JP7074194B2 - 情報処理装置、制御方法、及びプログラム - Google Patents
情報処理装置、制御方法、及びプログラム Download PDFInfo
- Publication number
- JP7074194B2 JP7074194B2 JP2020533924A JP2020533924A JP7074194B2 JP 7074194 B2 JP7074194 B2 JP 7074194B2 JP 2020533924 A JP2020533924 A JP 2020533924A JP 2020533924 A JP2020533924 A JP 2020533924A JP 7074194 B2 JP7074194 B2 JP 7074194B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- constant
- time
- series data
- sensor
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/02—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Description
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出部と、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力部と、を有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記取得部は、複数の時系列データを取得し、
前記算出部は、複数の時系列データそれぞれについて、前記複数の特徴定数それぞれについての前記寄与値を算出することにより、前記寄与値の集合を算出し、
前記出力部は、
前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力し、
前記対象ガスの濃度に応じて、前記算出された複数の寄与値の集合の組、と前記算出された複数の寄与値の集合の平均のどちらを出力するかを決定し、
前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、情報処理装置である。
本発明の第2の情報処理装置は、
対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得部と、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出部と、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力部と、
前記特徴定数の最小値θmin、及び前記特徴定数の最大値θmaxを決定することで、複数の前記特徴定数を生成する特徴定数生成部とを有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記特徴定数生成部は、決定した前記特徴定数の最小値θmin及び前記特徴定数の最大値θmaxと、予め定められた隣接する前記特徴定数の間隔dsとを用いて、前記複数の特徴定数としてθmin, θmin + ds, θmin + 2ds,..., θmaxを生成する、情報処理装置である。
対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得ステップと、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出ステップと、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力ステップと、を有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記取得ステップでは、複数の時系列データを取得し、
前記算出ステップでは、複数の時系列データそれぞれについて、前記複数の特徴定数それぞれについての前記寄与値を算出することにより、前記寄与値の集合を算出し、
前記出力ステップでは、
前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力し、
前記対象ガスの濃度に応じて、前記算出された複数の寄与値の集合の組、と前記算出された複数の寄与値の集合の平均のどちらを出力するかを決定し、
前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、制御方法である。
本発明の第2の制御方法は、
コンピュータによって実行される制御方法であって、
対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得ステップと、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出ステップと、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力ステップと、
前記特徴定数の最小値θmin、及び前記特徴定数の最大値θmaxを決定することで、複数の前記特徴定数を生成する特徴定数生成ステップとを有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記特徴定数生成ステップでは、決定した前記特徴定数の最小値θmin及び前記特徴定数の最大値θmaxと、予め定められた隣接する前記特徴定数の間隔dsとを用いて、前記複数の特徴定数としてθmin, θmin + ds, θmin + 2ds,..., θmaxを生成する制御方法である。
<発明の概要と理論的背景>
図1は、実施形態1の情報処理装置2000の概要を例示する図である。また、図2は、情報処理装置2000が取得するデータを得るためのセンサ10を例示する図である。センサ10は、分子が付着する受容体を有し、その受容体における分子の付着と離脱に応じて検出値が変化するセンサである。なお、センサ10によってセンシングされているガスを、対象ガスと呼ぶ。また、センサ10から出力される検出値の時系列データを、時系列データ14と呼ぶ。ここで、必要に応じ、時系列データ14を Y とも表記し、時刻 t の検出値を y(t) とも表記する。Y は、y(t) が列挙されたベクトルとなる。
(1)センサ10は、K 種類の分子を含む対象ガスに曝されている。
(2)対象ガスにおける各分子 k の濃度は一定のρkである。
(3)センサ10には、合計 N 個の分子が吸着可能である。
(4)時刻t においてセンサ10に付着している分子k の数は nk(t) 個である。
前述したように、センサ10の検出値に対する分子の寄与は、その分子の種類によって異なると考えられるため、上述した寄与値の集合Ξは、対象ガスに含まれる分子の種類やその混合比率に応じて異なるものになると考えられる。よって、寄与値の集合Ξは、複数種類の分子が混合されているガスを互いに区別することができる情報、すなわちガスの特徴量として利用することができる。
図3は、実施形態1の情報処理装置2000の機能構成を例示する図である。情報処理装置2000は、時系列データ取得部2020、算出部2040、及び出力部2060を有する。時系列データ取得部2020は、センサ10から時系列データ14を取得する。算出部2040は、複数の特徴定数それぞれについて、時系列データ14に対する寄与の大きさを表す寄与値を算出する。すなわち、算出部2040は、各特徴定数θi について寄与値ξi を算出する。出力部2060は、各特徴定数について算出された寄与値を、センサ10によってセンシングされたガスの特徴量として出力する。具体的には、出力部2060は、特徴ベクトルΞを出力する。
情報処理装置2000の各機能構成部は、各機能構成部を実現するハードウエア(例:ハードワイヤードされた電子回路など)で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ(例:電子回路とそれを制御するプログラムの組み合わせなど)で実現されてもよい。以下、情報処理装置2000の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
図5は、実施形態1の情報処理装置2000によって実行される処理の流れを例示するフローチャートである。時系列データ取得部2020は時系列データ14を取得する(S102)。算出部2040は各特徴定数について寄与値ξiを算出する(S104)。出力部2060は、特徴ベクトルΞを出力する(S106)。
時系列データ取得部2020は時系列データ14を取得する(S102)。時系列データ取得部2020が時系列データ14を取得する方法は任意である。例えば情報処理装置2000は、時系列データ14が記憶されている記憶装置にアクセスすることで、時系列データ14を取得する。時系列データ14が記憶されている記憶装置は、センサ10の内部に設けられていてもよいし、センサ10の外部に設けられていてもよい。その他にも例えば、時系列データ取得部2020は、センサ10から出力される検出値を順次受信することで、時系列データ14を得てもよい。
時系列データ14において、分割すべき部分では、センサ値の微分が不連続となり、直後に絶対値が最大となる。そこで、1階微分の絶対値が大きくなる点を用いて、時系列データ14を分割することができる。
同様に、分割すべき点では微分が不連続となるため、2階微分は無限大に発散する。したがって、2階微分の絶対値が大きくなる点を用いて、時系列データ14を分割することができる。
センサの種類によっては、検出値以外のメタデータが提供される。例えば MSS のモジュールでは、測定対象のガス(サンプル)とパージガスの吸引にそれぞれ異なるポンプ(サンプルポンプとパージポンプ)が用意されており、これらを交互にオン/オフすることで、立ち上がりの測定と立ち下がりの測定が行われている。そして、記録される検出値には、ポンプの動作シーケンス(どちらのポンプを利用して得られた検出値であるかを表す情報や、流量のフィードバック制御に用いる流量計測値など)が、時系列情報として付加される。そこで例えば、情報処理装置2000は、時系列データ14と共に得られるポンプの動作シーケンスを利用することで、時系列データ14を分割することができる。
(c)の方法では、ポンプが動作してからセンサにガスが届くまでの遅延を加味した修正を加えることが好ましい。そこで例えば、情報処理装置2000は、(c)の方法で時系列データ14を仮に複数の区間に分割した後、各区間の中で1階微分の絶対値が最大となる時点を特定し、特定した各時点で時系列データ14を分割する。
前述したように、特徴定数の集合は、情報処理装置2000によって生成されてもよいし、予め情報処理装置2000からアクセス可能な記憶装置に記憶されていてもよい。情報処理装置2000によって特徴定数の集合が生成されるケースについては、実施形態2で説明する。
算出部2040は、前述のようにして特定した特徴定数の集合に含まれる各特徴定数θi の寄与値ξi を算出する(S104)。そのために算出部2040は、全ての寄与値ξi(すなわち、特徴ベクトルΞ)をパラメータとして、センサ10の検出値を予測する予測モデルを生成する。この予測モデル生成する際、観測データである時系列データ14を利用して特徴ベクトルΞについてパラメータ推定を行うことにより、特徴ベクトルΞを算出することができる。特徴定数として速度定数βを使う場合の予測モデルの一例は、式(6)で表すことができる。また、特徴定数として時定数τを使う場合の予測モデルの一例は、式(7)で表すことができる。
例えば算出部2040は、予測モデルから得られる予測値と、センサ10から得られた観測値(すなわち、時系列データ14)とを用いた最尤推定により、パラメータΞを推定する。最尤推定には、例えば最小二乗法を用いることができる。この場合、具体的には、以下の目的関数に従ってパラメータΞを決定する。
上述した最小二乗法において、正則化項を導入して正則化を行ってもよい。例えば以下の式(10)は、L2 正則化を行う例を示している。
この方法では、パラメータΞについて事前分布 P(Ξ) を設定しておく。そして算出部2040は、観測値である時系列データ14を用いた MAP (Maximum a Posteriori)推定により、パラメータΞを決定する。具体的には、以下の目的関数を最大化するパラメータΞを採用する。
ガウス過程を利用する場合、事前に設定しておくハイパーパラメータとして、a)共分散関数 Λ(β,β’)の形、b)共分散関数のパラメータ、及びc)測定誤差パラメータ σ^2 がある。これらを変えながら、次の手順を実行する。
2.シミュレーションした測定値から、特徴量を推定する。
3.推定した特徴量の振動の大きさ・ピーク幅を定量化する。
4.上述の a ~ c のハイパーパラメータを変更しながら、1~3を繰り返す。
5.グリッドサーチや最急降下法により、振動が小さく、ピーク幅が狭くなるように a ~ c のハイパーパラメータを決定する。
出力部2060は、前述した方法で得られた特徴ベクトルΞを表す情報(以下、出力情報)を、ガスの特徴を表す特徴量として出力する(S106)。例えば出力情報は、特徴ベクトルΞを表すテキストデータである。その他にも例えば、出力情報は、特徴ベクトルΞを表やグラフなどでグラフィカルに表現した情報であってもよい。
情報処理装置2000は、同一の対象ガスについて得られた複数の時系列データ14それぞれについて寄与値の集合Ξを算出してもよい。そしてこの場合、出力部2060は、これら複数の集合の組を、対象ガスの特徴量としてもよい。
センサ10の検出値には、時系列な変化をしないバイアス項が含まれていることがある。この場合、時系列データ14は以下のように表される。なお、ここでは特徴定数として、速度定数βを用いている。
図11は、実施形態2の情報処理装置2000の機能構成を例示するブロック図である。以下で説明する点を除き、実施形態2の情報処理装置2000は、実施形態1の情報処理装置2000と同様の機能を有する。
本実施形態では、特徴定数の集合Θが情報処理装置2000によって算出される。後述するように、例えば特徴定数の集合は、センサ10のサンプリング間隔など、センサ10を用いた測定に関する種々のパラメータに基づいて決定される。こうすることにより、センサ10を用いた測定ごとに、その測定の結果の解析に適した特徴定数の集合を決めることができる。そして、対象ガスの特徴量を構成する寄与値は特徴定数に対応するものであるため、特徴定数の集合を適切に定めることにより、対象ガスの特徴を精度良く表す特徴量を得ることができるようになる。
実施形態2の情報処理装置2000を実現する計算機のハードウエア構成は、実施形態1と同様に、例えば図4によって表される。ただし、本実施形態の情報処理装置2000を実現する計算機1000のストレージデバイス1080には、本実施形態の情報処理装置2000の機能を実現するプログラムモジュールがさらに記憶される。
図12は、実施形態2の情報処理装置2000によって実行される処理の流れを例示するフローチャートである。特徴定数生成部2080は、特徴定数の集合Θを生成する(S202)。時系列データ取得部2020は、時系列データ14を取得する(S204)。算出部2040は、生成された特徴定数の集合Θ及び時系列データ14を用いて、各特徴定数θi について寄与値ξi を算出する(S206)。出力部2060は、算出した寄与値の集合Ξを、対象ガスの特徴量として出力する(S208)。
特徴定数生成部2080は、実施形態1で説明した特徴定数を定めるパラメータ(最小値θmin、最大値θmax、間隔 ds、個数 ns、及び公比 r など)のうちの少なくとも1つを決定する。特徴定数生成部2080によって決定されるパラメータ以外のパラメータについては、予め定めておく。
特徴定数生成部2080は、時定数τの最小値τmin を、センサ10のサンプリング間隔Δt の定数倍の値に決定する。例えば、予め定数 C1 を定めておく。そして、特徴定数生成部2080は、τmin = Δt * C1 として、τmin を決定する。
特徴定数生成部2080は、時定数τの最大値τmax を、センサ10による測定の期間の全長(以下、測定長)T 以上の値に決定する。例えば、予め1以上の値 C2 を定めておく。そして、特徴定数生成部2080は、τmax = T * C2 として、τmax を決定する。
時定数の間隔は、例えば以下の様に、シミュレーションを通じて決定する。
1.仮想的な単一分子(速度定数β0)の測定波形 y(t)=exp(-β0t) をシミュレーションする。
2.仮想的な測定波形の特徴量Ξを計算する。
3.Ξのピーク幅(メインローブの幅)を特定する。
4.時定数の間隔を、ピーク幅(メインローブの幅)の定数倍 C3 に決定する。なお、C3<=1である。
速度定数βは時定数τの逆数である。そのため、βの最小値を定める方法とβの最大値を定める方法はそれぞれ、τの最大値を定める方法とτの最小値を定める方法と同じになる。また、速度定数βの間隔は、時定数τと同様の方法で決定することができる。
特徴定数の集合には、1)固定間隔の速度定数βの集合、2)log スケールの速度定数βの集合、3)固定間隔の時定数τの集合、及び4)log スケールの速度定数τの集合などの種類がある。特徴定数生成部2080は、いずれかの種類の特徴定数の集合を生成する。どの種類の特徴定数の集合を生成するのかは、予め定められてもよいし、ユーザによって指定されてもよい。
1. 対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得部と、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出部と、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力部と、を有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数である、情報処理装置。
2. 前記算出部は、複数の特徴定数それぞれの寄与値をパラメータとする前記センサの検出値の予測モデルについて、前記取得した時系列データを用いたパラメータ推定を行うことで、各寄与値を算出する、1.に記載の情報処理装置。
3. 前記算出部は、前記予測モデルから得られる時系列データと前記取得した時系列データとについて、最小二乗法による最尤推定を行うことで、各前記寄与値を算出する、2.に記載の情報処理装置。
4. 前記最小二乗法における最尤推定において、目的関数に正則化項が含まれている、3.に記載の情報処理装置。
5. 前記算出部は、各前記寄与値の事前分布と前記取得した時系列データとを用いた MAP(Maximum a Posteriori)推定又はベイズ推定により、各前記寄与値を算出する、2.に記載の情報処理装置。
6. 前記事前分布は、多変量正規分布又はガウス過程である、5.に記載の情報処理装置。
7. 前記予測モデルには、バイアスを表すパラメータが含まれており、
前記算出部は、前記予測モデルについて寄与値とバイアスそれぞれを表すパラメータを推定する、2.乃至6.いずれか一つに記載の情報処理装置。
8. 前記取得部は、複数の時系列データを取得し、
前記算出部は、複数の時系列データそれぞれについて寄与値の集合を算出し、
前記出力部は、前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力する、1.乃至7.いずれか一つに記載の情報処理装置。
9. 前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、8.に記載の情報処理装置。
10. 前記複数の時系列データは、特性の異なる複数の前記センサそれぞれから得られる時系列データを含む、8.に記載の情報処理装置。
11. 前記特徴定数の最小値、前記特徴定数の最大値、及び隣接する前記特徴定数の間隔のうちのいずれか1つ以上を決定することで、複数の前記特徴定数を生成する特徴定数生成部を有する、1.乃至10.いずれか一つに記載の情報処理装置。
12. 前記特徴定数生成部は、
前記特徴定数が時定数である場合、前記センサの測定間隔に所定の定数を掛けた値を、前記時定数の最小値に決定し、
前記特徴定数が速度定数である場合、前記センサの測定間隔に所定の定数を掛けた値を、前記速度定数の最大値に決定する、11.に記載の情報処理装置。
13. 前記特徴定数生成部は、
前記特徴定数が時定数である場合、前記センサによる測定の長さに所定の定数を掛けた値を、前記時定数の最大値に決定し、
前記特徴定数が速度定数である場合、前記センサによる測定の長さに所定の定数を掛けた値を、前記速度定数の最小値に決定する、11.に記載の情報処理装置。
14. 前記特徴定数生成部は、単一種類の分子のみを含むガスにおける前記寄与値を前記特徴定数の関数として表した場合について、その関数のピーク幅を予測し、前記予測したピーク幅に所定の定数を掛けた値を、前記特徴定数の間隔に決定する、11.に記載の情報処理装置。
対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得ステップと、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出ステップと、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力ステップと、を有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数である、制御方法。
16. 前記算出ステップにおいて、複数の特徴定数それぞれの寄与値をパラメータとする前記センサの検出値の予測モデルについて、前記取得した時系列データを用いたパラメータ推定を行うことで、各寄与値を算出する、15.に記載の制御方法。
17. 前記算出ステップにおいて、前記予測モデルから得られる時系列データと前記取得した時系列データとについて、最小二乗法による最尤推定を行うことで、各前記寄与値を算出する、16.に記載の制御方法。
18. 前記最小二乗法における最尤推定において、目的関数に正則化項が含まれている、17.に記載の制御方法。
19. 前記算出ステップにおいて、各前記寄与値の事前分布と前記取得した時系列データとを用いた MAP(Maximum a Posteriori)推定又はベイズ推定により、各前記寄与値を算出する、16.に記載の制御方法。
20. 前記事前分布は、多変量正規分布又はガウス過程である、19.に記載の制御方法。
21. 前記予測モデルには、バイアスを表すパラメータが含まれており、
前記算出ステップにおいて、前記予測モデルについて寄与値とバイアスそれぞれを表すパラメータを推定する、16.乃至20.いずれか一つに記載の制御方法。
22. 前記取得ステップにおいて、複数の時系列データを取得し、
前記算出ステップにおいて、複数の時系列データそれぞれについて寄与値の集合を算出し、
前記出力ステップにおいて、前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力する、15.乃至21.いずれか一つに記載の制御方法。
23. 前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、22.に記載の制御方法。
24. 前記複数の時系列データは、特性の異なる複数の前記センサそれぞれから得られる時系列データを含む、22.に記載の制御方法。
25. 前記特徴定数の最小値、前記特徴定数の最大値、及び隣接する前記特徴定数の間隔のうちのいずれか1つ以上を決定することで、複数の前記特徴定数を生成する特徴定数生成ステップを有する、15.乃至24.いずれか一つに記載の制御方法。
26. 前記特徴定数生成ステップにおいて、
前記特徴定数が時定数である場合、前記センサの測定間隔に所定の定数を掛けた値を、前記時定数の最小値に決定し、
前記特徴定数が速度定数である場合、前記センサの測定間隔に所定の定数を掛けた値を、前記速度定数の最大値に決定する、25.に記載の制御方法。
27. 前記特徴定数生成ステップにおいて、
前記特徴定数が時定数である場合、前記センサによる測定の長さに所定の定数を掛けた値を、前記時定数の最大値に決定し、
前記特徴定数が速度定数である場合、前記センサによる測定の長さに所定の定数を掛けた値を、前記速度定数の最小値に決定する、25.に記載の制御方法。
28. 前記特徴定数生成ステップにおいて、単一種類の分子のみを含むガスにおける前記寄与値を前記特徴定数の関数として表した場合について、その関数のピーク幅を予測し、前記予測したピーク幅に所定の定数を掛けた値を、前記特徴定数の間隔に決定する、25.に記載の制御方法。
Claims (16)
- 対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得部と、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出部と、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力部と、を有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記取得部は、複数の時系列データを取得し、
前記算出部は、複数の時系列データそれぞれについて、前記複数の特徴定数それぞれについての前記寄与値を算出することにより、前記寄与値の集合を算出し、
前記出力部は、
前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力し、
前記対象ガスの濃度に応じて、前記算出された複数の寄与値の集合の組、と前記算出された複数の寄与値の集合の平均のどちらを出力するかを決定し、
前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、
情報処理装置。 - 対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得部と、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出部と、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力部と、
前記特徴定数の最小値θmin、及び前記特徴定数の最大値θmaxを決定することで、複数の前記特徴定数を生成する特徴定数生成部とを有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記特徴定数生成部は、決定した前記特徴定数の最小値θmin及び前記特徴定数の最大値θmaxと、予め定められた隣接する前記特徴定数の間隔dsとを用いて、前記複数の特徴定数としてθmin, θmin + ds, θmin + 2ds,..., θmaxを生成する、情報処理装置。 - 前記特徴定数生成部は、
前記特徴定数が時定数である場合、前記センサの測定間隔に所定の定数を掛けた値を、前記時定数の最小値に決定し、
前記特徴定数が速度定数である場合、前記センサの測定間隔に所定の定数を掛けた値を、前記速度定数の最大値に決定する、請求項2に記載の情報処理装置。 - 前記特徴定数生成部は、
前記特徴定数が時定数である場合、前記センサによる測定の長さに所定の定数を掛けた値を、前記時定数の最大値に決定し、
前記特徴定数が速度定数である場合、前記センサによる測定の長さに所定の定数を掛けた値を、前記速度定数の最小値に決定する、請求項2または3に記載の情報処理装置。 - 前記取得部は、複数の時系列データを取得し、
前記算出部は、複数の時系列データそれぞれについて寄与値の集合を算出し、
前記出力部は、前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力する、請求項2乃至4いずれか一項に記載の情報処理装置。 - 前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、請求項5に記載の情報処理装置。
- 前記複数の時系列データは、特性の異なる複数の前記センサそれぞれから得られる時系列データを含む、請求項5に記載の情報処理装置。
- 前記算出部は、複数の特徴定数それぞれの寄与値をパラメータとする前記センサの検出値の予測モデルについて、前記取得した時系列データを用いたパラメータ推定を行うことで、各寄与値を算出する、請求項1乃至7いずれか一項に記載の情報処理装置。
- 前記算出部は、前記予測モデルから得られる時系列データと前記取得した時系列データとについて、最小二乗法による最尤推定を行うことで、各前記寄与値を算出する、請求項8に記載の情報処理装置。
- 前記最小二乗法における最尤推定において、目的関数に正則化項が含まれている、請求項9に記載の情報処理装置。
- 前記算出部は、各前記寄与値の事前分布と前記取得した時系列データとを用いた MAP(Maximum a Posteriori)推定又はベイズ推定により、各前記寄与値を算出する、請求項8に記載の情報処理装置。
- 前記事前分布は、多変量正規分布又はガウス過程である、請求項11に記載の情報処理装置。
- 前記予測モデルには、バイアスを表すパラメータが含まれており、
前記算出部は、前記予測モデルについて寄与値とバイアスそれぞれを表すパラメータを推定する、請求項8乃至12いずれか一項に記載の情報処理装置。 - コンピュータによって実行される制御方法であって、
対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得ステップと、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出ステップと、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力ステップと、を有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記取得ステップでは、複数の時系列データを取得し、
前記算出ステップでは、複数の時系列データそれぞれについて、前記複数の特徴定数それぞれについての前記寄与値を算出することにより、前記寄与値の集合を算出し、
前記出力ステップでは、
前記算出された複数の寄与値の集合の組、又は前記算出された複数の寄与値の集合の平均を、前記対象ガスの特徴量として出力し、
前記対象ガスの濃度に応じて、前記算出された複数の寄与値の集合の組、と前記算出された複数の寄与値の集合の平均のどちらを出力するかを決定し、
前記複数の時系列データは、前記センサを前記対象ガスに曝す際に得られる時系列データと、前記センサから前記対象ガスを取り除く際に得られる時系列データとの双方を含む、
制御方法。 - コンピュータによって実行される制御方法であって、
対象ガスに含まれる分子の付着と離脱に応じて検出値が変化するセンサから出力された、検出値の時系列データを取得する取得ステップと、
複数の特徴定数それぞれについて前記時系列データに対する寄与の大きさを表す寄与値を算出する算出ステップと、
各特徴定数について算出された寄与値を、前記センサによってセンシングされたガスの特徴量として出力する出力ステップと、
前記特徴定数の最小値θmin、及び前記特徴定数の最大値θmaxを決定することで、複数の前記特徴定数を生成する特徴定数生成ステップとを有し、
前記特徴定数は、前記センサに付着している分子の量の時間変化の大きさに関する時定数又は速度定数であり、
前記特徴定数生成ステップでは、決定した前記特徴定数の最小値θmin及び前記特徴定数の最大値θmaxと、予め定められた隣接する前記特徴定数の間隔dsとを用いて、前記複数の特徴定数としてθmin, θmin + ds, θmin + 2ds,..., θmaxを生成する制御方法。 - 請求項14または15に記載の制御方法の各ステップをコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/028564 WO2020026326A1 (ja) | 2018-07-31 | 2018-07-31 | 情報処理装置、制御方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020026326A1 JPWO2020026326A1 (ja) | 2021-08-02 |
JP7074194B2 true JP7074194B2 (ja) | 2022-05-24 |
Family
ID=69232386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020533924A Active JP7074194B2 (ja) | 2018-07-31 | 2018-07-31 | 情報処理装置、制御方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210293681A1 (ja) |
JP (1) | JP7074194B2 (ja) |
WO (1) | WO2020026326A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210311009A1 (en) * | 2018-07-31 | 2021-10-07 | Nec Corporation | Information processing apparatus, control method, and non-transitory storage medium |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004090517A1 (ja) | 2003-04-04 | 2004-10-21 | National Institute Of Advanced Industrial Science And Technology | 蛍光寿命を利用した物質の定量用試薬、方法及び装置 |
JP2006275606A (ja) | 2005-03-28 | 2006-10-12 | Kyoto Univ | ガス検出方法及びガス検出装置 |
WO2014103560A1 (ja) | 2012-12-25 | 2014-07-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 分析装置、分析プログラム、分析方法、推定装置、推定プログラム、及び、推定方法。 |
JP2014221005A (ja) | 2010-09-16 | 2014-11-20 | ソニー株式会社 | データ処理装置、データ処理方法、およびプログラム |
WO2018101128A1 (ja) | 2016-11-29 | 2018-06-07 | 国立研究開発法人物質・材料研究機構 | 試料に対応付けられた推定対象値を推定する方法及び装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2845554B2 (ja) * | 1990-03-27 | 1999-01-13 | 科学技術振興事業団 | 多入力型過渡波形解析装置 |
JP3815041B2 (ja) * | 1998-03-17 | 2006-08-30 | 株式会社島津製作所 | ガス識別装置 |
GB0509833D0 (en) * | 2005-05-16 | 2005-06-22 | Isis Innovation | Cell analysis |
WO2015032443A1 (en) * | 2013-09-09 | 2015-03-12 | Inficon Gmbh | Method of and apparatus for measuring pressure, especially vacuum pressure |
FR3026188B1 (fr) * | 2014-09-20 | 2017-06-23 | Commissariat Energie Atomique | Procede et dispositif de determination d'une composition d'un echantillon gazeux traite par chromatographie gazeuse |
JP7127697B2 (ja) * | 2018-11-16 | 2022-08-30 | 日本電気株式会社 | 情報処理装置、制御方法、及びプログラム |
-
2018
- 2018-07-31 JP JP2020533924A patent/JP7074194B2/ja active Active
- 2018-07-31 US US17/262,022 patent/US20210293681A1/en active Pending
- 2018-07-31 WO PCT/JP2018/028564 patent/WO2020026326A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004090517A1 (ja) | 2003-04-04 | 2004-10-21 | National Institute Of Advanced Industrial Science And Technology | 蛍光寿命を利用した物質の定量用試薬、方法及び装置 |
JP2006275606A (ja) | 2005-03-28 | 2006-10-12 | Kyoto Univ | ガス検出方法及びガス検出装置 |
JP2014221005A (ja) | 2010-09-16 | 2014-11-20 | ソニー株式会社 | データ処理装置、データ処理方法、およびプログラム |
WO2014103560A1 (ja) | 2012-12-25 | 2014-07-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 分析装置、分析プログラム、分析方法、推定装置、推定プログラム、及び、推定方法。 |
WO2018101128A1 (ja) | 2016-11-29 | 2018-06-07 | 国立研究開発法人物質・材料研究機構 | 試料に対応付けられた推定対象値を推定する方法及び装置 |
Non-Patent Citations (2)
Title |
---|
瀬戸 就一 他,半導体ガスセンサの過渡応答出力の解析,電気学会論文誌E,2005年,第125巻,第3号,pp.129-134 |
関原 謙介,ベイズ信号処理 初版第2刷,共立出版株式会社,2022年01月10日,9-32頁 |
Also Published As
Publication number | Publication date |
---|---|
WO2020026326A1 (ja) | 2020-02-06 |
JPWO2020026326A1 (ja) | 2021-08-02 |
US20210293681A1 (en) | 2021-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chatzis et al. | On the observability and identifiability of nonlinear structural and mechanical systems | |
Deraemaeker et al. | Vibration-based structural health monitoring using output-only measurements under changing environment | |
JP7063389B2 (ja) | 処理装置、処理方法、およびプログラム | |
US20120072189A1 (en) | Sensor systems for estimating field | |
US20210232957A1 (en) | Relationship analysis device, relationship analysis method, and recording medium | |
JP7074194B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
JP7017711B2 (ja) | 関係性分析装置、関係性分析方法およびプログラム | |
JP7140191B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
Tsay et al. | A superstructure-based design of experiments framework for simultaneous domain-restricted model identification and parameter estimation | |
US20030194815A1 (en) | Method and apparatus for analyzing spatial and temporal processes of interaction | |
JP7056747B2 (ja) | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム | |
WO2020100285A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
WO2020026328A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
WO2020065991A1 (ja) | 情報処理装置、センサ動作最適化方法、およびプログラム | |
JP7099623B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP7173354B2 (ja) | 検出装置、検出方法およびプログラム | |
WO2021186528A1 (ja) | データ生成装置、データ生成方法、及び、記録媒体 | |
WO2020065983A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
JP7143895B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2024076787A (ja) | 試料分析装置、試料分析方法、医薬分析装置および医薬分析方法 | |
Khamisian | Parameter estimation techniques for autoregressive processes | |
Golinval et al. | Bayesian Model Screening for the Identification of Nonlinear Mechanical Structures | |
JP2005267474A (ja) | マハラノビス距離を利用した異常原因診断方法及びプログラム | |
Hemez | PROOF COPY 011303VAJ | |
De et al. | Vibration based Structural Health Monitoring using output-only measurements under changing environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210121 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220118 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220316 |
|
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: 20220412 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220425 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7074194 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |