JP7489876B2 - モデル解析装置、モデル解析方法、及びプログラム - Google Patents
モデル解析装置、モデル解析方法、及びプログラム Download PDFInfo
- Publication number
- JP7489876B2 JP7489876B2 JP2020150586A JP2020150586A JP7489876B2 JP 7489876 B2 JP7489876 B2 JP 7489876B2 JP 2020150586 A JP2020150586 A JP 2020150586A JP 2020150586 A JP2020150586 A JP 2020150586A JP 7489876 B2 JP7489876 B2 JP 7489876B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- processing elements
- equivalent
- processing
- equivalent model
- 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
- 238000004458 analytical method Methods 0.000 title claims description 157
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000005457 optimization Methods 0.000 claims description 84
- 238000000034 method Methods 0.000 claims description 83
- 239000011159 matrix material Substances 0.000 claims description 63
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 20
- 238000013500 data storage Methods 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000012854 evaluation process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、第1の実施形態によるモデル解析装置1の一例を示すブロック図である。
図1に示すように、モデル解析装置1は、入力部11と、表示部12と、記憶部13と、制御部20とを備えている。モデル解析装置1は、例えば、ディープニューラルネットワークなどの深層学習を用いて生成された解析対象の予測モデル(以下、解析対象モデルという)と同等の動作を行い、構造解析可能な等価モデルを生成して、解析対象モデルを解析(翻訳)する装置である。
図2に示すように、解析対象モデルは、例えば、深層学習を用いて生成された予測モデルであり、入力データ(入力信号)から、出力データ(出力信号)を推定する。解析対象モデルは、構成するシステム構造がブラックボックス化されており、入力データ(入力信号)に対する演算処理の過程を把握することができないものとする。
表示部12は、例えば、液晶ディスプレイなどの表示装置であり、モデル解析装置1が利用する各種情報を表示する。表示部12は、例えば、モデル解析のための設定画面の表示や、生成した等価モデルの表示などに用いられる。
具体的に、要素記憶部131には、例えば、図3及び図4に示すような処理要素が、予め記憶されている。
なお、本実施形態で用いる処理要素は、後述する格子状に配置されたマトリックス構造を構成する処理要素が、行方向(X方向)か、又は行方向(X方向)と列方向(Y方向)との2方向から信号を入力する構成となっている。
また、図3及び図4に示す具体例では、処理要素を回路要素と演算要素とに区別して各種取り揃えている。ここで、回路要素は、信号の伝送経路を構成する経路要素である。
なお、これらの図に示した処理要素の中には、「a」や「b」の係数で示されたパラメータを含むものと、含まないものが混在している。例えば、経路要素、乗算器(MP)、符号関数(SGN)、アークサイン(ASIN)、アークコサイン(ACOS)、及びアークタンジェント(ATAN)の処理要素は、パラメータを含んでいない。
入出力データ記憶部133は、解析対象モデルに対して入力した入力データと、当該入力データに対する解析対象モデルによる出力データとを対応付けて記憶する。なお、入出力データ記憶部133が記憶する入力データ及び出力データは、等価モデルを生成する際の学習データとして使用される。
図5(a)に示すように、等価モデルは、入力端子部IN1と、要素マトリックスM1と、出力端子部OUT1とを備えている。
図6(a)及び図6(b)は、入力端子部IN1の構成例を示し、図6(c)~図6(e)は、出力端子部OUT1の構成例を示している。
また、等価モデル生成部23は、初期モデル生成処理部231と、最適化処理部232とを備える。
図7は、本実施形態によるモデル解析装置1の動作の一例を示すフローチャートである。ここでは、予め解析対象モデルが指定されており、入出力データ記憶部133には、既に、解析対象モデルの入力データ及び出力データが記憶されているものとする。
例えば、図8に示す等価モデルは、要素マトリックスM1を2行×3列で構成する場合の一例を示している。図8(a)は、解析結果記憶部134が記憶する等価モデルの一例を示し、図8(b)は、解析結果記憶部134が記憶する等価モデルを、処理要素及びパラメータ値に基づいて、処理の流れを図示したものである。
これにより、本実施形態によるモデル解析装置1は、遺伝的アルゴリズムを利用することで、等価モデルを効率よく等価モデルを最適化することができる。
これにより、本実施形態によるモデル解析装置1は、解析対象モデル(予測モデル)と等価な高精度の等価モデルを生成することができる。
これにより、本実施形態によるモデル解析方法は、上述したモデル解析装置1と同様の効果を奏し、解析対象モデル(予測モデル)のシステム構造を把握することができる。
次に、図面を参照して、第2の実施形態によるモデル解析装置1aについて説明する。
本実施形態では、モデル解析装置1aが、階層的に等価モデルを生成する場合の一例について説明する。
図9に示すように、モデル解析装置1aは、入力部11と、表示部12と、記憶部13と、制御部20aとを備えている。
なお、この図において、上述した図1と同一の構成には同一の符号を付与して、その説明を省略する。
本実施形態による階層的に等価モデルを生成する手法(追加最適化処理)では、例えば、図10(a)に構成要素SEを格子状に配列した要素マトリックスM1のような等価モデルを最終的に生成する場合に、等価モデル生成部23aは、まず、要素マトリックスM1の1行目に相当する第1の階層M1-1を最適化する(図10(b)参照)。
また、等価モデル生成部23aは、初期モデル生成処理部231と、最適化処理部232と、追加最適化処理部233とを備える。
図11は、本実施形態によるモデル解析装置1aの動作の一例を示すフローチャートである。ここでは、上述した図7に示す例と同様に、予め解析対象モデルが指定されており、入出力データ記憶部133には、既に、解析対象モデルの入力データ及び出力データが記憶されているものとする。
これにより、本実施形態によるモデル解析装置1aは、第1の実施形態と同様の効果を奏し、解析対象モデル(予測モデル)のシステム構造を把握することができる。
図12に示す等価モデルは、5行×4列の要素マトリックスM1の構造であり、第1の階層モデルP1(s)~第5の階層モデルP5(s)の5段階に抽象化した等価モデルである。この場合、モデル精度は、第1の階層モデルP1(s)よりも第5の階層モデルP5(s)の方が高く、階層化が多い程、モデル精度は高くなる。また、モデルへの寄与度は、第5の階層モデルP5(s)よりも第1の階層モデルP1(s)の方が高く、階層化が低い程、モデルへの寄与度が高くなる。
例えば、上記の各実施形態において、モデル解析装置1(1a)が、対象モデル記憶部132及び対象モデル処理部22を備える例を説明したが、これに限定されるものではない。モデル解析装置1(1a)は、解析対象モデルの入力データ及び出力データを取得できればよく、対象モデル記憶部132及び対象モデル処理部22を備えない形態であってもよい。
11 入力部
12 表示部
13 記憶部
20、20a 制御部
21 設定処理部
22 対象モデル処理部
23、23a 等価モデル生成部
24 表示処理部
131 要素記憶部
132 対象モデル記憶部
133 入出力データ記憶部
134 解析結果記憶部
231 初期モデル生成処理部
232 最適化処理部
233 追加最適化処理部
M1 要素マトリックス
IN1 入力端子部
OUT1 出力端子部
SE 構成要素
Claims (9)
- 機械学習によるモデル生成方法を用いて生成された入力データから出力データを予測する予測モデルを解析するモデル解析装置であって、
入力に対して所定の処理を行う処理要素と、当該処理要素が処理する際に用いるパラメータの取り得る範囲を規定したパラメータ要素とを対応付けて、複数種類の前記処理要素を記憶する要素記憶部と、
前記予測モデルに対する入力データ及び出力データを学習データとして、前記入力データに対して前記出力データが出力されるように、前記要素記憶部が記憶する複数種類の前記処理要素のうちから、選択した前記処理要素の組み合わせ、及び選択した前記処理要素に対応する前記パラメータ要素の前記取り得る範囲内のパラメータ値を決定して、前記予測モデルと等価の処理を行う等価モデルを生成する等価モデル生成部と
を備えることを特徴とするモデル解析装置。 - 前記等価モデル生成部は、
前記要素記憶部が記憶する複数種類の前記処理要素のうちから、前記処理要素及び前記パラメータ値を選択して初期モデルを生成する初期モデル生成処理と、
前記初期モデルの前記処理要素の組み合わせ及び前記パラメータ値を変更して、前記入力データに対して前記出力データが出力されるように、最適化して前記等価モデルを生成する最適化処理と
を実行する
ことを特徴とする請求項1に記載のモデル解析装置。 - 前記等価モデル生成部は、
前記処理要素を格子状に配置したマトリックス構造であって、予め指定されたマトリックス構造に当てはめて、前記要素記憶部が記憶する複数種類の前記処理要素のうちから、前記処理要素及び前記パラメータ値を選択して初期モデルを生成する初期モデル生成処理と、
前記初期モデルの前記処理要素の組み合わせ及び前記パラメータ値を変更して、前記入力データに対して前記出力データが出力されるように、最適化して前記等価モデルを生成する最適化処理と
を実行する
ことを特徴とする請求項2に記載のモデル解析装置。 - 前記等価モデル生成部は、
前記マトリックス構造が拡張された場合に、拡張前の前記マトリックス構造の前記処理要素の組み合わせ及び前記パラメータ値を維持しつつ、拡張された部分の前記処理要素の組み合わせ及び前記パラメータ値を選択し、前記入力データに対して前記出力データが出力されるように、最適化して前記等価モデルを生成する追加最適化処理を実行する
ことを特徴とする請求項3に記載のモデル解析装置。 - 前記等価モデル生成部は、
前記追加最適化処理を前記マトリックス構造の複数階層に対して実行し、階層的に抽象化した前記等価モデルを生成する
ことを特徴とする請求項4に記載のモデル解析装置。 - 前記等価モデル生成部は、
前記予測モデルにおける前記入力データに対する前記出力データと、前記等価モデルにおける前記入力データに対する出力データとの差が最小になるように、前記処理要素の組み合わせ及び前記パラメータ値を決定する
ことを特徴とする請求項1から請求項5のいずれか一項に記載のモデル解析装置。 - 前記等価モデル生成部は、
遺伝的アルゴリズムに基づいて、前記処理要素の組み合わせ及び前記パラメータ値を変更して、前記最適化処理を実行する
ことを特徴とする請求項2から請求項5のいずれか一項に記載のモデル解析装置。 - 機械学習によるモデル生成方法を用いて生成された入力データから出力データを予測する予測モデルを解析するモデル解析方法であって、
等価モデル生成部が、前記予測モデルに対する入力データ及び出力データを学習データとして、前記入力データに対して前記出力データが出力されるように、入力に対して所定の処理を行う処理要素と、当該処理要素が処理する際に用いるパラメータの取り得る範囲を規定したパラメータ要素とを対応付けて、複数種類の前記処理要素を記憶する要素記憶部が記憶する複数種類の前記処理要素のうちから、選択した前記処理要素の組み合わせ、及び選択した前記処理要素に対応する前記パラメータ要素の前記取り得る範囲内のパラメータ値を決定して、前記予測モデルと等価の処理を行う等価モデルを生成する等価モデル生成ステップ
を含むことを特徴とするモデル解析方法。 - 入力に対して所定の処理を行う処理要素と、当該処理要素が処理する際に用いるパラメータの取り得る範囲を規定したパラメータ要素とを対応付けて、複数種類の前記処理要素を記憶する要素記憶部を備え、機械学習によるモデル生成方法を用いて生成された入力データから出力データを予測する予測モデルを解析するモデル解析装置のコンピュータに、
前記予測モデルに対する入力データ及び出力データを学習データとして、前記入力データに対して前記出力データが出力されるように、前記要素記憶部が記憶する複数種類の前記処理要素のうちから、選択した前記処理要素の組み合わせ、及び選択した前記処理要素に対応する前記パラメータ要素の前記取り得る範囲内のパラメータ値を決定して、前記予測モデルと等価の処理を行う等価モデルを生成する等価モデル生成処理を
実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020150586A JP7489876B2 (ja) | 2020-09-08 | 2020-09-08 | モデル解析装置、モデル解析方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020150586A JP7489876B2 (ja) | 2020-09-08 | 2020-09-08 | モデル解析装置、モデル解析方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022045087A JP2022045087A (ja) | 2022-03-18 |
JP7489876B2 true JP7489876B2 (ja) | 2024-05-24 |
Family
ID=80682024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020150586A Active JP7489876B2 (ja) | 2020-09-08 | 2020-09-08 | モデル解析装置、モデル解析方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7489876B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230702A (ja) | 2014-06-06 | 2015-12-21 | 株式会社リコー | 処理フロー生成装置、処理フロー生成方法、処理フロー生成プログラム、情報処理装置の製造方法及び情報処理プログラムの製造方法 |
JP2020201685A (ja) | 2019-06-10 | 2020-12-17 | 株式会社東京自働機械製作所 | システム設計装置とその方法 |
-
2020
- 2020-09-08 JP JP2020150586A patent/JP7489876B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015230702A (ja) | 2014-06-06 | 2015-12-21 | 株式会社リコー | 処理フロー生成装置、処理フロー生成方法、処理フロー生成プログラム、情報処理装置の製造方法及び情報処理プログラムの製造方法 |
JP2020201685A (ja) | 2019-06-10 | 2020-12-17 | 株式会社東京自働機械製作所 | システム設計装置とその方法 |
Non-Patent Citations (3)
Title |
---|
Riccardo Guidotti et al.,A Survey Of Methods For Explaining Black Box Models,[online],2018年02月06日,[retrieved on 2024.04.11], Retrieved from the Internet: <URL: https://arxiv.org/pdf/1802.01933v1.pdf> |
Rikard Konig et al.,G-REX: A Versatile Framework for Evolutionary Data Mining,[online],2008年12月19日, [retrieved on 2024.04.11], Retrieved from the Internet: <URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4734030> |
安藤 晋 外,可変長遺伝子を用いたアナログ回路の進化,電子情報通信学会技術研究報告 Vol.99 No.95,1999年05月27日,pp. 25-32 |
Also Published As
Publication number | Publication date |
---|---|
JP2022045087A (ja) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Knowles | ParEGO: A hybrid algorithm with on-line landscape approximation for expensive multiobjective optimization problems | |
US20200143005A1 (en) | Resolving opaqueness of complex machine learning applications | |
Morais et al. | ℋ∞ state feedback control for MJLS with uncertain probabilities | |
US20220405440A1 (en) | Systems and methods for generating reduced order models | |
US20230268035A1 (en) | Method and apparatus for generating chemical structure using neural network | |
Kovalchuk et al. | A conceptual approach to complex model management with generalized modelling patterns and evolutionary identification | |
CN114707358B (zh) | 离子阱量子门保真度优化方法及装置、电子设备和介质 | |
Krestinskaya et al. | Automating analogue AI chip design with genetic search | |
He et al. | Reinforcement learning driven physical synthesis | |
JP7489876B2 (ja) | モデル解析装置、モデル解析方法、及びプログラム | |
JP7036128B2 (ja) | 制御装置、制御方法およびプログラム | |
JP7439289B2 (ja) | 最適化パラメータセットを用いた技術システムの製造または制御 | |
US11687696B2 (en) | Semiconductor design automation system and computing system including the same | |
JP2007310873A (ja) | パラメータ抽出方法及び当該パラメータ抽出方法を実行させるプログラムを具備するコンピュータ読み取り可能な記憶媒体 | |
US20110257943A1 (en) | Node-based transient acceleration method for simulating circuits with latency | |
JP2021135683A (ja) | 学習装置、推論装置、学習方法及び推論方法 | |
JP5509952B2 (ja) | シミュレーション方法、シミュレーション装置、プログラム、及び記憶媒体 | |
JP7444804B2 (ja) | 制御方法およびサンプリング装置 | |
EP3792833A2 (en) | Reservoir computer, reservoir designing method, and reservoir designing program | |
Smith | Data Driven Surrogate Models for Faster SPICE Simulation of Power Supply Circuits | |
JP7470019B2 (ja) | 情報処理システム | |
US8788992B2 (en) | Circuit design support method, circuit design support apparatus, and computer product | |
WO2023199413A1 (ja) | 機械学習プログラム、機械学習方法および情報処理装置 | |
US20220308837A1 (en) | Optimization method, information processing apparatus, and system using the same | |
Pascu et al. | Efficient Multi-Objective Optimization for PVT Variation-Aware Circuit Sizing Using Surrogate Models and Smart Corner Sampling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20201016 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20201016 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230711 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240409 |
|
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: 20240416 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240514 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7489876 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |