JP7327648B2 - データ生成装置、データ生成方法、及び、プログラム - Google Patents

Description

本発明は、センサを用いて測定されたにおいデータの拡張に関する。

センサを用いてにおいを検出する手法が知られている。においセンサとしては、例えば、半導体式センサ、水晶振動式センサ、膜型表面応力センサなどが知られている。特許文献１は、受容体層を設けたナノメカニカルセンサを用いて試料ガスを測定し、試料ガスの種類を判別する手法を記載している。

特開２０１７－１５６２５４号公報

においセンサにより検出されたにおいデータに基づいて、においの元となる物質を予測することが可能である。具体的に、機械学習などによりにおいデータの特徴を学習した予測モデルを生成し、その予測モデルを用いて実際に検出されたにおいデータから物質を予測することができる。また、物質の予測に限らず、例えば果物のにおいから糖度を予測したり、尿のにおいから癌や健康状態を予測することも可能である。この場合、予測モデルの学習には多量の教師データが必要となる。特に、様々な環境における予測を可能とするためには、様々な環境下で得られた教師データを用いて予測モデルの学習を行う必要がある。しかし、実際にあらゆる環境下で測定を行って多量の教師データを用意することは難しい。

本発明の１つの目的は、においデータの拡張により、様々な環境に対応するにおいデータを生成することにある。

本発明の一つの観点では、データ生成装置は、
特定の環境において測定されたにおいデータである元データを取得する取得手段と、
前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する生成手段と、を備える。

本発明の他の観点では、データ生成方法は、
特定の環境において測定されたにおいデータである元データを取得し、
前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する。

本発明の他の観点では、プログラムは、
特定の環境において測定されたにおいデータである元データを取得し、
前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する処理をコンピュータに実行させる。

本発明によれば、においデータのデータ拡張により、様々な環境に対応するにおいデータを生成することができる。

本発明の第１実施形態に係るにデータ拡張システムの構成を示す。 におい測定装置の原理を模式的に示す。 時系列スペクトラムの説明図である。 温度による時系列すスペクトラム波形の変化の例を示す。 湿度による時系列スペクトラム波形の変化の例を示す。 データ拡張装置のハードウェア構成を示す。 データ拡張装置の機能構成を示す。 操作行列の一例を示す。 操作行列を用いたデータ拡張の例を示す。 データ拡張の例を模式的に示す。 データ拡張処理のフローチャートである。 変形例に係る操作行列を説明する図である。 変形例に係るデータ拡張装置の機能構成を示す。 第２実施形態に係るデータ生成装置の機能構成を示す。

以下、図面を参照して、本発明の好適な実施形態について説明する。

＜第１実施形態＞
［全体構成］
図１は、本発明の第１実施形態に係るデータ生成システムの構成を示す。データ生成システム１００は、におい測定装置１０と、データベース（以下、「ＤＢ」とも記す。）５と、データ拡張装置２０と、を備える。におい測定装置１０は、対象物のにおいを測定し、においデータを出力する。においデータは、いったんＤＢ５に保存される。データ拡張装置２０は、ＤＢ５に保存されているにおいデータを用いてデータ拡張を行い、得られたにおいデータ（以下、「拡張データ」とも呼ぶ。）をＤＢ５に保存する。具体的に、データ拡張装置２０は、におい測定装置１０で測定されたにおいデータの測定環境と、温度又は湿度が異なる環境におけるにおいデータを拡張データとして生成する。データ拡張装置２０を用いて拡張データを生成することにより、実際に測定を行わなくても、測定されたデータ（以下、「元データ」とも呼ぶ。）と温度又は湿度が異なる環境に対応する拡張データを生成することが可能となる。

［におい測定装置］
におい測定装置１０は、センサを用いて対象物のにおいを測定し、においデータを出力する。図２（Ａ）は、におい測定装置１０の原理を模式的に示す。におい測定装置１０は、筐体１１と、筐体１１内に配置されたセンサ１２とを備える。センサ１２は、においの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。におい測定の対象物は筐体１１内に配置される。筐体１１内に存在するガスに含まれるにおい分子がセンサ１２に付着する。以下、センサ１２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１２から出力される検出値の時系列データを「時系列データＹ」とする。時系列データＹの時刻ｔの検出値をｙ（ｔ）と表記すると、図２（Ｂ）に示すように、時系列データＹは各時刻における検出値ｙ（ｔ）により構成されるベクトルとなる。

センサ１２は、膜型表面応力（ＭＳＳ：Ｍｅｍｂｒａｎｅ－ｔｙｐｅ Ｓｕｒｆａｃｅ Ｓｔｒｅｓｓ）センサである。ＭＳＳセンサは、受容体として、分子が付着する官能膜を有しており、その官能膜に対するにおい分子の付着と離脱によってその官能膜の支持部材に生じる応力が変化する。ＭＳＳセンサは、この応力の変化に基づく検出値を出力する。なお、センサ１２は、ＭＳＳセンサには限定されず、受容体に対する分子の付着と離脱に応じて生じる、センサ１２の部材の粘弾性や動力学特性（質量や慣性モーメントなど）に関連する物理量の変化に基づいて検出値を出力するものであればよい。例えば、カンチレバー式、膜型、光学式、ピエゾ、振動応答などの様々なタイプのセンサを採用することができる。

説明のため、センサ１２によるセンシングを以下のようにモデル化する。
（１）センサ１２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ρ_ｋである。
（３）センサ１２には、合計ｎ個の分子が付着可能である。
（４）時刻ｔにおいてセンサ１２に付着している分子ｋの数はｎ_ｋ（ｔ）個である。

この場合、センサ１２に付着している分子ｋの数ｎ_ｋ（ｔ）の時間変化は、以下のように定式化できる。

式（１）の右辺の第１項と第２項はそれぞれ、単位時間当たりの分子ｋの増加量（新たにセンサ１２に付着する分子ｋの数）と減少量（センサ１２から離脱する分子ｋの数）を表している。また、α_ｋは分子ｋがセンサ１２に付着する速度を表す速度定数であり、β_ｋは分子ｋがセンサ１２から離脱する速度を表す速度定数である。

ここで、濃度ρ_ｋが一定であるため、上記式（１）から時刻ｔにおける分子ｋの数ｎ_ｋ（ｔ）は、以下のように定式化できる。

また、時刻ｔ_０（初期状態）でセンサ１２に分子が付着していないと仮定すれば、ｎ_ｋ（ｔ）は以下のように表される。

センサ１２の検出値は、対象ガスに含まれる分子によってセンサ１２に働く応力によって定まる。そして、複数の分子によってセンサ１２に働く応力は、個々の分子により生じる応力の線形和で表すことができると考えられる。ただし、分子によって生じる応力は、分子の種類によって異なると考えられる。即ち、センサ１２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。

そこで、センサ１２の検出値ｙ（ｔ）は、以下のように定式化できる。

ここで、γ_ｋとξ_ｋはいずれも、センサ１２の検出値に対する分子ｋの寄与を表す。なお、「立ち上がりの場合」とは、センサ１２を対象ガスに曝す場合を指し、「立ち下がりの場合」とはセンサから対象ガスを取り除く場合を指す。なお、センサから対象ガスを取り除く操作は、例えばセンサをパージガスと呼ばれるガスに曝すことで行われる。

ここで、対象ガスをセンシングしたセンサ１２から得た時系列データＹを上述の式（４）のように分解できれば、対象ガスに含まれる分子の種類や、各種類の分子が対象ガスに含まれる割合を把握することができる。すなわち、式（４）に示す分解によって、対象ガスの特徴を表すデータ、すなわち対象ガスの特徴量が得られる。

そこで、におい測定装置１０は、センサ１２によって出力された時系列データＹを取得し、以下の式（５）に示すように分解する。

ここで、θ_ｉは、センサ１２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。ξ_ｉは、センサ１２の検出値に対する特徴定数θ_ｉの寄与を表す寄与値である。

特徴定数θとしては、前述した速度定数βや、速度定数の逆数である時定数τを採用することができる。特徴定数θとしてβとτを使う場合それぞれについて、式（５）は、以下のように表すことができる。

以下、説明の便宜上、時系列データＹが式（６）で示されるものとする。図３に示すように、時系列データＹ（ｔ）は、各分子の成分の線形和として表すことができる。よって、対象ガス、すなわち対象物のにおいは、図３に示すように、におい分子を横軸にとり、各分子の寄与値ξを縦軸にとったグラフ（以下、「時定数スペクトラム」と呼ぶ。）により表すことができる。時定数スペクトラムにおいて、横軸は対象ガスに含まれるにおい分子の次元を示しており、縦軸は対象ガス中に各におい分子が含まれている割合、即ち、対象ガスのにおいを構成する各におい分子の割合を示している。よって、時定数スペクトラムの分析により、対象物のにおいがどのような成分により構成されているかを調べることができる。におい測定装置１０は、各対象物について、時定数スペクトラムをにおいデータとして出力する。なお、以下ではにおいデータの元データとして時定数スペクトラムを使用する場合を説明するが、元データとして、上述の時定数スペクトラムを生成する前の生の波形データを用いても構わない。

［データ拡張装置］
（基本原理）
上記のように、時定数スペクトラム（以下、「ＴＳ」とも呼ぶ。）は対象ガス中の各におい分子の割合を示すものであるので、機械学習などにより、においデータの特徴に基づいて対象物を予測するモデルを作ることができる。ここで、ＴＳは温度や湿度などの環境により変化するため、様々な環境での予測を可能とするには、温度や湿度が異なる環境毎ににおいデータを測定し、モデルを学習するための教師データを用意することが必要となる。しかし、あらゆる環境の教師データを測定により用意するには膨大な時間と労力を要する。そこで、特定の環境において測定により得られたにおいデータに対してデータ拡張を行い、温度や湿度が異なる環境におけるにおいデータを人工的に作成することにより、多数の教師データを用意する。

異なる環境において得られたＴＳの波形（以下、「ＴＳ波形」とも呼ぶ。）の変化を見ると、温度及び湿度の変化がＴＳ波形に与える影響を定性的に知ることができる。図４は、温度によるＴＳ波形の変化の例を示す。横軸はにおい分子の次元を示し、縦軸は各におい分子の割合ξを示す。図４は、湿度及びセンサ１２に与えるガスの流量（以下、「流量」とも呼ぶ。）を一定とし、温度を１５℃、２５℃、４０℃と変えた場合のＴＳ波形を示す。温度の上昇によりＴＳ波形のピークの速度定数βが上昇し、ピークの高さξは減少する。よって、温度の上昇により、ＴＳ波形は、横軸方向にシフトし、かつ、レベルが減少する。

図５は、湿度によるＴＳ波形の変化の例を示す。横軸はにおい分子の次元を示し、縦軸は各におい分子の割合ξを示す。図５の例では、温度及びガスの流量を一定とし、湿度を０％、１０％、４０％、７０％と変えた場合のＴＳ波形を示す。温度の場合と同様に、湿度の上昇により、ＴＳ波形は横軸方向にシフトし、かつ、レベルが減少する。

そこで、上記のような波形の変化を与える線形変換を求め、これを用いてにおいデータの元データから拡張データを生成する。具体的に、データ拡張装置２０は、温度又は湿度の変化に応じて、入力された元データのＴＳ波形を横軸方向にシフトし、かつ、レベルを変化させる線形変換を行って拡張データを生成する。

（ハードウェア構成）
図６は、データ拡張装置２０のハードウェア構成を示すブロック図である。図示のように、データ拡張装置２０は、入力ＩＦ（ＩｎｔｅｒＦａｃｅ）２１と、プロセッサ２２と、メモリ２３と、記録媒体２４と、データベース（ＤＢ）２５と、を備える。

入力ＩＦ２１は、においデータを入出力する。具体的に、入力ＩＦ２１は、ＤＢ５からにおいデータの元データを取得する際、及び、データ拡張装置２０が生成した拡張データをＤＢ５に保存する際に使用される。プロセッサ２２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのコンピュータであり、予め用意されたプログラムを実行することにより、データ拡張装置２０の全体を制御する。具体的に、プロセッサ２２は、後述するデータ拡張処理を実行する。

メモリ２３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などにより構成される。メモリ２３は、プロセッサ２２により実行される各種のプログラムを記憶する。また、メモリ２３は、プロセッサ２２による各種の処理の実行中に作業メモリとしても使用される。

記録媒体２４は、ディスク状記録媒体、半導体メモリなどの不揮発性で非一時的な記録媒体であり、データ拡張装置２０に対して着脱可能に構成される。記録媒体２４は、プロセッサ２２が実行する各種のプログラムを記録している。データ拡張装置２０が各種の処理を実行する際には、記録媒体２４に記録されているプログラムがメモリ２３にロードされ、プロセッサ２２により実行される。

ＤＢ２５は、入力ＩＦ２１を含む外部装置から入力されるデータを記憶する。具体的には、ＤＢ２５には、ＤＢ５から取得したにおいデータが一時的に記憶される。

（機能構成）
図７は、データ拡張装置の機能構成を示すブロック図である。データ拡張装置２０は、操作行列生成部３１と、データ拡張部３２と、を備える。操作行列生成部３１は、においデータの元データから拡張データを生成するための操作行列Ｏを生成する。データ拡張部３２は、においデータの元データと、操作行列Ｏとを用いて拡張データを生成する。

図８は、操作行列Ｏの一例を示す。操作行列Ｏは、特定の温度又は湿度で測定された元データに対して線形変換を施し、それと異なる温度又は湿度におけるにおいデータである拡張データを生成する。なお、便宜上、以下の説明は異なる温度における拡張データを生成する例とする。

いま、においデータの元データをｘ_ｏｌｄとし、操作行列をＯとし、拡張データをｘ_ｎｅｗとすると、拡張データは以下の式で得られる。
ｘ_ｎｅｗ＝Ｏｘ_ｏｌｄ
ここで、元データｘ_ｏｌｄ及び拡張データｘ_ｎｅｗはｄ×１次元のベクトル（行列）であり、操作行列Ｏはｄ×ｄ次元のベクトル（行列）である。

図８に示すように、操作行列Ｏは、対角成分より下の三角行列の要素が全て「０」である。操作行列Ｏの対角成分より上の各行の要素は、最初のｎ_ｉ列が「０」であり、次の列が「ａ_ｉ」であり、それ以降の列が「０」である。ここで、「ｎ_ｉ」は線形変換によるＴＳ波形の横軸方向へのシフト量を示し、「ａ_ｉ」はＴＳ波形のレベル変化率を示す。シフト量「ｎ_ｉ」とレベル変化率「ａ_ｉ」に適切な値を設定することにより、操作行列ＯによってＴＳ波形を横軸方向にシフトし、レベルを変化させる線形変換が行われる。

なお、操作行列Ｏには、図８に示す（１）～（３）の制限が与えられる。制限（１）は、操作行列Ｏの下の行ほどシフト量が大きくなることを示す。制限（２）は、速度定数βが小さいほどシフト量が大きくなることを示す。制限（３）は、レベル変化率ａ_ｉが「－∞～∞」の範囲内であることを示す。なお、制限（２）は必須ではなく、任意である。

図９は、操作行列Ｏを用いたデータ拡張の例を示す。図９（Ａ）は、におい測定装置１０により測定された元データであり、温度が１５℃、２５℃、４０℃の場合のＴＳ波形を示す。湿度と流量は一定である。図９（Ａ）の各ＴＳ波形を用いて、図９（Ｂ）に示すように、４０℃のＴＳ波形のピークの位置及び大きさが１５℃のＴＳ波形のピークの位置及び大きさと一致するように操作行列Ｏ_{４０→１５}を求める。即ち、４０℃のＴＳ波形をソースデータとし、１５℃のＴＳ波形を目標データとして操作行列Ｏ_{４０→１５}を求める。この場合、シフト量ｎ_{４０→１５}＝２、レベル変化率ａ_{４０→１５}＝２．５となる。同様に、２５℃のＴＳ波形のピークの位置及び大きさが１５℃のＴＳ波形のピークの位置及び大きさと一致するように操作行列Ｏ_{２５→１５}を求める。即ち、２５℃のＴＳ波形をソースデータとし、１５℃のＴＳ波形を目標データとして操作行列Ｏ_{２５→１５}を求める。この場合、シフト量ｎ_{２５→１５}＝１、レベル変化率ａ_{２５→１５}＝１．３となる。

次に、こうして得られた操作行列Ｏ_{４０→１５}、Ｏ_{２５→１５}を図９（Ｃ）に示す別の元データに適用して拡張データを生成する。図９（Ｃ）は、温度が１５℃、２５℃、４０℃の場合のＴＳ波形を示す。湿度と流量は一定である。図９（Ｄ）は、得られた拡張データの波形を示す。具体的に、図９（Ｄ）の１５℃のＴＳ波形は、図９（Ｃ）の１５℃のＴＳ波形と同一である。図９（Ｄ）の波形６１は、図９（Ｃ）の４０℃のＴＳ波形に操作行列Ｏ_{４０→１５}を乗算して得たものである。また、図９（Ｄ）の波形６２は、図９（Ｃ）の２５℃のＴＳ波形に操作行列Ｏ_{２５→１５}を乗算して得たものである。図９（Ｄ）に示すように、１５℃、２５℃、４０℃の各データのピークの位置及び大きさはほぼ一致している。よって、操作行列Ｏを用いた線形変換により、元データから、異なる温度の拡張データを生成できることがわかる。

図１０は、データ拡張の例を模式的に示す。まず、流量２０ｓｃｃｍの環境下で得られた１５℃、２５℃、４０℃のＴＳ波形を用いて操作行列Ｏ_{４０→１５}とＯ_{４０→２５}を生成する。次に、流量１０ｓｃｃｍの環境下で温度４０℃のＴＳ波形を測定し、それに上記の操作行列Ｏ_{４０→１５}とＯ_{２５→１５}を適用して温度１５℃と２５℃のＴＳ波形を生成する。これにより、流量１０ｓｃｃｍの温度１５℃と２５℃のＴＳ波形は、実際に測定を行うことなく、操作行列Ｏを用いた演算により生成することができる。

図１１は、データ拡張処理のフローチャートである。この処理は、図６に示すプロセッサ２２が予め用意されたプログラムを実行することにより実現される。まず、操作行列生成部３１は、特定の測定環境Ｅ１で測定された複数の温度Ａ、Ｂのにおいデータを取得する（ステップＳ１１）。次に、操作行列生成部３１は、温度Ａ、Ｂのにおいデータから、拡張データを生成するための操作行列Ｏ_Ａ→Ｂを生成する（ステップＳ１２）。そして、データ拡張部３２は、測定環境Ｅ１とは異なる測定環境Ｅ２で測定された温度Ａのにおいデータ（元データ）と、操作行列Ｏとを用いて、測定環境Ｅ２における温度Ｂのにおいデータ（拡張データ）を生成する（ステップＳ１３）。そして、処理は終了する。

次に、操作行列Ｏの生成方法について詳しく説明する。
（Ａ）第１の方法
第１の方法では、操作行列Ｏのシフト量ｎ_ｉ、レベル変化率ａ_ｉを全て同じ値とする。操作行列Ｏの生成に使用するソースデータをｘ_{ｓｏｕｒｃｅ}とし、目標データをｘ_{ｔａｒｇｅｔ}とすると、操作行列Ｏは、ソースデータｘ_{ｓｏｕｒｃｅ}と操作行列Ｏの積Ｏｘ_{ｓｏｕｒｃｅ}を目標データｘ_{ｔａｒｇｅｔ}に近づけるように生成される。

いま、差分ｄを以下のように定義し、差分ｄを最小にするようにＯ（ｎ，ａ）を求める。
ｄ＝｜｜ｘ_{ｔａｒｇｅｔ}－Ｏｘ_{ｓｏｕｒｃｅ}｜｜
なお、｜｜・｜｜はノルムを表す。

具体的には、まず、差分ｄの初期値ｄ_ｍｉｎを設定し、レベル変化率ａと差分ｄを以下の式で算出する。
ａ＝ａｒｇｍｉｎ｜｜ｘ_{ｔａｒｇｅｔ}－Ｏ（ｎ，ａ）ｘ_{ｓｏｕｒｃｅ}｜｜
ｄ＝｜｜ｘ_{ｔａｒｇｅｔ}－Ｏ（ｎ，ａ）ｘ_{ｓｏｕｒｃｅ}｜｜
そして、ｄ_ｍｉｎ＞ｄであれば、－ａ＝ａ、ｄ_ｍｉｎ＝ｄとする。
この処理を所定回数繰り返し、差分ｄが最小となるｎ，ａの組み合わせを求める。

なお、レベル変化率ａの式においては、レベル変化率ａの値が過大にならないよう、以下のように正則化項を加えてもよい。
ａ＝ａｒｇｍｉｎ｜｜ｘ_{ｔａｒｇｅｔ}－Ｏ（ｎ，ａ）ｘ_{ｓｏｕｒｃｅ}｜｜＋λ｜｜ａ｜｜
ここで、「λ」は任意の係数である。

（Ｂ）第２の方法
第２の方法では、操作行列Ｏのシフト量ｎ_ｉ、レベル変化率ａ_ｉを異なる値とする。操作行列Ｏの生成に使用するソースデータをｘ_{ｓｏｕｒｃｅ}とし、目標データをｘ_{ｔａｒｇｅｔ}とすると、操作行列Ｏは、ソースデータｘ_{ｓｏｕｒｃｅ}と操作行列Ｏの積Ｏｘ_{ｓｏｕｒｃｅ}を目標データｘ_{ｔａｒｇｅｔ}に近づけるように生成される。

第１の方法と同様に、差分ｄを以下のように定義する。
ｄ＝｜｜ｘ_{ｔａｒｇｅｔ}－Ｏｘ_{ｓｏｕｒｃｅ}｜｜
なお、｜｜・｜｜はノルムを表す。そして、差分ｄを「０」にするようにＯ（ｎ，ａ）を求め、パラメータΣ_ｉ｜ａ_ｉ｜が最小となるｎを求める。なお、第２の方法では、シフト量ｎ、レベル変化率ａはともにベクトルである（ｉによって異なってもよい。）。

第２の方法では、ｘ_{ｔａｒｇｅｔ}の次元だけレベル変化率ａがあるので、ノルムを「０」にできても解が一意に決まらない。よって、シフト量ｎを列挙して、パラメータΣ_ｉ｜ａ_ｉ｜が最小となるｎを求める。この際、シフト量ｎについては、実際のＴＳ波形に基づいて現実的な範囲を定め、その範囲で探索を行えばよい。

（変形例）
次に、第１実施形態の変形例について説明する。変形例では、操作行列Ｏのレベル変化率ａに重みを追加する。図１２は、変形例に係る操作行列Ｏを説明する図である。図示のように、レベル変化率ａ_ｉに重みｗ_ｉを乗算する。操作行列Ｏにおいて、レベル変化率ａを変えることにより、ソースデータと操作行列の積Ｏｘ_{ｓｏｕｒｃｅ}を目標データｘ_{ｔａｒｇｅｔ}に近づけることができるが、必ずしもソースデータと操作行列の積を目標データの波形と完全に一致させる必要はない。よって、目標データの波形のどの部分を正確に一致させ、どの部分は多少ずれてもよいかを予め決めておく。そして、目標データの波形の部分のうち、正確に一致させたい部分（以下、「注目部分」とも呼ぶ。）の一致度合が高くなるように、重みｗを調整する。例えば、目標データのピークの部分が重要な意味を有し、そこを注目部分とする場合、ＴＳ波形のピーク部分においてソースデータと操作行列の積Ｏｘ_{ｓｏｕｒｃｅ}が目標データｘ_{ｔａｒｇｅｔ}に正確に一致するように重みｗが決定される。これにより、ＴＳ波形における注目部分を正確に表現した拡張データを生成することが可能となる。

図１３は、変形例に係るデータ拡張装置２０ｘの機能構成を示すブロック図である。データ拡張装置２０ｘは、操作行列生成部３１と、データ拡張部３２と、予測モデル作成部３３と、を備える。操作行列生成部３１は、特定の測定環境で測定された複数の温度のにおいデータから、操作行列Ｏを生成する。なお、この操作行列Ｏは、図１２に示したように重みｗを用いるものである。データ拡張部３２は、別の測定環境で測定された元データと、操作行列Ｏとを用いて、その測定環境における別の温度の拡張データを生成する。

予測モデル作成部３３は、機械学習などを用いて、においデータから、対象物などを予測する予測モデルを作成する。具体的には、予測モデル作成部３３は、元データと、データ拡張部３２で生成された拡張データとを用いて、予測モデルを学習する。この際、予測モデル作成部３３は、においデータに基づく予測において重要な部分、即ち、ＴＳ波形の注目部分を示す重みＷｍを生成する。例えば、予測モデルが線形モデルである場合には、この重みＷｍとして予測モデルの係数を用いることができる。重みＷｍは操作行列生成部３１に入力される。

操作行列生成部３１は、予測モデル作成部３３から入力された重みＷｍを正規化し、図１２に示す操作行列Ｏの重みｗに設定する。そして、操作行列生成部３１は、設定された重みｗを用いて、拡張データを生成し、予測モデル作成部３３に出力する。予測モデル作成部３３は、新たに入力された拡張データを用いて学習を行い、予測モデルの重みＷｍを更新する。こうして、データ拡張装置２０ｘは、上記の処理を所定の収束条件が具備されるまで繰り返し、収束条件が具備された時点における操作行列Ｏの重みｗを採用する。

上記の変形例によれば、においデータを用いた予測において重要な意味を有する注目部分の特徴を拡張データに継承することができる。

［第２実施形態］
図１４は、第２実施形態に係るデータ生成装置の機能構成を示すブロック図である。第２実施形態のデータ生成装置５０は、取得部５１と、生成部５２と、を備える。取得部５１は、特定の環境において測定されたにおいデータである元データを取得する。生成部５２は、元データに対して線形変換を行い、上記の環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する。

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）
特定の環境において測定されたにおいデータである元データを取得する取得部と、
前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する生成部と、
を備えるデータ生成装置。

（付記２）
前記においデータは、複数のにおい分子の各々が含まれる割合を示す波形により対象物のにおいの特徴を表現し、
前記波形は、横軸に前記複数のにおい分子を示し、縦軸に各におい分子の割合を示し、
前記生成部は、前記元データの波形を線形変換して前記拡張データを生成する請求項１に記載のデータ生成装置。

（付記３）
前記線形変換は、前記元データの波形を横軸方向にシフトし、かつ、レベルを変化させる請求項２に記載のデータ生成装置。

（付記４）
前記生成部は、前記元データの波形を示すベクトルに、前記線形変換を示す操作行列を乗算して前記拡張データを示すベクトルを生成する請求項３に記載のデータ生成装置。

（付記５）
前記操作行列は、前記元データの波形を示すベクトルの各要素を同一シフト量でシフトし、かつ、同一のレベル変化率でレベル変化させる請求項４に記載のデータ生成装置。

（付記６）
前記操作行列は、前記元データの波形を示すベクトルの各要素を、同一又は異なるシフト量でシフトし、かつ、同一又は異なるレベル変化率でレベル変化させる請求項４に記載のデータ生成装置。

（付記７）
前記操作行列は、前記元データを示すベクトルの各要素を、同一又は異なるシフト量でシフトし、かつ、同一又は異なる重みで重み付けしたレベル変化率でレベル変化させる請求項４に記載のデータ生成装置。

（付記８）
前記元データ及び前記拡張データを用いて、においデータから対象物を予測する予測モデルを作成する予測モデル作成部と、
前記予測モデルの重みに基づいて、前記レベル変化率を重み付けする重みを決定する重み決定部と、
を備える請求項７に記載のデータ生成装置。

（付記９）
特定の環境において測定されたにおいデータである元データを取得し、
前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成するデータ生成方法。

（付記１０）
特定の環境において測定されたにおいデータである元データを取得し、
前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する処理をコンピュータに実行させるプログラムを記録した記録媒体。

以上、実施形態及び実施例を参照して本発明を説明したが、本発明は上記実施形態及び実施例に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

５、６ データベース（ＤＢ）
１０ におい測定装置
１２ センサ
２０、２０ｘ データ拡張装置
２２ プロセッサ
２３ メモリ
３１ 操作行列生成部
３２ データ拡張部
３３ 予測モデル作成部

Claims (10)

1. 特定の環境において測定されたにおいデータである元データを取得する取得手段と、
   前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する生成手段と、
   を備えるデータ生成装置。
2. 前記においデータは、複数のにおい分子の各々が含まれる割合を示す波形により対象物のにおいの特徴を表現し、
   前記波形は、横軸に前記複数のにおい分子を示し、縦軸に各におい分子の割合を示し、
   前記生成手段は、前記元データの波形を線形変換して前記拡張データを生成する請求項１に記載のデータ生成装置。
3. 前記線形変換は、前記元データの波形を横軸方向にシフトし、かつ、レベルを変化させる請求項２に記載のデータ生成装置。
4. 前記生成手段は、前記元データの波形を示すベクトルに、前記線形変換を示す操作行列を乗算して前記拡張データを示すベクトルを生成する請求項３に記載のデータ生成装置。
5. 前記操作行列は、前記元データの波形を示すベクトルの各要素を同一シフト量でシフトし、かつ、同一のレベル変化率でレベル変化させる請求項４に記載のデータ生成装置。
6. 前記操作行列は、前記元データの波形を示すベクトルの各要素を、同一又は異なるシフト量でシフトし、かつ、同一又は異なるレベル変化率でレベル変化させる請求項４に記載のデータ生成装置。
7. 前記操作行列は、前記元データを示すベクトルの各要素を、同一又は異なるシフト量でシフトし、かつ、同一又は異なる重みで重み付けしたレベル変化率でレベル変化させる請求項４に記載のデータ生成装置。
8. 前記元データ及び前記拡張データを用いて、においデータから対象物を予測する予測モデルを作成する予測モデル作成手段と、
   前記予測モデルの重みに基づいて、前記レベル変化率を重み付けする重みを決定する重み決定手段と、
   を備える請求項７に記載のデータ生成装置。
9. 特定の環境において測定されたにおいデータである元データを取得し、
   前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成するデータ生成方法。
10. 特定の環境において測定されたにおいデータである元データを取得し、
    前記元データに対して線形変換を行い、前記環境と温度又は湿度が異なる環境におけるにおいデータである拡張データを生成する処理をコンピュータに実行させるプログラム。

Images