JP7140191B2 - 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
- JP7140191B2 JP7140191B2 JP2020533925A JP2020533925A JP7140191B2 JP 7140191 B2 JP7140191 B2 JP 7140191B2 JP 2020533925 A JP2020533925 A JP 2020533925A JP 2020533925 A JP2020533925 A JP 2020533925A JP 7140191 B2 JP7140191 B2 JP 7140191B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- sensor
- contribution
- characteristic
- 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
- 238000000034 method Methods 0.000 title claims description 94
- 230000010365 information processing Effects 0.000 title claims description 70
- 239000013598 vector Substances 0.000 claims description 76
- 238000004364 calculation method Methods 0.000 claims description 60
- 230000008859 change Effects 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000007476 Maximum Likelihood Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 239000007789 gas Substances 0.000 description 89
- 230000006870 function Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 17
- 230000000630 rising effect Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 9
- 230000010355 oscillation Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 239000012528 membrane Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000010926 purge Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
- G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital by measuring the rate of variation of the concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/24—Suction devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0011—Sample conditioning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0011—Sample conditioning
- G01N33/0016—Sample conditioning by regulating a physical variable, e.g. pressure, temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
-
- 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
Description
<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、上述した特徴定数の集合Θとそれに対応する寄与値の集合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、特徴定数の集合Θと寄与値の集合Ξとを対応づけた情報は、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。特徴定数生成部2030は、時系列データ14を用いて、複数の特徴定数θi と、各特徴定数θi の時系列データ14に対する寄与の大きさを表す寄与値ξi を算出する。出力部2060は、特徴定数の集合Θと寄与値の集合Ξとを対応づけた情報を、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。
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、時系列データ14を用いて、複数の特徴定数θi と、各特徴定数θi に対応する寄与値ξiとを算出する(S104)。出力部2060は、特徴定数の集合と寄与値の集合とを対応づけた情報を、対象ガスの特徴量として出力する(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。
算出部2040は、時系列データ14を用いて、複数の特徴定数θi と、特徴定数θi に対応する寄与値ξi とを算出する(S104)。この処理は、時系列データ14を、式(5)に示したξi*f(θi) の和に分解することに相当する。
例えば算出部2040は、時系列データ14の微分 y'(t) に log をとることで得られる log[y'(t)] の傾きに基づいて、特徴定数の集合を算出する。log[y'(t)] は、以下のようになる。
前述した算出方法1を採用するためには、y'(t) の log をとる必要があることから、y'(t) の値が常に正である必要がある。これに対し、ここで説明する算出方法2では、前述した g(t) の傾き g'(t) に相当する指標を利用しつつ、y'(t) の値が負になることがあっても利用することができる。
ここでは、特徴定数を算出した後に、その特徴定数に対応する寄与値を算出する方法を説明する。算出部2040は、算出された特徴定数の集合Θ={θ1,..., θm} に対応する寄与値ξiの集合(すなわち、寄与ベクトル)Ξ={ξ1,..., ξm} 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を利用して寄与ベクトルΞについてパラメータ推定を行うことにより、寄与ベクトル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(12)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、寄与値を推定する。
3.推定した寄与値の振動の大きさ・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。
前述したように、特徴定数に対応する寄与値の算出方法の1つとして、最小二乗法を利用する方法がある。算出部2040は、特徴定数を算出した後に最小二乗法を利用する代わりに、前述した最小二乗法の目的関数の最小値を特徴定数の集合Θに関して最小化するという組み合わせ最適化問題を解くことにより、特徴定数の集合Θと寄与値の集合Ξの双方を算出してもよい。具体的には、以下の目的関数 h(Θ) を最小化するΘと、最小化された h(Θ) におけるパラメータΞが、算出部2040の算出結果となる。
算出部2040は、特徴定数の個数を決定してもよい。決定した特徴定数の個数は、例えば前述した、g(t) の定義域や y(t) の測定期間から抽出する部分期間の数を定めるために利用することができる。
出力部2060は、前述した方法で得られた特徴定数の集合Θと寄与値の集合Ξとを対応づけた情報(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、特徴行列 F 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、特徴定数の集合Θと寄与値の集合Ξとの対応付けを、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、特徴定数の集合Θと寄与値の集合Ξとの対応付けを算出してもよい。そしてこの場合、出力部2060は、これら複数の対応付けの集合を、対象ガスの特徴量としてもよい。
センサ10の検出値には、時間に応じた変化を表さ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。
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時系列データ取得部と、
前記時系列データに対して寄与する複数の特徴定数と、各前記特徴定数の前記時系列データに対する寄与の大きさを表す寄与値とを算出する算出部と、
複数の特徴定数と各特徴定数について算出された寄与値の組み合わせを、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、
前記時系列データの測定期間から複数の部分期間を抽出し、
前記部分期間ごとに、その部分期間における前記検出値の時間変化率の対数に基づいて、前記特徴定数を算出し、
前記部分期間は、その中に含まれる検出値の時間変化率の対数が略同一の期間である、1.に記載の情報処理装置。
3. 前記算出部は、
前記時系列データを用いて、各時刻における検出値及びその時刻における検出値の時間変化率を要素とする時系列のベクトルデータを算出し、
各前記算出した時系列のベクトルデータそれぞれについて速度ベクトルを算出し、
前記速度ベクトルの向きに基づいて、前記時系列データの測定期間から、複数の部分期間を抽出し、
前記部分期間ごとに、その部分期間における前記速度ベクトルの向きに基づいて、前記特徴定数を算出し、
前記部分期間は、その中に含まれる前記速度ベクトルの向きが略同一の期間である、1.に記載の情報処理装置。
4. 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.乃至3.いずれか一つに記載の情報処理装置。
5. 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、4.に記載の情報処理装置。
6. 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、5.に記載の情報処理装置。
7. 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、4.に記載の情報処理装置。
8. 前記事前分布は、多変量正規分布又はガウス過程である、7.に記載の情報処理装置。
9. 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の二乗誤差を表す目的関数について、その目的関数の最小値を複数の特徴定数に関して最小化することにより、複数の特徴定数及び複数の寄与値を算出する、4.に記載の情報処理装置。
10. 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、4.乃至9.いずれか一つに記載の情報処理装置。
11. 前記時系列データ取得部は、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、特徴定数の集合と寄与値の集合の組みを算出し、
前記出力部は、前記算出された特徴定数の集合と寄与値の集合の組みを複数まとめた情報を、前記対象ガスの特徴量として出力する、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、11.に記載の情報処理装置。
13. 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、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時系列データ取得ステップと、
前記時系列データに対して寄与する複数の特徴定数と、各前記特徴定数の前記時系列データに対する寄与の大きさを表す寄与値とを算出する算出ステップと、
複数の特徴定数と各特徴定数について算出された寄与値の組み合わせを、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。
15. 前記算出ステップにおいて、
前記時系列データの測定期間から複数の部分期間を抽出し、
前記部分期間ごとに、その部分期間における前記検出値の時間変化率の対数に基づいて、前記特徴定数を算出し、
前記部分期間は、その中に含まれる検出値の時間変化率の対数が略同一の期間である、14.に記載の制御方法。
16. 前記算出ステップにおいて、
前記時系列データを用いて、各時刻における検出値及びその時刻における検出値の時間変化率を要素とする時系列のベクトルデータを算出し、
各前記算出した時系列のベクトルデータそれぞれについて速度ベクトルを算出し、
前記速度ベクトルの向きに基づいて、前記時系列データの測定期間から、複数の部分期間を抽出し、
前記部分期間ごとに、その部分期間における前記速度ベクトルの向きに基づいて、前記特徴定数を算出し、
前記部分期間は、その中に含まれる前記速度ベクトルの向きが略同一の期間である、14.に記載の制御方法。
17. 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、14.乃至16.いずれか一つに記載の制御方法。
18. 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、17.に記載の制御方法。
19. 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、18.に記載の制御方法。
20. 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、17.に記載の制御方法。
21. 前記事前分布は、多変量正規分布又はガウス過程である、20.に記載の制御方法。
22. 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の二乗誤差を表す目的関数について、その目的関数の最小値を複数の特徴定数に関して最小化することにより、複数の特徴定数及び複数の寄与値を算出する、17.に記載の制御方法。
23. 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、17.乃至22.いずれか一つに記載の制御方法。
24. 前記時系列データ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、特徴定数の集合と寄与値の集合の組みを算出し、
前記出力ステップにおいて、前記算出された特徴定数の集合と寄与値の集合の組みを複数まとめた情報を、前記対象ガスの特徴量として出力する、14.乃至23.いずれか一つに記載の制御方法。
25. 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、24.に記載の制御方法。
26. 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、24.に記載の制御方法。
Claims (14)
- 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時系列データ取得部と、
前記時系列データに対して寄与する複数の特徴定数と、各前記特徴定数の前記時系列データに対する寄与の大きさを表す寄与値とを算出する算出部と、
複数の特徴定数と各特徴定数について算出された寄与値の組み合わせを、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、
前記算出部は、
前記時系列データを用いて、各時刻における検出値及びその時刻における検出値の時間変化率を要素とする時系列のベクトルデータを算出し、
各前記算出した時系列のベクトルデータそれぞれについて速度ベクトルを算出し、
前記速度ベクトルの向きに基づいて、前記時系列データの測定期間から、複数の部分期間を抽出し、
前記部分期間ごとに、その部分期間における前記速度ベクトルの向きに基づいて、前記特徴定数を算出し、
前記部分期間は、その中に含まれる前記速度ベクトルの向きが略同一の期間である、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2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3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2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5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の二乗誤差を表す目的関数について、その目的関数の最小値を複数の特徴定数に関して最小化することにより、複数の特徴定数及び複数の寄与値を算出する、請求項2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2乃至7いずれか一項に記載の情報処理装置。 - 前記時系列データ取得部は、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、特徴定数の集合と寄与値の集合とを対応付けた特徴行列を算出し、
前記出力部は、前記算出された複数の特徴行列を連結することで得られる行列を前記対象ガスの特徴量として出力する、請求項1乃至8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9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9に記載の情報処理装置。
- コンピュータによって実行させ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時系列データ取得ステップと、
前記時系列データに対して寄与する複数の特徴定数と、各前記特徴定数の前記時系列データに対する寄与の大きさを表す寄与値とを算出する算出ステップと、
複数の特徴定数と各特徴定数について算出された寄与値の組み合わせを、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、
前記算出ステップでは、
前記時系列データを用いて、各時刻における検出値及びその時刻における検出値の時間変化率を要素とする時系列のベクトルデータを算出し、
各前記算出した時系列のベクトルデータそれぞれについて速度ベクトルを算出し、
前記速度ベクトルの向きに基づいて、前記時系列データの測定期間から、複数の部分期間を抽出し、
前記部分期間ごとに、その部分期間における前記速度ベクトルの向きに基づいて、前記特徴定数を算出し、
前記部分期間は、その中に含まれる前記速度ベクトルの向きが略同一の期間である、制御方法。 - 請求項12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。
- 前記算出部は、前記速度ベクトルの向きの統計値またはその統計値の逆数を前記特徴定数として算出する、請求項1乃至11いずれか一項に記載の情報処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/028565 WO2020026327A1 (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 |
---|---|
JPWO2020026327A1 JPWO2020026327A1 (ja) | 2021-08-02 |
JP7140191B2 true JP7140191B2 (ja) | 2022-09-21 |
Family
ID=69232427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020533925A Active JP7140191B2 (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) | US20210311009A1 (ja) |
JP (1) | JP7140191B2 (ja) |
WO (1) | WO2020026327A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7140191B2 (ja) * | 2018-07-31 | 2022-09-21 | 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 |
WO2023037999A1 (ja) * | 2021-09-07 | 2023-03-16 | パナソニックIpマネジメント株式会社 | ガス分析方法及びガス分析システム |
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 (28)
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 |
US9122705B1 (en) * | 2011-03-15 | 2015-09-01 | Google Inc. | Scoring hash functions |
US8732528B1 (en) * | 2012-01-06 | 2014-05-20 | Amazon Technologies, Inc. | Measuring test effects using adjusted outlier data |
US10309924B2 (en) * | 2013-06-07 | 2019-06-04 | Cornell University | Floating gate based sensor apparatus and related floating gate based sensor applications |
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 |
EP3062103A1 (en) * | 2015-02-27 | 2016-08-31 | Alpha M.O.S. | Portable fluid sensory device with learning capabilities |
US10127694B2 (en) * | 2016-11-18 | 2018-11-13 | Adobe Systems Incorporated | Enhanced triplet embedding and triplet creation for high-dimensional data visualizations |
JP7069581B2 (ja) * | 2017-07-07 | 2022-05-18 | 富士通株式会社 | 分析方法、分析装置及び分析プログラム |
JP6950504B2 (ja) * | 2017-12-08 | 2021-10-13 | 富士通株式会社 | 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置 |
US20210224664A1 (en) * | 2018-06-07 | 2021-07-22 | Nec Corporation | Relationship analysis device, relationship analysis method, and recording medium |
JP7017712B2 (ja) * | 2018-06-07 | 2022-02-09 | 日本電気株式会社 | 関係性分析装置、関係性分析方法およびプログラム |
US20210293681A1 (en) * | 2018-07-31 | 2021-09-23 | Nec Corporation | Information processing apparatus, control method, and non-transitory storage medium |
JP7140191B2 (ja) * | 2018-07-31 | 2022-09-21 | 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 |
JP7101084B2 (ja) * | 2018-08-29 | 2022-07-14 | 株式会社東芝 | 情報処理装置、情報処理システム及び情報処理方法 |
US20220036223A1 (en) * | 2018-09-27 | 2022-02-03 | Nec Corporation | Processing apparatus, processing method, and non-transitory storage medium |
WO2020100285A1 (ja) * | 2018-11-16 | 2020-05-22 | 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 |
EP3912099A1 (en) * | 2019-01-23 | 2021-11-24 | Google LLC | Compound model scaling for neural networks |
JP7099623B2 (ja) * | 2019-03-29 | 2022-07-12 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US20220309397A1 (en) * | 2019-06-19 | 2022-09-29 | Nec Corporation | Prediction model re-learning device, prediction model re-learning method, and program recording medium |
US11468364B2 (en) * | 2019-09-09 | 2022-10-11 | Humana Inc. | Determining impact of features on individual prediction of machine learning based models |
JP7384059B2 (ja) * | 2020-02-06 | 2023-11-21 | 富士通株式会社 | 検知プログラム、検知方法及び検知装置 |
CN115917558A (zh) * | 2020-09-10 | 2023-04-04 | 艾佐斯株式会社 | 超参数调整装置、记录有超参数调整程序的非暂时性记录介质以及超参数调整程序 |
CN112418395B (zh) * | 2020-11-17 | 2022-08-26 | 吉林大学 | 一种基于生成对抗网络的气体传感器阵列漂移补偿方法 |
CN112464999B (zh) * | 2020-11-19 | 2021-10-19 | 深圳大学 | 一种混合气体种类与浓度识别方法、装置及存储介质 |
US20220172086A1 (en) * | 2020-11-30 | 2022-06-02 | Nice Ltd. | System and method for providing unsupervised model health monitoring |
WO2023037999A1 (ja) * | 2021-09-07 | 2023-03-16 | パナソニックIpマネジメント株式会社 | ガス分析方法及びガス分析システム |
-
2018
- 2018-07-31 JP JP2020533925A patent/JP7140191B2/ja active Active
- 2018-07-31 US US17/262,955 patent/US20210311009A1/en active Pending
- 2018-07-31 WO PCT/JP2018/028565 patent/WO2020026327A1/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,2016年01月10日,9-32頁 |
Also Published As
Publication number | Publication date |
---|---|
US20210311009A1 (en) | 2021-10-07 |
JPWO2020026327A1 (ja) | 2021-08-02 |
WO2020026327A1 (ja) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | Partly conditional survival models for longitudinal data | |
TW201224431A (en) | Monitoring, detecting and quantifying chemical compounds in a sample | |
JP7063389B2 (ja) | 処理装置、処理方法、およびプログラム | |
WO2008001105A1 (en) | Sensor system for estimating varying field | |
US20170249559A1 (en) | Apparatus and method for ensembles of kernel regression models | |
JP7140191B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
JP6631540B2 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
CA3186873A1 (en) | Activity level measurement using deep learning and machine learning | |
JP7276450B2 (ja) | 予測モデル再学習装置、予測モデル再学習方法及びプログラム | |
US20210224664A1 (en) | Relationship analysis device, relationship analysis method, and recording medium | |
JP7127697B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
JP7074194B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
JP7099623B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
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 | |
US11846620B2 (en) | Noise removing apparatus, noise removing method, and recording medium | |
WO2020026328A1 (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 | |
JP7327648B2 (ja) | データ生成装置、データ生成方法、及び、プログラム | |
JP2014093042A (ja) | 生存率推定装置、方法、及びプログラム | |
JPWO2020065889A1 (ja) | 情報処理装置、伝達関数生成方法、およびプログラム | |
KR20110100894A (ko) | 시스템 성능의 통계적 예측 방법 | |
Waller | Using surrogate data for nonlinear identification: A case study | |
Johansson Mauricio | Selection of preprocessing methods for partial least squares regression of acoustic spectrometry data using a genetic algorithm |
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: 20220318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220719 |
|
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: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220822 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7140191 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |