JP7444187B2 - モデル作成装置及びモデル作成方法 - Google Patents
モデル作成装置及びモデル作成方法 Download PDFInfo
- Publication number
- JP7444187B2 JP7444187B2 JP2022047089A JP2022047089A JP7444187B2 JP 7444187 B2 JP7444187 B2 JP 7444187B2 JP 2022047089 A JP2022047089 A JP 2022047089A JP 2022047089 A JP2022047089 A JP 2022047089A JP 7444187 B2 JP7444187 B2 JP 7444187B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- time series
- learning
- series data
- frequency
- 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 29
- 238000010801 machine learning Methods 0.000 claims description 140
- 238000012545 processing Methods 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Feedback Control In General (AREA)
Description
車両が走行中に測定された前記車両の走行中の時系列データを学習用時系列データとして取得する学習用時系列データ取得部と、
前記学習用時系列データに関する発生頻度分布を示すデータを学習用頻度データとして取得する学習用頻度データ取得部と、
前記学習用時系列データと、前記学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルを作成するモデル作成部と、
前記機械学習モデルから出力される前記生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得る生成頻度データ取得部と、
前記生成時系列データと前記学習用時系列データとの差分、及び、前記生成頻度データと前記学習用頻度データとの差分を、前記重み付け処理のために前記機械学習モデルに出力する差分算出部と、
を備える。
車両が走行中に測定された前記車両の走行中の時系列データから前記時系列データに関する発生頻度分布を示す頻度データを取得する頻度データ取得部と、
学習用時系列データと、前記学習用時系列データに関する発生頻度分布を示す学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルを作成するモデル作成部と、前記機械学習モデルから出力される前記生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得る生成頻度データ取得部と、前記生成時系列データと前記学習用時系列データとの差分、及び、前記生成頻度データと前記学習用頻度データとの差分を、前記重み付け処理のために前記機械学習モデルに出力する差分算出部と、を有するモデル作成装置に、前記頻度データを入力することにより、前記頻度データに対応する時系列データである生成時系列データを生成するデータ生成部と、
を備える。
コンピューターが実行するモデル作成方法であって、
車両が走行中に測定された前記車両の走行中の時系列データを学習用時系列データとして取得するステップと、
前記学習用時系列データに関する発生頻度分布を示すデータを学習用頻度データとして取得するステップと、
前記学習用時系列データと、前記学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルを作成するステップと、
前記機械学習モデルから出力される前記生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得るステップと、
前記生成時系列データと前記学習用時系列データとの差分、及び、前記生成頻度データと前記学習用頻度データとの差分を、前記機械学習モデルにフィードバックすることで前記機械学習モデルの重みを更新するステップと、
を含む。
コンピューターが実行するデータ生成方法であって、
車両が走行中に測定された前記車両の走行中の時系列データから前記時系列データに関する発生頻度分布を示す頻度データを取得するステップと、
学習用時系列データと、前記学習用時系列データに関する発生頻度分布を示す学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルを作成するステップと、前記機械学習モデルから出力される前記生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得るステップと、前記生成時系列データと前記学習用時系列データとの差分、及び、前記生成頻度データと前記学習用頻度データとの差分を、前記機械学習モデルにフィードバックすることで前記機械学習モデルの重みを更新するステップと、を含む処理を行うことで作成された前記機械学習モデルに、前記頻度データを入力することにより、前記頻度データに対応する時系列データである生成時系列データを生成するステップと、
を含む。
この結果、機械学習モデルを用いて頻度データから時系列データを生成する場合に、機械学習モデルの構造を変更しなくとも、学習用時系列データに対する生成時系列データの再現度を向上させることができるようになる。
図1及び図2は、データ生成システムSの概要を説明するための図である。データ生成システムSは、車両Tにおいて測定された各種のパラメータの頻度データに基づいて、当該パラメータの時系列データを生成するためのシステムである。データ生成システムSは、データ収集装置1及びデータ生成装置2を備えている。データ生成装置2は、機械学習モデルを用いて、頻度データに基づいて時系列データを生成する装置である。データ生成装置2は、機械学習モデルを作成するモデル作成装置としても機能する。当該機械学習モデルは、例えば条件付VAE(Variational Auto Encoder)又は条件付GAN(Generative Adversarial Networks)を含んで構成されている。
図4は、データ生成装置2の構成を示す図である。データ生成装置2は、通信部21と、記憶部22と、制御部23と、を有する。制御部23は、学習用時系列データ取得部231と、学習用頻度データ取得部232と、生成用頻度データ取得部233と、データ出力部234と、モデル作成部235と、データ生成部236とを有する。
図5Aは、機械学習モデルMの一例として、条件付きVAEにより構成される機械学習モデルMをモデル作成部235が作成する処理の概要を示す図である。図5Bは、データ生成部236が機械学習モデルMを用いて生成時系列データを生成する過程を示す図である。
図6は、データ生成装置2における処理の流れを示すフローチャートである。図6に示すフローチャートは、データ生成装置2が機械学習モデルMの作成を開始する指示を受けた時点から開始される。
以上説明したように、本実施の形態のモデル作成装置(制御部23)は、車両Tが走行中に測定された車両Tの走行中の時系列データを学習用時系列データとして取得する学習用時系列データ取得部231と、学習用時系列データに関する発生頻度分布を示すデータを学習用頻度データとして取得する学習用頻度データ取得部232と、学習用時系列データと、学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルMを作成するモデル作成部235と、機械学習モデルMから出力される生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得る生成頻度データ取得部300と、生成時系列データと学習用時系列データとの差分、及び、生成頻度データと学習用頻度データとの差分を、重み付け処理のために機械学習モデルMに出力する差分算出部400と、を備える。
2 データ生成装置
21 通信部
22 記憶部
23 制御部
231 時系列データ取得部
232 学習用頻度データ取得部
233 生成用頻度データ取得部
234 データ出力部
235 モデル作成部
236 データ生成部
300 生成頻度データ取得部
400 差分算出部
M 機械学習モデル
S データ生成システム
T 車両
Claims (3)
- 車両が走行中に測定された前記車両の走行中の時系列データを学習用時系列データとして取得する学習用時系列データ取得部と、
前記学習用時系列データに関する発生頻度分布を示すデータを学習用頻度データとして取得する学習用頻度データ取得部と、
前記学習用時系列データと、前記学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルを作成するモデル作成部と、
前記機械学習モデルから出力される前記生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得る生成頻度データ取得部と、
前記生成時系列データと前記学習用時系列データとの差分、及び、前記生成頻度データと前記学習用頻度データとの差分を、前記重み付け処理のために前記機械学習モデルに出力する差分算出部と、
を備えるモデル作成装置。 - 前記学習用時系列データは、前記車両の速度の時系列データであり、
前記学習用頻度データは、前記車両の速度の時系列データにおける速度又は加速度の発生頻度分布を示すデータである、
請求項1に記載のモデル作成装置。 - コンピューターが実行するモデル作成方法であって、
車両が走行中に測定された前記車両の走行中の時系列データを学習用時系列データとして取得するステップと、
前記学習用時系列データに関する発生頻度分布を示すデータを学習用頻度データとして取得するステップと、
前記学習用時系列データと、前記学習用頻度データと、を教師データとして差分に基づく重み付け処理を用いて機械学習することにより、頻度データが入力されたことに応じて生成時系列データを出力する機械学習モデルを作成するステップと、
前記機械学習モデルから出力される前記生成時系列データの発生頻度分布を示す頻度データを生成頻度データとして得るステップと、
前記生成時系列データと前記学習用時系列データとの差分、及び、前記生成頻度データと前記学習用頻度データとの差分を、前記機械学習モデルにフィードバックすることで前記機械学習モデルの重みを更新するステップと、
を含むモデル作成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022047089A JP7444187B2 (ja) | 2022-03-23 | 2022-03-23 | モデル作成装置及びモデル作成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022047089A JP7444187B2 (ja) | 2022-03-23 | 2022-03-23 | モデル作成装置及びモデル作成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023140988A JP2023140988A (ja) | 2023-10-05 |
JP7444187B2 true JP7444187B2 (ja) | 2024-03-06 |
Family
ID=88206567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022047089A Active JP7444187B2 (ja) | 2022-03-23 | 2022-03-23 | モデル作成装置及びモデル作成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7444187B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021051640A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051638A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 |
JP2021051639A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051642A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051641A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル評価装置及びモデル評価方法 |
JP2021051637A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 |
-
2022
- 2022-03-23 JP JP2022047089A patent/JP7444187B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021051640A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051638A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 |
JP2021051639A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051642A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP2021051641A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル評価装置及びモデル評価方法 |
JP2021051637A (ja) | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2023140988A (ja) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7230755B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7163893B2 (ja) | モデル評価装置及びモデル評価方法 | |
JP7230754B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7226226B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
JP7243553B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
JP7163894B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7409420B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
Li et al. | A new microscopic traffic model using a spring-mass-damper-clutch system | |
JP7444187B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7447926B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7447925B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7400856B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
JP7400855B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
CN116541106A (zh) | 计算任务卸载方法、计算设备及存储介质 | |
JP7409421B2 (ja) | モデル作成装置及びモデル作成方法 | |
JP7487759B2 (ja) | モデル作成装置、データ生成装置、モデル作成方法及びデータ生成方法 | |
JP7468726B1 (ja) | データ生成装置及びデータ生成方法 | |
KR20190118766A (ko) | 추론을 위한 제한된 볼츠만 머신 구축 방법 및 추론을 위한 제한된 볼츠만 머신을 탑재한 컴퓨터 장치 | |
US20230133009A1 (en) | Learning Data Generation Device, Learning Device, Control Device, Learning Data Generation Method, Learning Method, Control Method, Learning Data Generation Program, Learning Program, and Control Program | |
KR102365450B1 (ko) | 심층 지표 학습 방법 및 시스템 | |
CN116783561A (zh) | 机器学习装置 | |
KR102187830B1 (ko) | 뉴럴 네트워크 하드웨어 | |
Elbarougy et al. | Optimizing fuzzy inference systems for improving speech emotion recognition | |
JP2020154925A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
EP3958180A1 (en) | Method for determining an indicator of a technical system, determination unit and construction system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220926 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231221 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240205 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7444187 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |