JP6477943B1 - メタデータ生成装置、メタデータ生成方法及びプログラム - Google Patents
メタデータ生成装置、メタデータ生成方法及びプログラム Download PDFInfo
- Publication number
- JP6477943B1 JP6477943B1 JP2018033040A JP2018033040A JP6477943B1 JP 6477943 B1 JP6477943 B1 JP 6477943B1 JP 2018033040 A JP2018033040 A JP 2018033040A JP 2018033040 A JP2018033040 A JP 2018033040A JP 6477943 B1 JP6477943 B1 JP 6477943B1
- Authority
- JP
- Japan
- Prior art keywords
- metadata
- data
- processing module
- probability density
- input data
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Selective Calling Equipment (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
【解決手段】メタデータ生成装置は、処理モジュールに対応付けられるメタデータを生成する。処理モジュールは、複数の学習用データを用いることによって生成された学習済みモデルである。複数の学習用データの各々は、入力データと、出力データの正解ラベルとを含む。メタデータ生成装置は、確率密度関数生成部と、メタデータ生成部とを備える。確率密度関数生成部は、各々が共通の正解ラベルに対応付けられた複数の入力データの確率密度関数を生成する。メタデータ生成部は、確率密度関数に基づいてメタデータを生成する。
【選択図】図1
Description
<1−1.概要>
図1は、本実施の形態1に従うメタデータ生成装置50(処理モジュール側メタデータ生成モジュール120(後述))の概要を説明するための図である。図1を参照して、処理モジュール110は少なくとも1つの入力ポートを有し、各入力ポートにはセンシングデバイス12(デバイスの一例)によって出力されたセンシングデータ(入力データの一例)が入力される。処理モジュール110は、入力データに基づいて入力データとは異なる出力データを生成するように構成されている。すなわち、処理モジュール110と、処理モジュール110へ入力データを出力するセンシングデバイス12(入力センサ)とによって、いわゆる仮想センサが形成される。仮想センサとは、入力センサが対象を観測することによって生成されたセンシングデータに基づいて、入力センサによって観測された対象とは異なる対象の観測結果をセンシングデータとして出力するセンサモジュールである。仮想センサについては、後程詳しく説明する。
(1−2−1.システム全体の構成)
図2は、本実施の形態1に従う処理モジュール側メタデータ生成モジュール(以下、「第1メタデータ生成モジュール」とも称する。)120を含むセンサネットワークシステム10の一例を示す図である。図2の例では、センサネットワークシステム10は、センサネットワーク部14と、仮想センサ管理サーバ100と、アプリケーションサーバ300とを含む。
図3は、仮想センサ管理サーバ100のハードウェア構成の一例を示す図である。なお、本実施の形態1において、仮想センサ管理サーバ100は、たとえば、汎用コンピュータによって実現される。
図6は、仮想センサ管理サーバ100のソフトウェア構成の一部(第1メタデータ生成モジュール120を含む。)の一例を示す図である。図6の例においては、制御部180が制御プログラム191を実行することによって、処理モジュール110と、第1メタデータ生成モジュール120と、第1メタデータ登録部126とが実現される。
(1−3−1.メタデータ生成動作)
図8は、第1メタデータの生成動作の一例を示すフローチャートである。このフローチャートに示される処理は、たとえば、処理モジュール110の生成後に、制御部180が第1メタデータ生成モジュール120(図6)として機能することによって実行される。
図9は、センシングデバイス12の適合性判定動作の一例を示すフローチャートである。このフローチャートに示される処理は、たとえば、センシングデバイス12から処理モジュール110へセンシングデータが出力されている場合に、所定間隔で実行される。また、このフローチャートに示される処理は、制御部180が適合性判定モジュール130として機能することによって実行される。
以上のように、本実施の形態1に従うメタデータ生成装置(第1メタデータ生成モジュール120)は、処理モジュール110に対応付けられるメタデータを生成するように構成されている。第1メタデータ生成モジュール120は、確率密度関数生成部122と、第1メタデータ生成部124とを備える。確率密度関数生成部122は、各々が共通の正解ラベル(処理モジュール110の学習用データに含まれる。)に対応付けられた複数の入力データの確率密度関数を生成する。第1メタデータ生成部124は、生成された確率密度関数に基づいて第1メタデータを生成する。
上記実施の形態1においては、処理モジュール110へセンシングデータを出力しているセンシングデバイス12の適合性が、処理モジュール110に対応付けられた第1メタデータと、バッファリングされたセンシングデータとに基づいて判定された。詳細については後述するが、本実施の形態2においては、各センシングデバイス12に予めセンサ側メタデータ(以下、「第2メタデータ」とも称する。)が対応付けられており、第1及び第2メタデータに基づいてセンシングデバイス12の適合性が判定される。以下では、実施の形態1と異なる点を中心に説明する。
(2−1−1.システム全体の構成)
図10は、本実施の形態2におけるセンサネットワークシステム10Aを示す図である。図2の例において、センサネットワークシステム10Aは、仮想センサ管理サーバ100Aを含み、仮想センサ管理サーバ100Aは、センサ側メタデータDB(以下、「第2メタデータDB」とも称する。)170と、適合性判定モジュール130Aとを含む。第2メタデータDB170及び適合性判定モジュール130Aについては、後程詳しく説明する。
図11は、仮想センサ管理サーバ100Aのハードウェア構成を示す図である。図11の例において、仮想センサ管理サーバ100Aは制御部180Aと記憶部190Aとを含み、記憶部190Aは第2メタデータDB170と制御プログラム191Aとを記憶している。
図13は、仮想センサ管理サーバ100Aのソフトウェア構成の一部(適合性判定モジュール130Aを含む。)の一例を示す図である。適合性判定モジュール130A及び切替部138Aは、制御部180Aが制御プログラム191Aを実行することによって実現される。
図14は、センシングデバイス12の適合性判定動作の一例を示すフローチャートである。このフローチャートに示される処理は、たとえば、センシングデバイス12から処理モジュール110へセンシングデータが出力されている場合に、所定間隔で実行される。また、このフローチャートに示される処理は、たとえば、処理モジュール110へ未だにセンシングデータが入力されていない状態で、センシングデバイス12を選択する場合に実行される。また、このフローチャートに示される処理は、制御部180Aが適合性判定モジュール130Aとして機能することによって実行される。
以上、実施の形態1,2について説明したが、本発明は、上記実施の形態1,2に限定されるものではなく、その趣旨を逸脱しない限りにおいて、種々の変更が可能である。以下、変形例について説明する。但し、以下の変形例は適宜組合せ可能である。
上記実施の形態1,2においては、学習用データDB140は、仮想センサ管理サーバ100,100Aに設けられた。しかしながら、学習用データDB140は、必ずしも仮想センサ管理サーバ100,100Aに設けられる必要はない。学習用データDB140は、たとえば、インターネット15に接続された他のサーバに記憶されていてもよい。
また、上記実施の形態1,2においては、第1メタデータに確率密度関数自体が含まれた。しかしながら、必ずしも確率密度関数自体が第1メタデータに含まれる必要はない。たとえば、確率密度関数において頻度(確率)が所定値未満となる入力値の範囲や、確率密度関数において頻度(確率)が所定値以上となる入力値の範囲のみが第1メタデータに含まれてもよい。
また、上記実施の形態2においては、第2メタデータに確率密度関数自体が含まれた。しかしながら、必ずしも確率密度関数自体が第2メタデータに含まれる必要はない。たとえば、確率密度関数において頻度(確率)が所定値未満となる入力値の範囲や、確率密度関数において頻度(確率)が所定値以上となる入力値の範囲のみが第2メタデータに含まれてもよい。
また、上記実施の形態1,2においては、処理モジュール110に、センシングデバイス12によって出力されたセンシングデータが入力された。しかしながら、処理モジュール110へ入力されるデータは、センシングデバイス12によって出力されたセンシングデータに限られない。たとえば、予めサーバ上のデータベースに蓄積されているセンシングデータ(たとえば、データセット)が処理モジュール110へ入力されてもよい。また、たとえば、仮想センサによって出力されたセンシングデータが処理モジュール110に入力されてもよい。
また、上記実施の形態1,2において、仮想センサ管理サーバ100,100Aによって行なわれた処理は、複数のサーバ等によって実現されてもよい。
Claims (7)
- 処理モジュールに対応付けられるメタデータを生成するように構成されたメタデータ生成装置であって、
前記処理モジュールは、複数の学習用データを用いることによって生成された学習済みモデルであって、少なくとも1つの入力データに基づいて前記入力データとは異なる出力データを生成するように構成されており、
前記複数の学習用データの各々は、前記入力データと、前記入力データに対応付けられた前記出力データの正解ラベルとを含み、
前記メタデータ生成装置は、
各々が共通の前記正解ラベルに対応付けられた複数の前記入力データの確率密度関数を生成するように構成された確率密度関数生成部と、
前記確率密度関数に基づいて前記メタデータを生成するように構成されたメタデータ生成部とを備える、メタデータ生成装置。 - 前記確率密度関数生成部は、前記複数の学習用データに含まれる前記正解ラベル毎に前記確率密度関数を生成するように構成されている、請求項1に記載のメタデータ生成装置。
- 前記入力データは、センシングデバイスによって出力されたセンシングデータである、請求項1又は請求項2に記載のメタデータ生成装置。
- 前記処理モジュールは、複数の前記入力データに基づいて前記出力データを生成するように構成されている、請求項1から請求項3のいずれか1項に記載のメタデータ生成装置。
- 前記処理モジュールと、前記処理モジュールへ前記入力データを出力するデバイスとによって仮想センサが形成される、請求項1から請求項4のいずれか1項に記載のメタデータ生成装置。
- 処理モジュールに対応付けられるメタデータを生成するメタデータ生成方法であって、
前記処理モジュールは、複数の学習用データを用いることによって生成された学習済みモデルであって、少なくとも1つの入力データに基づいて前記入力データとは異なる出力データを生成するように構成されており、
前記複数の学習用データの各々は、前記入力データと、前記入力データに対応付けられた前記出力データの正解ラベルとを含み、
前記メタデータ生成方法は、
各々が共通の前記正解ラベルに対応付けられた複数の前記入力データの確率密度関数を生成するステップと、
前記確率密度関数に基づいて前記メタデータを生成するステップとを含む、メタデータ生成方法。 - 処理モジュールに対応付けられるメタデータを生成する処理をコンピュータに実行させるプログラムであって、
前記処理モジュールは、複数の学習用データを用いることによって生成された学習済みモデルであって、少なくとも1つの入力データに基づいて前記入力データとは異なる出力データを生成するように構成されており、
前記複数の学習用データの各々は、前記入力データと、前記入力データに対応付けられた前記出力データの正解ラベルとを含み、
前記プログラムは、
各々が共通の前記正解ラベルに対応付けられた複数の前記入力データの確率密度関数を生成するステップと、
前記確率密度関数に基づいて前記メタデータを生成するステップとを前記コンピュータに実行させるように構成されている、プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018033040A JP6477943B1 (ja) | 2018-02-27 | 2018-02-27 | メタデータ生成装置、メタデータ生成方法及びプログラム |
US16/964,270 US20210034672A1 (en) | 2018-02-27 | 2018-11-29 | Metadata generation apparatus, metadata generation method, and program |
CN201880086446.7A CN111602409B (zh) | 2018-02-27 | 2018-11-29 | 元数据生成装置、元数据生成方法和存储介质 |
PCT/JP2018/043936 WO2019167367A1 (ja) | 2018-02-27 | 2018-11-29 | メタデータ生成装置、メタデータ生成方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018033040A JP6477943B1 (ja) | 2018-02-27 | 2018-02-27 | メタデータ生成装置、メタデータ生成方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6477943B1 true JP6477943B1 (ja) | 2019-03-06 |
JP2019149670A JP2019149670A (ja) | 2019-09-05 |
Family
ID=65655719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018033040A Active JP6477943B1 (ja) | 2018-02-27 | 2018-02-27 | メタデータ生成装置、メタデータ生成方法及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210034672A1 (ja) |
JP (1) | JP6477943B1 (ja) |
CN (1) | CN111602409B (ja) |
WO (1) | WO2019167367A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228995A (ja) * | 2013-05-21 | 2014-12-08 | パイオニア株式会社 | 画像特徴学習装置、画像特徴学習方法及びプログラム |
US20170011738A1 (en) * | 2015-07-09 | 2017-01-12 | Google Inc. | Generating acoustic models |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH064093A (ja) * | 1992-06-18 | 1994-01-14 | Matsushita Electric Ind Co Ltd | Hmm作成装置、hmm記憶装置、尤度計算装置及び、認識装置 |
US20060115145A1 (en) * | 2004-11-30 | 2006-06-01 | Microsoft Corporation | Bayesian conditional random fields |
US20080235170A1 (en) * | 2007-03-19 | 2008-09-25 | Microsoft Corporation | Using scenario-related metadata to direct advertising |
US8379085B2 (en) * | 2009-08-18 | 2013-02-19 | Behavioral Recognition Systems, Inc. | Intra-trajectory anomaly detection using adaptive voting experts in a video surveillance system |
US8924313B2 (en) * | 2010-06-03 | 2014-12-30 | Xerox Corporation | Multi-label classification using a learned combination of base classifiers |
WO2012064893A2 (en) * | 2010-11-10 | 2012-05-18 | Google Inc. | Automated product attribute selection |
WO2013024672A1 (ja) * | 2011-08-12 | 2013-02-21 | オムロン株式会社 | 情報管理装置、情報管理プログラム、および情報管理方法 |
KR101768438B1 (ko) * | 2013-10-30 | 2017-08-16 | 삼성에스디에스 주식회사 | 데이터 분류 장치 및 방법과 이를 이용한 데이터 수집 시스템 |
WO2015193531A1 (en) * | 2014-06-16 | 2015-12-23 | Nokia Technologies Oy | Data processing |
US9600764B1 (en) * | 2014-06-17 | 2017-03-21 | Amazon Technologies, Inc. | Markov-based sequence tagging using neural networks |
FR3028064B1 (fr) * | 2014-11-05 | 2016-11-04 | Morpho | Procede de comparaison de donnees ameliore |
US20170147941A1 (en) * | 2015-11-23 | 2017-05-25 | Alexander Bauer | Subspace projection of multi-dimensional unsupervised machine learning models |
JP6465012B2 (ja) * | 2015-12-14 | 2019-02-06 | オムロン株式会社 | データフロー制御装置およびデータフロー制御方法 |
JP6477551B2 (ja) * | 2016-03-11 | 2019-03-06 | トヨタ自動車株式会社 | 情報提供装置及び情報提供プログラム |
CN106909911B (zh) * | 2017-03-09 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置和电子装置 |
WO2018200541A1 (en) * | 2017-04-24 | 2018-11-01 | Carnegie Mellon University | Virtual sensor system |
CN107679626A (zh) * | 2017-10-10 | 2018-02-09 | 上海优刻得信息科技有限公司 | 机器学习方法、装置、系统、存储介质及设备 |
-
2018
- 2018-02-27 JP JP2018033040A patent/JP6477943B1/ja active Active
- 2018-11-29 CN CN201880086446.7A patent/CN111602409B/zh active Active
- 2018-11-29 US US16/964,270 patent/US20210034672A1/en active Pending
- 2018-11-29 WO PCT/JP2018/043936 patent/WO2019167367A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014228995A (ja) * | 2013-05-21 | 2014-12-08 | パイオニア株式会社 | 画像特徴学習装置、画像特徴学習方法及びプログラム |
US20170011738A1 (en) * | 2015-07-09 | 2017-01-12 | Google Inc. | Generating acoustic models |
Non-Patent Citations (1)
Title |
---|
元田 浩 他, データマイニングの基礎, vol. 第1版, JPN6018051332, 20 December 2006 (2006-12-20), pages 51 - 61 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019167367A1 (ja) | 2019-09-06 |
CN111602409A (zh) | 2020-08-28 |
JP2019149670A (ja) | 2019-09-05 |
US20210034672A1 (en) | 2021-02-04 |
CN111602409B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232433B (zh) | 生成用于机器人系统的指令以执行任务的方法和系统 | |
JP2003122796A (ja) | 情報処理装置、センサネットワークシステム、情報処理プログラム、および情報処理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 | |
JP6947187B2 (ja) | 画像認識システム及び画像認識方法 | |
JP6707715B2 (ja) | 学習装置、推定装置、学習方法及びプログラム | |
JP6477943B1 (ja) | メタデータ生成装置、メタデータ生成方法及びプログラム | |
JP6485567B1 (ja) | 適合性判定装置、適合性判定方法及びプログラム | |
JP6481787B1 (ja) | デバイス選択装置、データセット選択装置、デバイス選択方法及びプログラム | |
JP6558452B1 (ja) | 品質チェック装置、品質チェック方法及びプログラム | |
JP6477935B1 (ja) | 前処理判定装置、前処理判定方法及びプログラム | |
US20200219412A1 (en) | System and method for sensor fusion from a plurality of sensors and determination of a responsive action | |
JP6471818B1 (ja) | メタデータ生成装置、メタデータ生成方法及びプログラム | |
JP6468377B1 (ja) | 出力管理装置、出力管理方法及びプログラム | |
JP6501007B1 (ja) | 出力管理装置、出力管理方法及びプログラム | |
WO2024162383A1 (ja) | エッジデバイス、センサシステムおよび複数のエッジデバイスを動作させるためのセンサ運用システム | |
JP6727240B2 (ja) | データ出力装置、データ出力方法及びプログラム | |
JP6477936B1 (ja) | データ処理装置、データ処理方法及びプログラム | |
WO2019159482A1 (ja) | 候補抽出装置、候補抽出方法及びプログラム | |
WO2019176183A1 (ja) | センサ制御装置、センサ制御方法及びプログラム | |
JP2019169946A (ja) | 品質チェック装置、品質チェック方法及びプログラム | |
JP2019139552A (ja) | セッション制御装置、セッション制御方法及びプログラム | |
JP2019139553A (ja) | セッション制御装置、セッション制御方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181126 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181212 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181212 |
|
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: 20190108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6477943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |