JP7287680B2 - 学習装置、通信システム、学習方法及び学習プログラム - Google Patents
学習装置、通信システム、学習方法及び学習プログラム Download PDFInfo
- Publication number
- JP7287680B2 JP7287680B2 JP2020111797A JP2020111797A JP7287680B2 JP 7287680 B2 JP7287680 B2 JP 7287680B2 JP 2020111797 A JP2020111797 A JP 2020111797A JP 2020111797 A JP2020111797 A JP 2020111797A JP 7287680 B2 JP7287680 B2 JP 7287680B2
- Authority
- JP
- Japan
- Prior art keywords
- communication
- learning
- unit
- energy saving
- status information
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
- Transceivers (AREA)
- Telephonic Communication Services (AREA)
Description
上記のように、近年、通信速度の高速化により、消費電力が増大していることから、利用時の通信速度を維持しつつ消費電力を削減する方法が求められている。例えば、ユーザが使用したいときに通信は高速な状態を保ちつつ、利用していないときに消費電力を減らすことが望まれる。
以下、図面を参照して実施の形態1の構成及び動作について説明する。
図3~図6を用いて、本実施の形態の構成について説明する。図3は、本実施の形態に係る通信システムの構成例を示し、図4は、本実施の形態に係る接続端末の構成例を示し、図5は、本実施の形態に係る通信機器の構成例を示し、図6は、本実施の形態に係る学習装置の構成例を示している。
次に、図7及び図8を用いて、本実施の形態の動作の概要について説明する。図7及び図8は、本実施の形態に係る通信システムの動作の流れを示している。ここでは、学習装置100がユーザの通信状況(接続情報)を集計して学習し、学習モデルから予測した予測結果を通信機器200にフィードバックする動作について説明する。図7及び図8において、S101~S104は、通信状況を学習する学習動作を示し、S105~S107は、学習結果から予測及び制御を行う予測動作(予測制御動作)を示している。なお、学習動作及び予測動作は、必要に応じて繰り返し行われる。すなわち、学習モデルを生成した後、さらに、通信状況や制御要求に基づいて学習モデルが更新(学習)される。
図9は、通知及び学習する通信状況情報の一例を示している。図9に示すように、通信状況情報は、例えば、通信(接続)ごとの日付、曜日、Mac address、接続時間(通信時間)、通信量、電波強度、接続端末数を含んでいる。日付及び曜日は、通信が行われた日付(日時)及び曜日であり、例えば、通信(接続)が確立(開始)された日付及び曜日である。Mac addressは、接続端末300の識別情報であり、IP addressなどその他の識別情報でもよい。接続時間は、通信(接続)が確立(開始)されてから切断(終了)されるまでの時間(例えば秒)である。通信量は、確立された通信(接続)を介して送受信されるデータ量(例えばバイト)である。電波強度は、接続端末300の電波の受信信号強度(RSSI : Received Signal Strength Indicator)、すなわち、接続端末300から受信する電波の強度(例えばdBm)である。接続端末数は、接続端末300の通信が行われている間に通信部211に接続された端末(接続されている状態の端末)の数である。通信状況情報は、少なくとも接続状態の予測(学習)に関連する情報であり、これらのいずれかを含んでもよいし、その他の情報を含んでもよい。例えば、曜日及び通信量から、特定の曜日の通信量の特徴を抽出し、特定の曜日の要求される通信速度が予測可能である。接続時間及び通信量から、接続端末の使用時間を予測し、特定の時間の要求される通信速度が予測可能である。電波強度及び通信量から、特定の電波強度(通信機器からの距離に応じたユーザの現在位置)の通信量の特徴を抽出し、特定の電波強度の「ユーザが操作していない状態」を予測可能である。接続端末数及び曜日から、特定の曜日の「何も端末が繋がれていない状態」を予測可能である。
次に、本実施の形態の具体的な動作について説明する。図10を用いて、学習装置100が、通信機器200から取得したデータから学習モデルを生成する処理について説明する。なお、図10は、図7のS101~S104の学習動作に対応している。
以上のように、本実施の形態では、ユーザの通信量、接続時間、接続端末数、電波強度を集計して学習した学習モデルに基づいて、現在のユーザの状態から先の利用状況を予測し、その予測結果から通信機器の消費電力を削減させることを可能とする。これにより、次のような効果が得られる。第1の効果として、ユーザの生活スタイルに合わせて自動的に消費電力を低減させることができるため、節電の設定に関わる操作におけるユーザの負荷を減少させることが可能である。第2の効果として、ユーザの接続状況を予測した結果を用いて、ユーザの使用したいときに適切な通信速度に切り替えることが可能である。第3の効果として、アプリからユーザの反応を反映できるため、よりユーザの意思を加味した接続状況を予測することが可能である。第4の効果として、電波強度を学習することでユーザの位置関係から接続状況を予測することが可能である。
上記実施の形態において、以下のような構成や方法としてもよい。
(1)ユーザからのアクションをユーザの表情から判断した感情やユーザがアプリに話しかけた内容にすることも可能である。すなわち、これらの情報を含めて学習及び予測を行ってもよい。
(2)ユーザの接続情報を学習するのに利用した通信情報は、変更・追加することが可能である。
(3)学習時の教師データを通信量の大きさを使用する例としていたが、別のデータを利用することも可能である。
(4)学習時にユーザからの要求が教師データになっている状態データのみに重みを付けていたが、例えば接続切断時のデータなど他の状態データにも重みを付けることが可能である。
(5)学習方法はニューラルネットワークの他にも、現在の接続状態をユーザが正解か不正解か判断し、その結果を学習することでユーザの利用時間帯を予測する手法として強化学習等で構築することも可能である。
(6)通信速度や機能OFFの段階を省エネレベルとしているが、他の要因に変更・追加することが可能である。
(付記1)
端末装置が接続された通信装置から、前記端末装置の通信状況情報を取得する取得部と、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習する学習部と、
を備える、学習装置。
(付記2)
前記通信状況情報は、前記端末装置の通信の日付、曜日、通信時間、通信量及び電波強度、前記通信装置に接続された接続端末数のいずれかを含む、
付記1に記載の学習装置。
(付記3)
前記学習部は、前記通信量に基づいて前記教師データを生成する、
付記2に記載の学習装置。
(付記4)
前記学習部は、前記端末装置から要求された制御要求に基づいて前記教師データを生成する、
付記1または2に記載の学習装置。
(付記5)
前記学習部は、前記通信装置が、前記通信装置の通信速度、または、前記通信装置の通信機能のON/OFFを制御するための前記省エネレベルを生成する、
付記1乃至4のいずれか一項に記載の学習装置。
(付記6)
前記学習部は、前記通信状況情報を時系列に学習し、次の時刻の通信状況に対応する前記省エネレベルを予測する学習モデルを生成する、
付記1乃至5のいずれか一項に記載の学習装置。
(付記7)
前記学習部は、LSTM(Long Short Term Memory)を用いて、前記学習モデルを生成する、
付記6に記載の学習装置。
(付記8)
前記学習モデルを用いて、前記通信状況情報から前記省エネレベルを予測する予測部を備える、
付記6または7に記載の学習装置。
(付記9)
端末装置が接続された通信装置と、学習装置とを備え、
前記学習装置は、
前記通信装置から、前記端末装置の通信状況情報を取得する取得部と、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習する学習部と、
を備える、通信システム。
(付記10)
前記学習装置は、前記機械学習結果に基づいて、前記通信状況情報から次の時刻の通信状況に対応する前記省エネレベルを予測する予測部を備える、
付記9に記載の通信システム。
(付記11)
前記通信装置は、前記予測された省エネレベルに応じて通信動作を制御する制御部を有する、
付記10に記載の通信システム。
(付記12)
端末装置が接続された通信装置から、前記端末装置の通信状況情報を取得し、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習する、
学習方法。
(付記13)
前記通信状況情報は、前記端末装置の通信の日付、曜日、通信時間、通信量及び電波強度、前記通信装置に接続された接続端末数のいずれかを含む、
付記12に記載の学習方法。
(付記14)
付記12または13に記載の学習方法を実行する機能を有する通信装置。
(付記15)
端末装置が接続された通信装置から、前記端末装置の通信状況情報を取得し、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習する、
処理をコンピュータに実行させるための学習プログラム。
(付記16)
前記通信状況情報は、前記端末装置の通信の日付、曜日、通信時間、通信量及び電波強度、前記通信装置に接続された接続端末数のいずれかを含む、
付記15に記載の学習プログラム。
(付記17)
付記15または16に記載の学習プログラムを実行する機能を有する通信装置。
10 学習装置
11 取得部
12 学習部
20 通信装置
30 端末装置
100 学習装置
110 通信部
120 通信状況取得部
130 要求取得部
140 情報制御部
141 情報管理部
142 情報登録部
150 情報格納部
160 状態観測部
170 判定データ取得部
180 学習部
181 学習モデル
190 予測部
200 通信機器
211、212 通信部
220 通信制御部
221 通信量測定部
222 通信時間測定部
230 無線通信制御部
231 電波強度測定部
232 接続端末測定部
240 通信状況通知部
250 予測結果取得部
260 動作制御部
261 通信速度制御部
262 機能制御部
270 要求受信部
280 要求通知部
300 接続端末
310 通信部
320 要求送信部
330 表示部
340 操作部
Claims (10)
- 端末装置が接続された通信装置から、前記端末装置の通信状況情報を取得する取得部と、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習する学習部と、
を備え、
前記学習部は、前記端末装置から要求された制御要求に基づいて前記教師データを生成し、前記教師データを用いて前記通信状況情報を時系列に学習し、次の時刻の通信状況に対応する前記省エネレベルを予測する学習モデルを生成し、
前記学習モデルを用いて、前記通信状況情報から前記省エネレベルを予測する予測部をさらに備える、
学習装置。 - 前記通信状況情報は、前記端末装置の通信の日付、曜日、通信時間、通信量及び電波強度、前記通信装置に接続された接続端末数のいずれかを含む、
請求項1に記載の学習装置。 - 前記学習部は、前記通信量に基づいて前記教師データを生成する、
請求項2に記載の学習装置。 - 前記学習部は、前記通信装置が、前記通信装置の通信速度、または、前記通信装置の通信機能のON/OFFを制御するための前記省エネレベルを生成する、
請求項1乃至3のいずれか一項に記載の学習装置。 - 前記学習部は、LSTM(Long Short Term Memory)を用いて、前記学習モデルを生成する、
請求項1乃至4のいずれか一項に記載の学習装置。 - 前記予測部は、前記予測された省エネレベルを前記通信装置に通知し、前記通信装置の通信動作を制御する、
請求項1乃至5のいずれか一項に記載の学習装置。 - 端末装置が接続された通信装置と、学習装置とを備え、
前記学習装置は、
前記通信装置から、前記端末装置の通信状況情報を取得する取得部と、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習する学習部と、
を備え、
前記学習部は、前記端末装置から要求された制御要求に基づいて前記教師データを生成し、前記教師データを用いて前記通信状況情報を時系列に学習し、次の時刻の通信状況に対応する前記省エネレベルを予測する学習モデルを生成し、
前記学習装置は、前記学習モデルを用いて、前記通信状況情報から前記省エネレベルを予測する予測部をさらに備える、
通信システム。 - 前記通信装置は、前記予測された省エネレベルに応じて通信動作を制御する制御部を有する、
請求項7に記載の通信システム。 - 端末装置が接続された通信装置から、前記端末装置の通信状況情報を取得し、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習し、
前記機械学習において、前記端末装置から要求された制御要求に基づいて前記教師データを生成し、前記教師データを用いて前記通信状況情報を時系列に学習し、次の時刻の通信状況に対応する前記省エネレベルを予測する学習モデルを生成し、
さらに、前記学習モデルを用いて、前記通信状況情報から前記省エネレベルを予測する、
学習方法。 - 端末装置が接続された通信装置から、前記端末装置の通信状況情報を取得し、
前記通信装置の省エネレベルを教師データとして、前記通信状況情報を機械学習し、
前記機械学習において、前記端末装置から要求された制御要求に基づいて前記教師データを生成し、前記教師データを用いて前記通信状況情報を時系列に学習し、次の時刻の通信状況に対応する前記省エネレベルを予測する学習モデルを生成し、
さらに、前記学習モデルを用いて、前記通信状況情報から前記省エネレベルを予測する、
処理をコンピュータに実行させるための学習プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020111797A JP7287680B2 (ja) | 2020-06-29 | 2020-06-29 | 学習装置、通信システム、学習方法及び学習プログラム |
JP2023081272A JP2023113694A (ja) | 2020-06-29 | 2023-05-17 | 学習装置、通信システム、学習方法及び学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020111797A JP7287680B2 (ja) | 2020-06-29 | 2020-06-29 | 学習装置、通信システム、学習方法及び学習プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023081272A Division JP2023113694A (ja) | 2020-06-29 | 2023-05-17 | 学習装置、通信システム、学習方法及び学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022010968A JP2022010968A (ja) | 2022-01-17 |
JP7287680B2 true JP7287680B2 (ja) | 2023-06-06 |
Family
ID=80147870
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020111797A Active JP7287680B2 (ja) | 2020-06-29 | 2020-06-29 | 学習装置、通信システム、学習方法及び学習プログラム |
JP2023081272A Pending JP2023113694A (ja) | 2020-06-29 | 2023-05-17 | 学習装置、通信システム、学習方法及び学習プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023081272A Pending JP2023113694A (ja) | 2020-06-29 | 2023-05-17 | 学習装置、通信システム、学習方法及び学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7287680B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023233442A1 (ja) * | 2022-05-30 | 2023-12-07 | 楽天モバイル株式会社 | Sscモードを動的に決定するための通信制御 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005160130A (ja) | 2003-11-20 | 2005-06-16 | Central Res Inst Of Electric Power Ind | 高調波信号発生装置及びこれを用いた特定電気機器の動作状態推定方法及びシステム並びに電力需要家居住者の安否確認方法及びシステム |
JP2014110581A (ja) | 2012-12-04 | 2014-06-12 | Hitachi Ltd | 受動光網システム |
JP2016157426A (ja) | 2015-02-23 | 2016-09-01 | 三星電子株式会社Samsung Electronics Co.,Ltd. | ニューラルネットワークの学習方法及び装置、及び認識方法及び装置 |
CN107613545A (zh) | 2016-07-11 | 2018-01-19 | 中兴通讯股份有限公司 | 发射功率处理方法及装置 |
US20200019230A1 (en) | 2018-07-10 | 2020-01-16 | Nutanix, Inc. | Managing power consumptions of multiple computing nodes in a hyper-converged computing system |
-
2020
- 2020-06-29 JP JP2020111797A patent/JP7287680B2/ja active Active
-
2023
- 2023-05-17 JP JP2023081272A patent/JP2023113694A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005160130A (ja) | 2003-11-20 | 2005-06-16 | Central Res Inst Of Electric Power Ind | 高調波信号発生装置及びこれを用いた特定電気機器の動作状態推定方法及びシステム並びに電力需要家居住者の安否確認方法及びシステム |
JP2014110581A (ja) | 2012-12-04 | 2014-06-12 | Hitachi Ltd | 受動光網システム |
JP2016157426A (ja) | 2015-02-23 | 2016-09-01 | 三星電子株式会社Samsung Electronics Co.,Ltd. | ニューラルネットワークの学習方法及び装置、及び認識方法及び装置 |
CN107613545A (zh) | 2016-07-11 | 2018-01-19 | 中兴通讯股份有限公司 | 发射功率处理方法及装置 |
US20200019230A1 (en) | 2018-07-10 | 2020-01-16 | Nutanix, Inc. | Managing power consumptions of multiple computing nodes in a hyper-converged computing system |
Also Published As
Publication number | Publication date |
---|---|
JP2022010968A (ja) | 2022-01-17 |
JP2023113694A (ja) | 2023-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6767206B2 (ja) | 応答システム | |
CN108076224B (zh) | 应用程序控制方法、装置及存储介质和移动终端 | |
US11553075B2 (en) | Apparatus and control method for recommending applications based on context-awareness | |
US8886576B1 (en) | Automatic label suggestions for albums based on machine learning | |
US8429103B1 (en) | Native machine learning service for user adaptation on a mobile platform | |
US8510238B1 (en) | Method to predict session duration on mobile devices using native machine learning | |
KR102585230B1 (ko) | 통화 요청에 대한 알림 메시지를 제공하는 디바이스 및 방법 | |
US20130346347A1 (en) | Method to Predict a Communicative Action that is Most Likely to be Executed Given a Context | |
KR102119404B1 (ko) | 복수 챗봇의 협업에 의한 대화형 정보제공 시스템 및 그 방법 | |
US10970523B2 (en) | Terminal and server for providing video call service | |
CN105320425A (zh) | 基于场境的用户界面的呈现 | |
CN104272709A (zh) | 推断的上下文的日程表匹配和标签传播 | |
CN108370504B (zh) | 基于上下文来检测无线信号 | |
KR102517228B1 (ko) | 사용자의 입력에 대한 외부 전자 장치의 응답 시간에 기반하여 지정된 기능을 제어하는 전자 장치 및 그의 방법 | |
JP2023113694A (ja) | 学習装置、通信システム、学習方法及び学習プログラム | |
KR20180096182A (ko) | 전자 장치 및 그 전자 장치의 제어 방법 | |
CN112135325A (zh) | 网络切换方法、装置、存储介质以及终端 | |
JP7077375B2 (ja) | 応答システム | |
KR20200080418A (ko) | 단말기 및 그의 동작 방법 | |
CN110399474B (zh) | 一种智能对话方法、装置、设备及存储介质 | |
CN112052316A (zh) | 模型评估方法、装置、存储介质及电子设备 | |
KR20150090476A (ko) | 이동단말기, 이동단말기용 거치대 그리고 이들의 구동방법 | |
KR102185369B1 (ko) | 사용자와의 대화를 위한 정보를 생성하는 시스템 및 방법 | |
CN107273218A (zh) | 经由对接接口的通知生成 | |
WO2023196456A1 (en) | Adaptive wellness collaborative media system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211004 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221226 |
|
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: 20230425 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230518 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7287680 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |