JP6888312B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP6888312B2 JP6888312B2 JP2017017413A JP2017017413A JP6888312B2 JP 6888312 B2 JP6888312 B2 JP 6888312B2 JP 2017017413 A JP2017017413 A JP 2017017413A JP 2017017413 A JP2017017413 A JP 2017017413A JP 6888312 B2 JP6888312 B2 JP 6888312B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- information
- sensor information
- state
- information processing
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Description
まず、本発明の概要について説明する。上述したとおり、近年においては、観測対象の状態を観測する種々のセンサ端末が開発されている。また、上記のようなセンサ端末により取得されたセンサ情報に基づいて、観測対象の状態を判別する手法も多く提案されている。
<<2.1.第1の実施形態の概要>>
まず、本発明に係る第1の実施形態について説明する。上述したとおり、本発明は、複数のセンサ端末により取得されたセンサ情報に基づく観測対象の状態判別において、判別精度の維持と通信コストの抑制を両立することを可能とする。
本実施形態に係る観測対象10は、情報処理装置30による状態判別の対象である。本実施形態に係る観測対象10は、例えば、工場における種々の装置や製品、企業や家庭に設置される電子機器などであってもよい。また、観測対象10は、建物、橋、道路などの建造物を含んでもよい。また、本実施形態に係る観測対象10は、センサ端末20によるセンサ情報の取得対象となる1つ以上の内部装置110を備える。図1の一例では、観測対象10が2つの内部装置110aおよび110bを備える場合が示されている。
本実施形態に係るセンサ端末20は、観測対象10が備える内部装置110から種々のセンサ情報を収集する端末である。センサ端末は一般に観測可能な範囲が物理的および空間的に限定されるため、本実施形態に係るセンサ端末20は、図1に示すように、1つの観測対象10に対して複数配置されてよい。図1の一例では、観測対象10に対して4つのセンサ端末20a〜20dが配置される場合が示されている。
本実施形態に係る情報処理装置30は、複数のセンサ端末20から送信されるセンサ情報に基づいて、観測対象10の状態を判別する装置である。この際、本実施形態に係る情報処理装置30は、上記の判別をリアルタイムに行ってよい。すなわち、観測対象10の状態に変化が生じた際、センサ端末20は、当該状態の変化に応じたセンサ情報を情報処理装置30に即時送信し、情報処理装置30は、センサ端末20から送信されるセンサ情報に基づく状態判別結果を都度出力することができる。
次に、本実施形態に係るセンサ端末20の機能構成例について説明する。図4は、本実施形態に係るセンサ端末20の機能ブロック図の一例である。図4を参照すると、本実施形態に係るセンサ端末20は、センサ210、データ通信部220、および通信制御部230を備える。
本実施形態に係るセンサ210は、観測対象10の内部装置110に係るセンサ情報を収集する機能を有する。上述したとおり、本実施形態に係るセンサ端末20は、複数のセンサ210を備えてよい。また、センサ210の一例としては、振動センサ、音響センサ、熱センサ、照度センサ、および撮像センサなどが挙げられる。なお、上記はあくまで一例であり、本実施形態に係るセンサ端末20は、観測対象10の特性に応じた種々のセンサ210を備えてよい。
本実施形態に係るデータ通信部220は、通信制御部230による制御に基づいて、センサ情報を情報処理装置30に送信する機能を有する。この際、データ通信部220は、センサ210が収集したセンサ情報がアナログ信号である場合には、当該アナログ信号をデジタル信号に変換して情報処理装置30に送信してよい。また、データ通信部220は、センサ端末20に係る種々の情報を情報処理装置30に送信する。上記の情報には、例えば、センサ端末20を特定する識別子や、センサ端末20のバッテリ残量に係る情報などが含まれてもよい。
本実施形態に係る通信制御部230は、情報処理装置30が構築する送信制御モデルに基づいて、データ通信部220にセンサ情報を送信させる機能を有する。より具体的には、通信制御部230は、送信制御モデルに基づいて、センサ端末20が備えるセンサ210ごとにセンサ情報の送信要否を判断し、データ通信を制御する。
次に、本実施形態に係る情報処理装置30の機能構成例について説明する。図5は、本実施形態に係る情報処理装置30の機能ブロック図の一例である。図5を参照すると、本実施形態に係る情報処理装置30は、学習・判別処理部310および、送信制御モデル構築部320とを備える。
本実施形態に係る学習・判別処理部310は、センサ端末20から受信するセンサ情報とユーザにより入力される状態正解値とに基づいて、観測対象10の状態判別に係る学習を行う機能を有する。また、本実施形態に係る学習・判別処理部310は、上記の学習結果を用いて観測対象10の状態を判別する判別部として機能する。この際、本実施形態に係る学習・判別処理部310は、後述する送信制御モデル構築部320により決定された送信要否に基づいて送信されるセンサ情報に基づいて、観測対象10の状態を判別してよい。このために、本実施形態に係る学習・判別処理部310は、図3に示すように、データ受信部3110、データ前処理部3120、特徴ベクトル処理部3130、学習モデル処理部3140、状態正解値入力部3150、学習データ記憶部3160、判別率算出部3170、および判別結果出力部3180を備える。
データ受信部3110は、ネットワーク40を介して複数のセンサ端末20からセンサ情報を受信する機能を有する。また、データ受信部3110は、上記のセンサ情報と共に、センサ端末20に係る種々の情報を受信してよい。
データ前処理部3120は、データ受信部3110が受信したセンサ情報に係る前処理を行う機能を有する。上記の前処理には、例えば、雑音除去フィルタリングや、フーリエ変換を利用したパワースペクトル、スペクトログラムなどの計測値変換などが含まれてよい。なお、本実施形態に係るデータ前処理部3120は、上記の例に限らず、受信するセンサ情報の特性に応じた種々の処理を実施してよい。
特徴ベクトル処理部3130は、データ前処理部3120により処理されたセンサ情報から当該センサ情報に係る特徴ベクトルを抽出する機能を有する。この際、本実施形態に係る特徴ベクトル処理部3130は、センサ情報の特性に応じて特徴ベクトルを抽出することができる。例えば、センサ情報が振動データや音響データである場合、特徴ベクトル処理部3130は、周波数領域における卓越周波数、平均周波数などを組み合わせて特徴ベクトルを抽出してもよい。なお、データ前処理部3120により処理されたセンサ情報をそのまま特徴ベクトルとしてもよい。
学習モデル処理部3140は、特徴ベクトル処理部3130が抽出した特徴ベクトルと、ユーザにより入力される状態正解値とに基づいて、観測対象10の状態を判別する学習モデルを構築する機能を有する。この際、学習モデル処理部3140は、機械学習分野で用いられる種々の手法やアルゴリズムを用いて上記の学習モデルを構築してよい。また、学習モデル処理部3140は、構築した学習モデルと抽出された特徴ベクトルとに基づいて観測対象10の状態判別を行ってよい。
状態正解値入力部3150は、現在観測されている観測対象10の状態の名称やラベルを入力するための構成である。上記の入力は、ユーザによる入力操作に基づいて行われてよい。このために、本実施形態に係る状態正解値入力部3150は、キーボード、マウス、ボタン、スイッチ、タッチパネルなどの入力装置を含んで構成される。
学習データ記憶部3160は、それぞれのセンサ端末20から送信されるセンサ情報から抽出された特徴ベクトルと、状態正解値入力部3150を介して入力される状態正解値とを組み合わせて保存する機能を有する。
判別率算出部3170は、観測対象10のある状態における複数の学習データに対し、上述した学習モデルに入力した際の判別の正誤から、状態判別に係る判別率を算出する機能を有する。
判別結果出力部3180は、学習モデル処理部3140による判別の結果をユーザに提示する機能を有する。このために、本実施形態に係る判別結果出力部3180は、例えば、表示装置を含んで構成され得る。表示装置の一例としては、例えば、CRT(Cathode Ray Tube)ディスプレイ装置、液晶ディスプレイ(LCD:Liquid Crystal Display)装置、OLED(Organic Light Emitting Diode)装置などが挙げられる。
本実施形態に係る送信制御モデル構築部320は、センサ情報の通信コストと学習・判別処理部310による判別精度とに基づいてセンサ情報の送信要否をセンサ端末20およびセンサ210ごとに決定する機能を有する。この際、本実施形態に係る送信制御モデル構築部320は、強化学習によりセンサ情報の送信要否をセンサ端末20およびセンサ210ごとに決定してよい。すなわち、本実施形態に係る送信制御モデル構築部320は、センサ端末20ごとに固有の送信制御モデルを構築することができる。また、送信制御モデル構築部320は、図5に示すように、状態・報酬処理部3210、強化学習処理部¥3220、およびモデル転送部3230を含んで構成される。
状態・報酬処理部3210は、センサ端末20ごとの報酬を算出する機能を有する。具体的には、状態・報酬処理部3210は、対象となるセンサ端末20から送信されるセンサ情報から抽出された特徴ベクトルや、当該特徴ベクトルに基づく判別結果、対象以外のセンサ端末20に係るセンサ情報の送信・非送信状態、判別結果や通信コストを含む指標に基づいた報酬を算出してよい。
強化学習処理部3220は、観測対象10の状態や報酬に応じた行動の価値関数を求め、当該価値関数に基づく送信要否の制御モデルを構築する機能を有する。本実施形態に係る強化学習処理部3220が有する機能の詳細については別途後述する。
モデル転送部3230は、強化学習処理部3220により構築される送信制御モデルを対応するセンサ端末20に送信する機能を有する。
次に、本実施形態に係る情報処理装置30の動作について説明する。本実施形態に係る情報処理装置30の動作は、観測対象10の各状態におけるセンサ情報を収集する学習データ収集フェーズ、上述した価値関数に基づく送信制御モデルを構築する送信制御モデル構築フェーズ、および送信制御モデルに基づいて送信されるセンサ情報により観測対象10の状態を判別する状態判別フェーズの3つに分類される。
まず、本実施形態に係る学習データ収集フェーズについて説明する。図6は、本実施形態に係る学習データ収集フェーズにおける情報処理装置30の動作の流れを示すフローチャートである。
次に、本実施形態に係る送信制御モデル構築フェーズについて説明する。上述したように、本実施形態に係る送信制御モデル構築フェーズでは、センサ端末20によるセンサ情報の送信を制効果的に制御するための送信制御モデルが構築される。
次に、本実施形態に係る状態判別フェーズについて説明する。図13は、本実施形態に係る状態判別フェーズにおける情報処理装置30の動作の流れを示すフローチャートである。
以上、本実施形態に係る第1の実施形態について説明した。上述したように、本実施形態に係る送信制御モデル構築部320は、センサ情報の通信コストと判別精度とに基づいて、センサ情報の送信要否をセンサ端末20およびセンサ210ごとに決定する機能を有する。また、本実施形態に係る学習・判別処理部310は、送信制御モデル構築部により決定された送信要否に基づいて送信されるセンサ情報に基づいて、観測対象の状態を判別する機能を有する。
<<3.1.第2の実施形態の概要>>
次に、本発明に係る第2の実施形態について説明する。本発明の第2の実施形態は、第1の実施形態と同様、センサ情報に基づいた観測対象10の状態判別において、判別精度および通信コストの最適化を目的としたものである。一方、本発明の第2の実施形態は、第1の実施形態とは異なり、強化学習における状態が明確に定義できない場合における価値関数の構築に着目したものである。
まず、本実施形態と第1の実施形態との差異について説明する。本発明の第1の実施形態では、送信制御モデル構築フェーズにおける強化学習の状態に各センサ端末20に由来する判別結果を用いた。すなわち、第1の実施形態における状態の種類は、観測対象10の状態の数に等しいといえる。
次に、本発明に係る情報処理装置30のハードウェア構成例について説明する。図16は、本発明に係る情報処理装置30のハードウェア構成例を示すブロック図である。図16を参照すると、情報処理装置30は、例えば、CPU871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。
CPU871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、CPU871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、CPU871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。
CPU871、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、内線電話網や携帯電話事業者網等の電話網に接続してもよい。
以上説明したように、本発明に係る情報処理装置30は、センサ端末20から送信されるセンサ情報の通信コストと当該センサ情報に基づく判別精度とに基づいて、センサ情報の送信要否をセンサ端末20およびセンサ210ごとに決定した送信制御モデルを構築することができる。また、本発明に係る情報処理装置30は、上記の送信制御モデルに基づいてセンサ端末20が送信するセンサ情報を用いて、観測対象10の状態を判別することができる。係る構成によれば、判別精度を維持しながらセンサ情報の通信コストを大きく低減することが可能となる。
20 センサ端末
210 センサ
220 データ通信部
230 通信制御部
30 情報処理装置
310 学習・判別処理部
3110 データ受信部
3120 データ前処理部
3130 特徴ベクトル処理部
3140 学習モデル処理部
3150 状態正解値入力部
3160 学習データ記憶部
3170 判別率算出部
3180 判別結果出力部
320 送信制御モデル構築部
3210 状態・報酬処理部
3220 強化学習処理部
3230 モデル転送部
Claims (9)
- 複数のセンサ端末から受信するセンサ情報に基づく学習結果を用いて観測対象の状態を判別する判別部と、
前記センサ情報の通信コストと前記判別部による判別精度とに基づいて、強化学習により前記センサ情報の送信要否を前記センサ端末ごとに決定する送信制御モデル構築部と、
を備え、
前記判別部は、前記送信制御モデル構築部により決定された前記送信要否に基づいて送信される前記センサ情報に基づいて、前記観測対象の状態を判別する、
情報処理装置。 - 前記送信制御モデル構築部は、強化学習により得られる価値関数に基づいて、前記センサ情報の送信要否を前記センサ端末ごとに決定する、
請求項1に記載の情報処理装置。 - 前記送信制御モデル構築部は、強化学習により得られる送信要否の価値関数の値に対応した確率に基づいて、前記センサ情報の送信要否を前記センサ端末ごとに決定する、
請求項1または2に記載の情報処理装置。 - 前記送信制御モデル構築部は、ニューラルネットワークを用いて前記価値関数を近似する、
請求項2または3に記載の情報処理装置。 - 前記送信制御モデル構築部は、前記センサ情報と当該センサ情報を送信するセンサ端末の情報とを前記ニューラルネットワークに入力し、前記価値関数を近似する、
請求項4に記載の情報処理装置。 - 前記判別部は、複数の前記センサ端末ごとに受信する複数種別のセンサ情報に基づく学習結果を用いて前記観測対象の状態を判別し、
前記送信制御モデル構築部は、前記センサ情報の送信要否を前記センサ端末およびセンサ種別ごとに決定する、
請求項1〜5のいずれかに記載の情報処理装置。 - 前記通信コストは、前記センサ端末から送信される前記センサ情報のデータ量、または前記センサ情報の送信に係る前記センサ端末の消費電力のうち、すくなくともいずれかを含む、
請求項1〜6のいずれかに記載の情報処理装置。 - 複数のセンサ端末から受信するセンサ情報に基づく学習結果を用いて観測対象の状態を判別することと、
前記センサ情報の通信コストと前記観測対象の状態に係る判別精度とに基づいて、強化学習により前記センサ情報の送信要否を前記センサ端末ごとに決定することと、
を含み、
前記判別することは、決定された前記送信要否に基づいて送信される前記センサ情報に基づいて、前記観測対象の状態を判別すること、をさらに含む、
情報処理方法。 - コンピュータを、
複数のセンサ端末から受信するセンサ情報に基づく学習結果を用いて観測対象の状態を判別する判別部と、
前記センサ情報の通信コストと前記判別部による判別精度とに基づいて、強化学習により前記センサ情報の送信要否を前記センサ端末ごとに決定する送信制御モデル構築部と、
を備え、
前記判別部は、前記送信制御モデル構築部により決定された前記送信要否に基づいて送信される前記センサ情報に基づいて、前記観測対象の状態を判別する、
情報処理装置、
として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017017413A JP6888312B2 (ja) | 2017-02-02 | 2017-02-02 | 情報処理装置、情報処理方法、およびプログラム |
CN201711361479.1A CN108388166A (zh) | 2017-02-02 | 2017-12-18 | 信息处理装置、信息处理方法以及记录介质 |
US15/886,796 US20180218242A1 (en) | 2017-02-02 | 2018-02-01 | Information processing apparatus, information processing method, and computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017017413A JP6888312B2 (ja) | 2017-02-02 | 2017-02-02 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018124852A JP2018124852A (ja) | 2018-08-09 |
JP6888312B2 true JP6888312B2 (ja) | 2021-06-16 |
Family
ID=62980011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017017413A Active JP6888312B2 (ja) | 2017-02-02 | 2017-02-02 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180218242A1 (ja) |
JP (1) | JP6888312B2 (ja) |
CN (1) | CN108388166A (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106887225B (zh) * | 2017-03-21 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 基于卷积神经网络的声学特征提取方法、装置和终端设备 |
JP6481787B1 (ja) * | 2018-02-14 | 2019-03-13 | オムロン株式会社 | 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 |
US11265393B2 (en) * | 2018-10-18 | 2022-03-01 | EMC IP Holding Company LLC | Applying a data valuation algorithm to sensor data for gateway assignment |
JP7200694B2 (ja) * | 2019-01-23 | 2023-01-10 | 日本電信電話株式会社 | センサノード、サーバ装置、識別システム、方法及びプログラム |
JP7210313B2 (ja) | 2019-02-14 | 2023-01-23 | 株式会社日立製作所 | 通信制御装置及び通信制御方法並びに通信システム |
JP7171520B2 (ja) * | 2019-07-09 | 2022-11-15 | 株式会社日立製作所 | 機械学習システム |
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 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4177547B2 (ja) * | 2000-11-27 | 2008-11-05 | 松下電工株式会社 | 環境制御システム |
JP4651999B2 (ja) * | 2004-09-02 | 2011-03-16 | 綜合警備保障株式会社 | 監視システム、監視方法 |
JP4648204B2 (ja) * | 2006-01-18 | 2011-03-09 | 日本電信電話株式会社 | センサ端末 |
US8781768B2 (en) * | 2010-01-25 | 2014-07-15 | International Business Machines Corporation | Data reduction in a multi-node system |
CN101799674B (zh) * | 2010-03-28 | 2011-06-29 | 华中科技大学 | 一种数控装备服役状态分析方法 |
JP5939375B2 (ja) * | 2011-12-08 | 2016-06-22 | 富士電機株式会社 | センサネットワーク端末、システム及び無線通信方法 |
JP6020004B2 (ja) * | 2012-09-27 | 2016-11-02 | 富士通株式会社 | データ管理方法、情報処理装置およびプログラム |
CN103118439B (zh) * | 2013-01-18 | 2016-03-23 | 中国科学院上海微系统与信息技术研究所 | 基于传感网节点通用中间件的数据融合方法 |
JP6027503B2 (ja) * | 2013-07-30 | 2016-11-16 | 日本電信電話株式会社 | センサネットワークシステム |
CN103476042A (zh) * | 2013-09-03 | 2013-12-25 | 吉林大学 | 环境监测系统中的无线温度传感器优化部署方法 |
CN103974511B (zh) * | 2014-04-25 | 2016-05-04 | 上海海洋大学 | 一种基于多传感器测量和数据融合的模糊逻辑光强调控方法 |
ES2729189T3 (es) * | 2014-05-14 | 2019-10-30 | Alcatel Lucent | Agrupación de sensores y agregación de datos en redes de sensores inalámbricos |
US20170082986A1 (en) * | 2014-06-25 | 2017-03-23 | Hitachi Systems, Ltd. | Building management device, wide area management system, data acquiring method, and program |
JP6447234B2 (ja) * | 2015-02-26 | 2019-01-09 | 沖電気工業株式会社 | 端末監視装置、端末監視方法及びプログラム |
JP6438124B2 (ja) * | 2015-04-20 | 2018-12-12 | 株式会社日立製作所 | 運用管理システム及び運用管理方法 |
JP6791152B2 (ja) * | 2015-09-29 | 2020-11-25 | 日本電気株式会社 | 推定装置、推定方法、及び、プログラム |
JP6610281B2 (ja) * | 2016-01-20 | 2019-11-27 | 富士通株式会社 | 情報処理装置、制御方法及び制御プログラム |
-
2017
- 2017-02-02 JP JP2017017413A patent/JP6888312B2/ja active Active
- 2017-12-18 CN CN201711361479.1A patent/CN108388166A/zh active Pending
-
2018
- 2018-02-01 US US15/886,796 patent/US20180218242A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP2018124852A (ja) | 2018-08-09 |
US20180218242A1 (en) | 2018-08-02 |
CN108388166A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6888312B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP7041323B2 (ja) | スマートプラグの動作のシステムおよび方法 | |
US11503386B2 (en) | Identifying device state changes using power data and network data | |
CN108304758B (zh) | 人脸特征点跟踪方法及装置 | |
KR102091126B1 (ko) | IoT 데이터 분석을 위한 에지-클라우드 협업 시스템 및 이의 운용방법 | |
WO2019020014A1 (zh) | 解锁控制方法及相关产品 | |
KR20140059697A (ko) | 사용자 의도 파악 어플리케이션 서비스 방법 및 서버와 이를 이용한 사용자 의도 파악 어플리케이션 서비스 시스템 | |
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 | |
US11271629B1 (en) | Human activity and transition detection | |
WO2019015418A1 (zh) | 解锁控制方法及相关产品 | |
KR20200094732A (ko) | 시계열 데이터를 분류하기 위한 방법 및 시스템 | |
WO2019062369A1 (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN103927452B (zh) | 一种远程健康监护系统、方法和装置 | |
US20210375492A1 (en) | Ai enabled sensor data acquisition | |
CN111104967A (zh) | 图像识别网络训练方法、图像识别方法、装置及终端设备 | |
CN103974112B (zh) | 一种电视机控制方法及装置 | |
JP2016076766A (ja) | 情報処理装置および情報処理方法 | |
KR20180135958A (ko) | Wi-Fi 네트워크의 성능을 관리하기 위한 장치 및 관련 방법 | |
CN110022235A (zh) | 信息处理方法、终端和服务器 | |
WO2019080900A1 (zh) | 神经网络训练方法和装置、存储介质及电子装置 | |
WO2016189905A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6452707B2 (ja) | 生成された文法の複雑さを測定することによってデバイスの既存のネットワークのホリスティックな価値を定量化するための方法および装置 | |
CN109474521A (zh) | 链路聚合实现方法及相关产品 | |
CN105049924A (zh) | 对与主显示器在相同房间内的候选同伴显示设备的检测 | |
CN107818142A (zh) | 无线信号空间分布特征库更新方法、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201222 |
|
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: 20210420 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210503 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6888312 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |