JP6767312B2 - 検知システム、検知方法及び検知プログラム - Google Patents
検知システム、検知方法及び検知プログラム Download PDFInfo
- Publication number
- JP6767312B2 JP6767312B2 JP2017115235A JP2017115235A JP6767312B2 JP 6767312 B2 JP6767312 B2 JP 6767312B2 JP 2017115235 A JP2017115235 A JP 2017115235A JP 2017115235 A JP2017115235 A JP 2017115235A JP 6767312 B2 JP6767312 B2 JP 6767312B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- detection
- learning
- latent variables
- detected
- 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
Landscapes
- Image Analysis (AREA)
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。
図10を用いて検知装置10の学習部141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141には正常状態のデータが入力される(ステップS101)。そして、学習部141は、潜在変数がDisentangleな表現を獲得するように学習を行う(ステップS102)。そして、学習部141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S103)。
学習部141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。また、検知部142は、学習部141によって学習が行われた生成モデルに検知対象のデータを入力した際に出力されるデータと、検知対象のデータと、の類似度が所定値未満である場合、検知対象のデータを異常と検知する。このように、生成モデルの潜在変数がDisentangleな表現を獲得するように学習を行うことで、学習データが観測できなかった領域の学習データの予言、すなわちZero-shot Transferが可能となる。このため、本実施形態によれば、機器に関する異常状態のデータだけでなく、正常状態のデータが十分に収集できない場合であっても、機器の異常を検知することができる。例えば、IoT機器に関する正常状態のデータの十分な収集が困難であることから、本実施形態の検知装置10は、特にIoT機器の異常検知に有用である。
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検知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、上記の検知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 学習部
142 検知部
Claims (4)
- 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、前記潜在変数がDisentangleな表現を獲得するように行う学習部と、
前記学習部によって学習が行われた前記生成モデルに検知対象のデータを入力した際に出力されるデータと、前記検知対象のデータと、の類似度が所定値未満である場合、前記検知対象のデータを異常と検知する検知部と、
を有し、
前記学習部は、前記複数の潜在変数間の相互情報量が小さくなるように前記生成モデルの学習を行うことを特徴とする検知システム。 - 前記生成モデルに前記正常状態におけるデータが入力された際の、前記複数の潜在変数間の相互情報量を出力する出力部をさらに有することを特徴とする請求項1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検知方法であって、
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、前記潜在変数がDisentangleな表現を獲得するように行う学習工程と、
前記学習工程によって学習が行われた前記生成モデルに検知対象のデータを入力した際に出力されるデータと、前記検知対象のデータと、の類似度が所定値未満である場合、前記検知対象のデータを異常と検知する検知工程と、
を含み、
前記学習工程は、前記複数の潜在変数間の相互情報量が小さくなるように前記生成モデルの学習を行うことを特徴とする検知方法。 - コンピュータに、
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、前記潜在変数がDisentangleな表現を獲得するように行う学習ステップと、
前記学習ステップによって学習が行われた前記生成モデルに検知対象のデータを入力した際に出力されるデータと、前記検知対象のデータと、の類似度が所定値未満である場合、前記検知対象のデータを異常と検知する検知ステップと、
を実行させ、
前記学習ステップは、前記複数の潜在変数間の相互情報量が小さくなるように前記生成モデルの学習を行うことを特徴とする検知プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017115235A JP6767312B2 (ja) | 2017-06-12 | 2017-06-12 | 検知システム、検知方法及び検知プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017115235A JP6767312B2 (ja) | 2017-06-12 | 2017-06-12 | 検知システム、検知方法及び検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019003274A JP2019003274A (ja) | 2019-01-10 |
JP6767312B2 true JP6767312B2 (ja) | 2020-10-14 |
Family
ID=65007850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017115235A Active JP6767312B2 (ja) | 2017-06-12 | 2017-06-12 | 検知システム、検知方法及び検知プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6767312B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7283718B2 (ja) * | 2019-05-24 | 2023-05-30 | 日本電信電話株式会社 | 音響信号検索装置、音響信号検索方法、データ検索装置、データ検索方法、プログラム |
US11423655B2 (en) * | 2019-11-13 | 2022-08-23 | Nec Corporation | Self-supervised sequential variational autoencoder for disentangled data generation |
JP7459696B2 (ja) * | 2020-07-09 | 2024-04-02 | コニカミノルタ株式会社 | 異常検知システム、学習装置、異常検知プログラム、学習プログラム、異常検知方法、および学習方法演算装置の学習方法 |
JP7459697B2 (ja) * | 2020-07-09 | 2024-04-02 | コニカミノルタ株式会社 | 異常検知システム、学習装置、異常検知プログラム、学習プログラム、異常検知方法、および学習方法 |
Family Cites Families (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 |
JP6740247B2 (ja) * | 2015-12-01 | 2020-08-12 | 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
- 2017-06-12 JP JP2017115235A patent/JP6767312B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019003274A (ja) | 2019-01-10 |
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 | |
JP6606050B2 (ja) | 検知装置、検知方法および検知プログラム | |
WO2020175147A1 (ja) | 検知装置及び検知プログラム | |
JP2017224027A (ja) | データのラベリングモデルに係る機械学習方法、コンピュータおよびプログラム | |
JP6870508B2 (ja) | 学習プログラム、学習方法及び学習装置 | |
JP7091872B2 (ja) | 検知装置及び検知方法 | |
WO2020154830A1 (en) | Techniques to detect fusible operators with machine learning | |
Aaronson et al. | Quantifying the rise and fall of complexity in closed systems: the coffee automaton | |
Koziel et al. | Surrogate-based optimization | |
Mohammadi-Ghazi et al. | Conditional classifiers and boosted conditional Gaussian mixture model for novelty detection | |
EP3816829B1 (en) | Detection device and detection method | |
JP6645441B2 (ja) | 情報処理システム、情報処理方法、及び、プログラム | |
JP6484449B2 (ja) | 予測装置、予測方法および予測プログラム | |
JP6835704B2 (ja) | 検知システム、学習方法及び学習プログラム | |
WO2021117162A1 (ja) | 検査装置、検査方法及び検査プログラム | |
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 | |
Tan et al. | Grading your models: Assessing dynamics learning of models using persistent homology | |
JP2018073241A (ja) | 検知装置、検知方法および検知プログラム | |
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 | |
Lin et al. | Balancing approach for causal inference at scale | |
WO2021075009A1 (ja) | 学習装置、推定装置、学習方法及び学習プログラム | |
JP7077746B2 (ja) | 学習装置、学習方法及び学習プログラム | |
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 | |
WO2023195120A1 (ja) | 学習装置、学習方法、および、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: 20190620 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200529 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200902 |
|
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: 20200915 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200917 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6767312 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |