JPWO2020003532A1 - 学習モデル作成支援装置、学習モデル作成支援方法、及びプログラム - Google Patents
学習モデル作成支援装置、学習モデル作成支援方法、及びプログラム Download PDFInfo
- Publication number
- JPWO2020003532A1 JPWO2020003532A1 JP2020527161A JP2020527161A JPWO2020003532A1 JP WO2020003532 A1 JPWO2020003532 A1 JP WO2020003532A1 JP 2020527161 A JP2020527161 A JP 2020527161A JP 2020527161 A JP2020527161 A JP 2020527161A JP WO2020003532 A1 JPWO2020003532 A1 JP WO2020003532A1
- Authority
- JP
- Japan
- Prior art keywords
- learning model
- data
- creation support
- model creation
- measurement conditions
- 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.)
- Granted
Links
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
- G01N33/0027—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
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
Description
特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、データ取得部と、
前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、条件設定部と、
を備えている、ことを特徴とする。
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を備えている、ことを特徴とする。
前記コンピュータに、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を実行させる命令を含む、プログラムを記録していることを特徴とする。
以下、本発明の実施の形態における、学習モデル作成支援装置、学習モデル作成支援方法、及びプログラムについて、図1〜図6を参照しながら説明する。
最初に、図1を用いて、本実施の形態における学習モデル作成支援装置の概略構成を説明する。図1は、本発明の実施の形態における学習モデル作成支援装置の概略構成を示すブロック図である。
次に、本実施の形態における学習モデル作成支援装置10の動作について図4を用いて説明する。図4は、本発明の実施の形態における学習モデル作成支援装置の動作を示すフロー図である。以下の説明においては、適宜図1〜図3を参照する。また、本実施の形態1では、学習モデル作成支援装置10を動作させることによって、学習モデル作成支援方法が実施される。よって、本実施の形態における学習モデル作成支援方法の説明は、以下の学習モデル作成支援装置10の動作説明に代える。
以上のように、本実施の形態によれば、機械学習エンジン31による機械学習の度に、より最適な計測条件が設定され、設定された計測条件が、検出装置20のユーザに提示される。つまり、ユーザは、ニオイセンサ21用の学習モデルを作成する際に、計測条件の設定について支援を受けることができる。この結果、精度の高い学習モデルの構築が容易となる。
ここで、本実施の形態で用いられる検出装置20の他の例について図6を用いて説明する。図6は、本発明の実施の形態で用いられる検出装置の他の例を示す図である。
本実施の形態におけるプログラムは、コンピュータに、図4に示すステップA1〜A5を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における学習モデル作成支援装置10と学習モデル作成支援方法とを実現することができる。この場合、コンピュータのプロセッサは、データ取得部11、条件設定部12、及び提示部13として機能し、処理を行なう。
複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するための装置であって、
特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、データ取得部と、
前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、条件設定部と、
を備えている、ことを特徴とする学習モデル作成支援装置。
付記1に記載の学習モデル作成支援装置であって、
前記条件設定部が、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援装置。
付記2に記載の学習モデル作成支援装置であって、
前記条件設定部が、予測精度と計測条件とをパラメータとする SequentialModel Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援装置。
付記1〜3のいずれかに記載の学習モデル作成支援装置であって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とする学習モデル作成支援装置。
付記4に記載の学習モデル作成支援装置であって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とする学習モデル作成支援装置。
付記1から5のいずれかに記載の学習モデル作成支援装置であって、
設定された前記計測条件を提示する、提示部を更に備えている、
ことを特徴とする学習モデル作成支援装置。
複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するための方法であって、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を備えている、ことを特徴とする学習モデル作成支援方法。
付記7に記載の学習モデル作成支援方法であって、
前記(b)のステップにおいて、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援方法。
付記8に記載の学習モデル作成支援方法であって、
前記(b)のステップにおいて、予測精度と計測条件とをパラメータとする Sequential Model Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援方法。
付記7〜9のいずれかに記載の学習モデル作成支援方法であって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とする学習モデル作成支援方法。
付記10に記載の学習モデル作成支援方法であって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とする学習モデル作成支援方法。
付記7から11のいずれかに記載の学習モデル作成支援方法であって、
(c)設定された前記計測条件を提示する、ステップを更に有している、
ことを特徴とする学習モデル作成支援方法。
コンピュータによって、複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を実行させる命令を含む、プログラムを記録していることを特徴とするコンピュータ読み取り可能な記録媒体。
付記13に記載のコンピュータ読み取り可能な記録媒体であって、
前記(b)のステップにおいて、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
付記14に記載のコンピュータ読み取り可能な記録媒体であって、
前記(b)のステップにおいて、予測精度と計測条件とをパラメータとするSequential Model Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
付記13〜15のいずれかに記載のコンピュータ読み取り可能な記録媒体であって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
付記16に記載のコンピュータ読み取り可能な記録媒体であって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
付記13から17のいずれかに記載のコンピュータ読み取り可能な記録媒体であって、
前記プログラムが、前記コンピュータに、
(c)設定された前記計測条件を提示する、ステップを実行させる命令を更に含む、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
11 データ取得部
12 条件設定部
13 提示部
20 検出装置
21 ニオイセンサ
22 計測条件検出センサ
24 データ通信部
25 表示部
26、27 窓
28 操作ボタン
30 学習モデル作成装置
31 機械学習エンジン
32 学習モデル
40 通信端末
41 センサユニット
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
前記コンピュータに、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を実行させる、プログラム。
次に、本実施の形態における学習モデル作成支援装置10の動作について図4を用いて説明する。図4は、本発明の実施の形態における学習モデル作成支援装置の動作を示すフロー図である。以下の説明においては、適宜図1〜図3を参照する。また、本実施の形態では、学習モデル作成支援装置10を動作させることによって、学習モデル作成支援方法が実施される。よって、本実施の形態における学習モデル作成支援方法の説明は、以下の学習モデル作成支援装置10の動作説明に代える。
コンピュータによって、複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するためのプログラムであって、
前記コンピュータに、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を実行させる、プログラム。
付記13に記載のプログラムであって、
前記(b)のステップにおいて、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とするプログラム。
付記14に記載のプログラムであって、
前記(b)のステップにおいて、予測精度と計測条件とをパラメータとするSequential Model Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とするプログラム。
付記13〜15のいずれかに記載のプログラムであって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とするプログラム。
付記16に記載のプログラムであって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とするプログラム。
付記13から17のいずれかに記載のプログラムであって、
前記コンピュータに、
(c)設定された前記計測条件を提示する、ステップを更に実行させる、
ことを特徴とするプログラム。
Claims (18)
- 複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するための装置であって、
特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、データ取得部と、
前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、条件設定部と、
を備えている、ことを特徴とする学習モデル作成支援装置。 - 請求項1に記載の学習モデル作成支援装置であって、
前記条件設定部が、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援装置。 - 請求項2に記載の学習モデル作成支援装置であって、
前記条件設定部が、予測精度と計測条件とをパラメータとする Sequential Model Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援装置。 - 請求項1〜3のいずれかに記載の学習モデル作成支援装置であって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とする学習モデル作成支援装置。 - 請求項4に記載の学習モデル作成支援装置であって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とする学習モデル作成支援装置。 - 請求項1から5のいずれかに記載の学習モデル作成支援装置であって、
設定された前記計測条件を提示する、提示部を更に備えている、
ことを特徴とする学習モデル作成支援装置。 - 複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するための方法であって、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を備えている、ことを特徴とする学習モデル作成支援方法。 - 請求項7に記載の学習モデル作成支援方法であって、
前記(b)のステップにおいて、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援方法。 - 請求項8に記載の学習モデル作成支援方法であって、
前記(b)のステップにおいて、予測精度と計測条件とをパラメータとする Sequential Model Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とする学習モデル作成支援方法。 - 請求項7〜9のいずれかに記載の学習モデル作成支援方法であって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とする学習モデル作成支援方法。 - 請求項10に記載の学習モデル作成支援方法であって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とする学習モデル作成支援方法。 - 請求項7から11のいずれかに記載の学習モデル作成支援方法であって、
(c)設定された前記計測条件を提示する、ステップを更に有している、
ことを特徴とする学習モデル作成支援方法。 - コンピュータによって、複数種類のニオイに反応するニオイセンサを用いたニオイ検出で利用される、学習モデルの作成を支援するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
(a)特定の計測条件下で前記ニオイセンサが出力したセンサデータと、前記計測条件を特定する条件データとを取得し、前記学習モデルを作成する機械学習エンジンに、取得した前記センサデータ及び前記条件データを学習データとして入力する、ステップと、
(b)前記学習データの入力に対応して前記機械学習エンジンが出力する予測精度を取得し、取得した前記予測精度に基づいて、前記ニオイセンサが新たに前記学習データとしてセンサデータを出力する際の新たな計測条件を設定する、ステップと、
を実行させる命令を含む、プログラムを記録していることを特徴とするコンピュータ読み取り可能な記録媒体。 - 請求項13に記載のコンピュータ読み取り可能な記録媒体であって、
前記(b)のステップにおいて、取得した前記予測精度よりも予測精度が高くなるように、新たな計測条件を設定する、
ことを特徴とするコンピュータ読み取り可能な記録媒体。 - 請求項14に記載のコンピュータ読み取り可能な記録媒体であって、
前記(b)のステップにおいて、予測精度と計測条件とをパラメータとするSequential Model Based Optimizationを実行することによって、前記新たな計測条件を設定する、
ことを特徴とするコンピュータ読み取り可能な記録媒体。 - 請求項13〜15のいずれかに記載のコンピュータ読み取り可能な記録媒体であって、
前記計測条件が、前記ニオイセンサの周辺の温度及び湿度を少なくとも含む、
ことを特徴とするコンピュータ読み取り可能な記録媒体。 - 請求項16に記載のコンピュータ読み取り可能な記録媒体であって、
前記計測条件が、更に、前記ニオイセンサの周辺における、検出されるニオイ以外のニオイに関する情報を含む、
ことを特徴とするコンピュータ読み取り可能な記録媒体。 - 請求項13から17のいずれかに記載のコンピュータ読み取り可能な記録媒体であって、
前記プログラムが、前記コンピュータに、
(c)設定された前記計測条件を提示する、ステップを実行させる命令を更に含む、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/024931 WO2020003532A1 (ja) | 2018-06-29 | 2018-06-29 | 学習モデル作成支援装置、学習モデル作成支援方法、及びコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020003532A1 true JPWO2020003532A1 (ja) | 2021-08-02 |
JP6940001B2 JP6940001B2 (ja) | 2021-09-22 |
Family
ID=68984816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020527161A Active JP6940001B2 (ja) | 2018-06-29 | 2018-06-29 | 学習モデル作成支援装置、学習モデル作成支援方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US12066417B2 (ja) |
JP (1) | JP6940001B2 (ja) |
WO (1) | WO2020003532A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10524461B1 (en) * | 2018-09-25 | 2020-01-07 | Jace W. Files | Pest detector to identify a type of pest using machine learning |
US20220221435A1 (en) * | 2019-05-27 | 2022-07-14 | Nanoscent Ltd. | Method and device for identifying volatile compounds |
WO2021186528A1 (ja) * | 2020-03-17 | 2021-09-23 | 日本電気株式会社 | データ生成装置、データ生成方法、及び、記録媒体 |
US11813926B2 (en) | 2020-08-20 | 2023-11-14 | Denso International America, Inc. | Binding agent and olfaction sensor |
US11881093B2 (en) | 2020-08-20 | 2024-01-23 | Denso International America, Inc. | Systems and methods for identifying smoking in vehicles |
US11636870B2 (en) | 2020-08-20 | 2023-04-25 | Denso International America, Inc. | Smoking cessation systems and methods |
US11828210B2 (en) | 2020-08-20 | 2023-11-28 | Denso International America, Inc. | Diagnostic systems and methods of vehicles using olfaction |
US12017506B2 (en) | 2020-08-20 | 2024-06-25 | Denso International America, Inc. | Passenger cabin air control systems and methods |
US11760169B2 (en) | 2020-08-20 | 2023-09-19 | Denso International America, Inc. | Particulate control systems and methods for olfaction sensors |
US11760170B2 (en) | 2020-08-20 | 2023-09-19 | Denso International America, Inc. | Olfaction sensor preservation systems and methods |
US11932080B2 (en) | 2020-08-20 | 2024-03-19 | Denso International America, Inc. | Diagnostic and recirculation control systems and methods |
JP7006827B1 (ja) * | 2021-08-12 | 2022-01-24 | I-Pex株式会社 | 物質検出システム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10170422A (ja) * | 1996-12-12 | 1998-06-26 | Sanyo Electric Co Ltd | 複合型匂いセンサ |
JP2001305088A (ja) * | 2000-04-25 | 2001-10-31 | Shimadzu Corp | におい識別装置 |
JP2005337816A (ja) * | 2004-05-25 | 2005-12-08 | Rikogaku Shinkokai | 匂い測定方法および匂い測定装置 |
WO2009157187A1 (ja) * | 2008-06-23 | 2009-12-30 | Murthy Prakash Sreedhar | 化学物質に関連した情報を取り扱うためのシステム |
US20120143804A1 (en) * | 2009-07-23 | 2012-06-07 | Yada Research And Development Co., Ltd. | Predicting odor pleasantness with an electronic nose |
CN104914720A (zh) * | 2015-04-16 | 2015-09-16 | 贵州省烟草公司遵义市公司 | 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080256008A1 (en) * | 2007-03-31 | 2008-10-16 | Mitchell Kwok | Human Artificial Intelligence Machine |
JPWO2011077732A1 (ja) | 2009-12-22 | 2013-05-02 | アトナープ株式会社 | コンテンツを供給する装置 |
JP5582803B2 (ja) | 2010-01-27 | 2014-09-03 | 京セラ株式会社 | 携帯電子機器 |
KR101720266B1 (ko) * | 2016-03-04 | 2017-03-28 | 피움랩스 주식회사 | 방향물질 배출장치 |
US20190019096A1 (en) * | 2017-01-27 | 2019-01-17 | Mitsubishi Hitachi Power Systems, Ltd. | Estimator, estimation method, program and storage medium where program stored for model parameter estimation and model parameter estimation system |
-
2018
- 2018-06-29 WO PCT/JP2018/024931 patent/WO2020003532A1/ja active Application Filing
- 2018-06-29 US US17/251,337 patent/US12066417B2/en active Active
- 2018-06-29 JP JP2020527161A patent/JP6940001B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10170422A (ja) * | 1996-12-12 | 1998-06-26 | Sanyo Electric Co Ltd | 複合型匂いセンサ |
JP2001305088A (ja) * | 2000-04-25 | 2001-10-31 | Shimadzu Corp | におい識別装置 |
JP2005337816A (ja) * | 2004-05-25 | 2005-12-08 | Rikogaku Shinkokai | 匂い測定方法および匂い測定装置 |
WO2009157187A1 (ja) * | 2008-06-23 | 2009-12-30 | Murthy Prakash Sreedhar | 化学物質に関連した情報を取り扱うためのシステム |
US20120143804A1 (en) * | 2009-07-23 | 2012-06-07 | Yada Research And Development Co., Ltd. | Predicting odor pleasantness with an electronic nose |
CN104914720A (zh) * | 2015-04-16 | 2015-09-16 | 贵州省烟草公司遵义市公司 | 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020003532A1 (ja) | 2020-01-02 |
US12066417B2 (en) | 2024-08-20 |
US20210255156A1 (en) | 2021-08-19 |
JP6940001B2 (ja) | 2021-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6940001B2 (ja) | 学習モデル作成支援装置、学習モデル作成支援方法、及びプログラム | |
JP7006699B2 (ja) | サーバ装置、ニオイセンサデータ解析方法、及びプログラム | |
US20210018479A1 (en) | Odor sensing apparatus, odor detection method, and computer-readable recording medium | |
JP7006701B2 (ja) | サーバ装置、ニオイセンサデータ解析方法、及びプログラム | |
EP3346428A1 (en) | Sensor design support apparatus, sensor design support method and computer program | |
JP2018525042A5 (ja) | ||
US20170147480A1 (en) | Test script generation | |
JP7006700B2 (ja) | サーバ装置、ニオイセンサデータ解析方法、及びプログラム | |
US20220036223A1 (en) | Processing apparatus, processing method, and non-transitory storage medium | |
CN111178653B (zh) | 用于确定污染区域的方法和装置 | |
EP3945290A1 (en) | Apparatuses, computer-implemented methods, and computer program products for dynamic iterative baseline adjustment | |
CN114638411A (zh) | 二氧化碳浓度预测方法、装置、设备及介质 | |
US20230152290A1 (en) | Odor detection system, odor detection method, and program | |
US10165415B2 (en) | Method and apparatus for geomagnetic signal processing | |
KR20220128105A (ko) | 미세 먼지 농도 모니터링 방법 및 그 장치 | |
CN110084298B (zh) | 用于检测图像相似度的方法及装置 | |
JP7205549B2 (ja) | 臭気センサデータ補正装置、臭気センサデータ補正方法、及びプログラム | |
US20200025595A1 (en) | System, method, and program for displaying sensor information on map | |
CN115164978B (zh) | 一种适用于木结构装配式建筑物的视觉化监测系统 | |
US11796528B2 (en) | Method and system for measuring energy of natural gas | |
EP4141411A1 (en) | Odor detection device, odor detection method, and program | |
WO2020090018A1 (ja) | 臭気センサ検査装置、臭気センサ検査方法、及びコンピュータ読み取り可能な記録媒体 | |
WO2024040113A1 (en) | Remotely tracking range of motion measurement | |
CN116450510A (zh) | 交互元素检测、模型训练方法、装置、设备及存储介质 | |
CN110992360A (zh) | 设备性能测试方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201214 |
|
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: 20210803 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210816 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6940001 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |