2018200671A patent/JP6593519B1/ja active Active
-
2019
- 2019-07-04 WO PCT/JP2019/026706 patent/WO2020084839A1/ja active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11353295A (ja) * | 1998-06-09 | 1999-12-24 | Fujitsu Ltd | 内部モデル学習方法及び装置 |
JP2006163779A (ja) * | 2004-12-07 | 2006-06-22 | Matsushita Electric Ind Co Ltd | 計測データ圧縮装置及び計測データ圧縮方法 |
JP2009117998A (ja) * | 2007-11-02 | 2009-05-28 | Fujifilm Corp | データ圧縮装置およびデータ圧縮プログラム |
JP2012010319A (ja) * | 2010-05-28 | 2012-01-12 | Hitachi Ltd | 時系列データの圧縮方法および圧縮装置 |
WO2014061481A1 (ja) * | 2012-10-19 | 2014-04-24 | 日本電気株式会社 | 適応的圧縮アルゴリズムを用いたデータ転送装置及びデータ転送システム |
JP2015090691A (ja) * | 2013-11-07 | 2015-05-11 | 株式会社エヌ・ティ・ティ・データ | 予測装置、予測方法、及びプログラム |
JP2017041821A (ja) * | 2015-08-21 | 2017-02-23 | 日本電信電話株式会社 | トラヒック観測システムおよび方法 |
US20170230675A1 (en) * | 2016-02-05 | 2017-08-10 | Google Inc. | Compressing images using neural networks |
JP2018084854A (ja) * | 2016-11-21 | 2018-05-31 | 日本電気株式会社 | センサデータ処理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021255803A1 (ja) * | 2020-06-15 | 2021-12-23 | 日本電信電話株式会社 | 処理システム及び処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6593519B1 (ja) | 2019-10-23 |
WO2020084839A1 (ja) | 2020-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6593519B1 (ja) | センサデータ圧縮システム、センサ端末、モデル構築装置、およびプログラム | |
US9294113B2 (en) | Energy-efficient time-stampless adaptive nonuniform sampling | |
JP7056406B2 (ja) | センサノード及びデータセンタとして機能する装置、センサネットワーク、通信方法及びプログラム | |
CN111242171B (zh) | 网络故障的模型训练、诊断预测方法、装置以及电子设备 | |
JP2019080232A (ja) | 勾配圧縮装置、勾配圧縮方法及びプログラム | |
Chen et al. | A new lossy compression algorithm for wireless sensor networks using Bayesian predictive coding | |
CN111371534B (zh) | 一种数据重传方法、装置、电子设备和存储介质 | |
WO2019220755A1 (ja) | 情報処理装置および情報処理方法 | |
CN114282644A (zh) | 使用自动编码器神经网络压缩端节点中的信息 | |
CN113328755A (zh) | 一种面向边缘计算的压缩数据传输方法 | |
AU2023200082A1 (en) | Method and apparatus for estimating classical capacity of quantum channel, electronic device, and medium | |
Zhang et al. | Fundamental limits of communication efficiency for model aggregation in distributed learning: A rate-distortion approach | |
EP4143978A2 (en) | Systems and methods for improved machine-learned compression | |
CN112564713B (zh) | 高效率低时延的动觉信号编解码器及编解码方法 | |
CN113949880A (zh) | 一种极低码率人机协同图像编码训练方法及编解码方法 | |
JP7040543B2 (ja) | データ圧縮装置、データ圧縮システム、学習モデル構築装置及びプログラム | |
JP5964897B2 (ja) | 音符号化システム及び符号化装置、復号化装置 | |
CN117668477B (zh) | 一种海洋大数据智能轻量化处理方法及系统 | |
CN110766566A (zh) | 一种基于双向lstm模型的运维行为智能分析系统 | |
CN114679759B (zh) | 一种基于强化学习的可穿戴心电监测网络切换方法 | |
CN117527708B (zh) | 基于数据流向的企业级数据链路的优化传输方法及系统 | |
Wan et al. | Semantic Communication Method Based on Compression Ratio Optimization for Vision Tasks in the Artificial Intelligence of Things | |
CN110644977B (zh) | 一种测试用井下小信号接收与发送的控制方法 | |
WO2023242927A1 (ja) | データ管理装置、データ管理方法、及びプログラム | |
JP2023121503A (ja) | 計算機システム、学習方法、及びエッジ装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181025 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190327 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190328 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190819 |
|
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: 20190827 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190909 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6593519 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |