TW202001922A - 學習裝置、學習方法及程式 - Google Patents

Abstract

學習裝置(10)係具備取得部(11)、學習部(12)及生成部(14)。取得部(11)係取得學習信號。學習部(12)係以與顯示波形類似之程度的類似度相對應的方式將從經取得部(11)取得之學習信號所擷取的部分信號分群，並學習顯示經分群之部分信號的波形的基準波形。生成部(14)係由類似度的分佈與含有經分群之部分信號的各群集的特性的至少一方，來生成並輸出顯示由學習部(12)所進行之學習的進展狀況的進展資訊。

Description

學習裝置、學習方法及程式

本發明係關於一種學習裝置、學習方法及程式。

眾所周知，已有如工廠中的產生系統及控制系統之各式各樣利用了顯示感測器所測得的感測結果的時間序列資料的處理系統。在該種的處理系統中，大多進行將時間序列資料與平時要輸入的資料比較，藉此來診斷處理系統中之異常的有無。

平時要輸入的資料是必須從於沒有發生異常時所收集的時間序列資料預先學習，以作為顯示典範模式的資料。對此，若典範模式的學習不夠充裕，會使異常診斷的準確度降低。另一方面，若過度持續學習，會浪費因學習所耗費的計算資源。因此，提出一種在適當時點中斷學習的技術(例如，參照專利文獻1)。

在專利文獻1中記載了關於一種結束學習的技術，其係由時間序列資料的主成分得點進行模式的分類，當模式數量收斂時，結束學習。在該技術中，屬於各模式之主成分得點的代表值會輸出作為異常偵測所用的學習資料。(先前技術文獻) (專利文獻)

專利文獻1：日本特開2009-135649號公報

(發明所欲解決的問題)

當異常的偵測進行時，會有信號波形比較的情形，為了進行如此之比較必須學習波形。對此，即便在學習時模式數量收斂的情形，也會有仍保持模式數量被固定在某大小的範圍內的狀態下，持續著供以由信號波形的比較來偵測異常的波形的學習的情事。因此，在因應模式數量來結束學習的專利文獻1的技術中，會有在不適當的時點結束供以比較信號波形的學習的疑慮。

本發明係有鑑於上述課題所研創者，目的在於以更適當的時點結束供以比較信號波形的學習。 (解決問題的手段)

為了達成上述目的，本發明的學習裝置係具備有：取得手段，係取得學習信號；學習手段，係以與顯示波形類似之程度的類似度相對應的方式將從經取得手段取得的學習信號所擷取的部分信號列分群(clustering)，並學習顯示經分群的部分信號的波形的基準波形；以及生成手段，係由第二類似度的分佈，來生成並輸出顯示由學習手段所進行之學習的進展狀況的進展資訊，該第二類似度係顯示從構成學習信號的學習部分信號及試行信號當中的學習部分信號所學習的基準波形與試行信號類似之程度。 (發明效果)

根據本發明，從學習信號學習基準波形，並從類似度的分佈來生成進展資訊。利用如此的進展資訊，能夠在由與類似度相對應的分群所獲得的基準波形的學習有某一程度進展的時點來中斷學習。因此，可在更適當的時點來結束用以比較信號波形的學習。

以下，一面參照圖式一面詳細說明本發明之實施形態的學習裝置10。

實施形態 本實施形態的學習裝置10係取得由外部所提供的學習信號，並學習包含於該學習信號之代表性之波形的裝置。由學習裝置10所學習的波形被利用在與形成於工廠的生產系統中所收集的信號的波形進行比較以偵測異常。

對此，異常例如包含流動於產生線之工件的規格超出規範外，構成生產線之裝置的缺陷及於該裝置的稼動中所產生的錯誤。異常為與生產系統之營運者所設想並預先決定之正常的狀態不同的狀態，通常會使生產系統所進行之產品的生產停止或使良率降低。在生產系統的稼動時，在該生產系統所收集的信號具有與複數個波形模式中的任一個模式類似的波形。因此，當輸入信號的波形為偏離任一個波形模式的形狀時，就判定為異常。學習裝置10會學習用以進行如前述之異常判定的波形模式。以下，將成為用以進行異常判定之基準的波形模式稱為基準波形。

如第1圖所示，就學習裝置10的功能而言具有：取得學習信號的取得部11；從學習信號學習基準波形的學習部12；記憶含有學習結果的各種資料的記憶部13；根據記憶部13的資料來產生顯示學習之進展狀況的進展資訊的生成部14；對外部輸出進展資訊的輸出部15；以及受理使用者關於學習之執行的指示的受理部16。

取得部11會取得複數個學習信號。詳細而言，取得部11會反復取得學習信號。更詳細而言，取得部11取得由使用者所提供的原信號，並分割該原信號，而依照長度較短的順序反復取得學習信號。取得部11於每次取得學習信號，就將所取得的學習信號送出至學習部12。原信號具有於生產系統正常地稼動時應收集之信號的波形。原信號為使用者所預先準備者。取得部11係作為申請專利範圍之取得手段而發揮功能。

第2圖示意性顯示由取得部11所取得的學習信號。如第2圖上部所示，原信號具有：急遽上升後而緩緩下降的波形201、梯形形狀的波形202以及緩緩地上升後而急遽地下降的波形203。取得部11會從該原信號擷取而取得學習信號21。之後，取得部11會擷取取得比第一次取得之學習信號21較長的學習信號22。同樣地，取得部11會擷取取得比第二次取得之學習信號22較長的學習信號23。

學習信號21、22具有波形201，但不具有波形202、203。學習信號23具有波形201、202，但不具有波形203。因此，學習信號21～23就用來學習波形的信號而言可謂不充分的信號。

取得部11係取得學習信號2n作為第N次的信號。學習信號2n含有波形201、202、203的全部波形，所以就用於波形的學習上可謂充分長度的信號。再者，取得部11係取得學習信號2m作為第M次的信號。若採用學習信號2m，則能夠比學習信號2n還使學習進展，但原信號所包含的波形201～203皆為從學習信號2n來學習，所以由學習信號2m所進行的學習會過度，會有浪費計算資源的可能性。

惟，第2圖係示意性顯示學習信號，從複數個波形來學習某一類型的波形，會比從於學習信號所包含之單一波形來學習為佳。

返回第1圖，學習部12每當藉由取得部11來取得學習信號，就從該學習信號學習基準波形。詳細而言，學習部12會因應波形類似的程度來將從學習信號所擷取的部分信號分群，以學習顯示分群後之部分信號之波形的基準波形。學習部12係作為申請專利範圍之學習手段而發揮功能。

使用第3圖針對由學習部12所進行之基準波形之學習的概要加以說明。如第3圖上部所示，學習部12會將學習信號分割成：供以學習基準波形的學習部分信號，以及要由後述之生成部14所處理的試行信號。詳細而言，學習部12會平等分配學習信號。惟，學習信號分割的方法為任意，並不限定於上述。

學習部12每當使窗口31滑動時，從學習部分信號擷取學習值的序列來生成部分信號32。部分信號32係作為以擷取之序列的學習值為要素之向量來處理。並且，學習部12會將複數個部分信號以波形類似的程度為指標予以分群。本例的結果，複數個部分信號會被分群為群組G1、G2、G3。詳細而言，學習部12係執行與作為向量之信號間的距離相對應的分群。作為向量之信號間的距離係可計算構成向量之各成分的平方誤差的總和，且以該總和的平方根來取得。分群的細節茲容後述。

經過由學習部12分群之結果而成的群組G1、G2、G3各自還有彼此類似之波形的部分信號。群組G1、G2、G3係相當於群集。並且，學習部12會決定顯示包含於各群組之部分信號之波形的基準波形。基準波形亦可為相當於各群組所包還之部分信號之平均的波形，亦可從各群組所選擇之任一個的部分信號，亦可為群集中心的部分信號。在第3圖之例中，學習了：與群組G1相對應的基準波形A、與群組G2相對應的基準波形B以及與群組G3相對應的基準波形C。

返回第1圖，學習部12會對記憶部13儲存顯示從學習信號所分割之試行信號、經學習的基準波形以及經分群成各群組的部分信號的資料。

生成部14係讀取記憶於記憶部13的資料，並由類似度的分佈及含有經分群之部分信號的各群集的特性的至少一方，來生成並輸出進展資訊，該進展資訊係顯示基準波形之學習的進展狀況。詳細而言，生成部14係計算關於基準波形的指標值，且從該指標值來產生並輸出進展資訊。生成部14係作為申請專利範圍之生成手段而發揮功能。生成部14係具有：計算第一指標值的類似度解析部141、計算第二指標值的群集解析部142、計算第三指標值的基準波形解析部143、計算第四指標值的波形數解析部144、以及由指標值生成進展資訊的進展資訊生成部145。

類似度解析部141係計算基準波形與試行信號的類似度，且解析該類似度的分佈，藉此計算第一指標。對此，類似度係顯示波形類似的程度，惟亦可與上述之信號間的距離不同。類似度為0(零)至1之範圍內的值，且當波形一致時，類似度為1。類似度是將兩個信號之各取樣值的平方誤差的總和正規化所計算。例如，將平方誤差的總和設為E，類似度D係由以下式(1)來算出。

D=1／(1+E) … (1)

第4圖顯示從試行信號計算類似之手法的概要。該類似度的計算，係與於學習的結束後偵測異常用的類似度的計算同樣地進行。由類似度解析部141所進行之類似度的計算係在學習結束之前，用以確認該學習之進展狀況而試行類似度之計算的演算處理。

詳細而言，類似度解析部141係使窗口41滑動而從試行信號擷取試行值的序列來生成部分信號42。部分信號42係與第3圖中之部分信號32同樣地作為向量來處理。於是，類似度解析部141會就部分信號42各個計算與所有的基準波形的類似度。類似度解析部141會採用就部分信號42各個所計算之類似度當中最大的類似度，來作為部分信號42與基準波形的類似度。該類似度係顯示部分信號42與複數個基準波形當中部分信號42之最鄰近的基準波形類似的程度。

類似度解析部141係每當學習部12學習基準波形時，計算類似度並生成類似度的分佈。第5圖係顯示有：長度不同的學習信號，以及從該學習信號所生成之類似度的度數分佈。如第5圖所示，學習信號較短時，基準波形的學習不充分，會大量算出較低的類似度。當學習信號變長且基準波形經某程度之學習時，會大量算出較高的類似度。並且，當學習充分進展時，該分佈會穩定，分佈的形狀會被維持。

類似度解析部141會將與對於類似度之大小的頻度的分佈相關的值予以作為第一指標值並輸出。第一指標值為該分佈的特徵量，例如為重心或分散。第5圖顯示分佈的重心X11、X12、X13。由第5圖可知，重心X11往重心X12的變化量較大，而重心X12往重心X13的變化量較小。因此，分佈的重心成為顯示學習之進展況狀的指標值。詳細而言，依據就類似度的分佈而由前一次的學習信號所導出的第一指標值與由這一次的學習信號所導出的第一指標值的關係，來判斷學習之進展狀況。例如，從在前一次與這一次之兩次所導出的第一指標值的差或比來判斷進展狀況。

返回第1圖，群集解析部142及基準波形解析部143係計計算顯示含有經分群之部分信號之各群集之特性的指標值。

群集解析部142會算出關於分群成各群組之部分信號之數量的值作為為第二指標值，該第二指標值顯示由學習部12所學習之特異波形之有無。第6圖顯示：長度不同的學習信號，以及從該學習信號擷取而經分群之部分信號之屬於各群組的數量。如第6所示，當學習信號比較短時，基準波形的學習會不充分，且會有僅含有一個部分信號的群組G3。如此的群組係與包含於學習信號之特異的波形相對應。換言之，可謂當具有特異的波形時學習會不充分。若學習信號變長且基準波形經某一程度學習時，則屬於群組G3之部分信號的數量會增多。

群集解析部142會將滿足包含小於閾值之個數的部分信號的條件之群組的數量予以作為第二指標並輸出。閾值例如為3。由第6圖可知：當學習進展時，滿足條件之群組的數量減少。因此，第二指標值成為顯示學習的進展狀況的值。惟，第二指標值亦可為關於經分群成各群組之部分信號的數量的其他的值。例如，第二指標值亦可為包含小於閾值之個數的部分信號之群組的數量之相對於全群組之數量的比率。或者，當學習充分進展時，可推想滿足條件之群組的數量會變得非常少而穩定。因此，亦可依據由前一次的學習信號所導出的第二指標值與由這一次學習信號所導出的第二指標值的關係，來判斷學習進展狀況。例如，從在前一次與這一次之兩回所學習的第二指標值之差或比來判斷進展狀況。

返回第1圖，基準波形解析部143係從複數個基準波形的分佈計算第三指標值。詳細而言，基準波形解析部143係計算關於從複數個基準波形各個所抽出之特徵量的分佈的第三指標值。第7圖顯示：長度不同的學習信號，以及對從該學習信號所學習之基準波形進行主成分分析的結果。在第7圖中，為了易於理解說明，以座標軸顯示從基準波形抽出之作為特徵量的第一主成分與第二主成分。

由第7圖可知：當學習信號從較短的狀態延長時，分佈於二維平面狀的特徵量會大幅地變動。第7圖中，黑色點係顯示從這一次的學習信號所學習之基準波形的特徵量，而白色中空點係顯示從前一次的學習信號所學習之基準波形的特徵量。當學習進展，且學習信號從某一程度長度的狀態更加延長時，分佈於二維平面上的特徵量會移動，但其移動量會漸漸減少。因此，關於如此的特徵量的值成為顯示學習的進展狀況的指標。

第三指標值例如可為以特徵量之分佈的平均及三散為代表的統計值，亦可為顯示特徵量之分佈本身的向量值。在第7圖所示的例中，亦可為顯示分佈於二維平面上之三點的六維向量值。而且，亦可從由前一次的學習信號所導出的第三指標值與由這一次學習信號所導出的第三值標值的關係，來判斷學習的進展狀況。例如，從在前一次與這一次之兩次所導出的第三指標值之差或比來判斷進展狀況。就第三指標值之差而言，例如可採用第3圖所示之例中的各點的移動量的總和。

返回第1圖，波形數解析部144係計算第四指標值，該第四指標值係關於所學習之基準波形的數量。第8圖係顯示：長度不同之學習信號與從該學習信號所學習的基準波形的數量的關係。由第8圖可知，當學習信號相對性較短時，基準波形的學習不充分，並且所學習的基準波形的數量較少。當學習信號延長且基準波形經某程度學習時，新的學習基準波形減少，基準波形之數量就不會大幅增加。因此，關於基準波形之數量的值會成為顯示學習的進展狀況之指標。

波形數解析部144既可將所學習的基準波形的數量直接作為第四指標值，亦可將加工基準波形之數量而成的值作為第四指標值。於是，亦可從由前一次的學習信號所導出的第四指標值與由這一次的學習信號所導出的第四指標值的關係，來判斷學習的進展狀況。詳細而言，亦可從在前一次與這一次之兩次所學習的第四指標值之差或比來判斷進展狀況。

返回第1圖，進展資訊生成部145係計算統合指標值，該統合指標值係統合第一指標值、第二指標值、第三指標值及第四指標值。詳細而言，進展資訊生成部145係將該等指標值予以正規化來計算平均而取得統合指標值。並且，進展資訊生成部145會將關於統合指標值的資訊作為進展資訊而輸出至輸出部15。此外，進展資訊生成部145係根據統合指標值來決定繼續學習與否，並將顯示學習的繼續或停止的進展資訊輸出至取得部11。顯示學習之停止的進展資訊會停止由取得部11所進行之新的學習信號的取得，藉此來使學習停止。

輸出部15會將由進展資訊生成部145所生成的進展資訊輸出至學習裝置10的外部。詳細而言，輸出部15係以於顯示畫面顯示進展資訊的方式，來對使用者提示。輸出部15所輸出的進展資訊既可為顯示統合指標值之值的資訊，亦可為根據統合指標值所生成之顯示學習充分與否的資訊。

受理部16係受理由使用者所輸入之學習的停止指示。受理部16會將經受理的停止指示通知至取得部11。該停止指示係使由取得部11所進行之新的學習信號的取得停止，藉此使學習停止。

就學習裝置10的硬體構成，如第9圖所示具有：處理器91、主記憶部92、輔助記憶部93、輸入部94、輸出部95及通信部96。主記憶部92、輔助記憶部93、輸入部94、輸出部95及通信部96均經由內部匯流排97與處理器91連接。

處理器91係含有CPU(Central Processing Unit，中央處理單元)。處理器91係執行記憶於輔助記憶部93的程式P1，藉此實現學習裝置10的種種功能，並執行後述的處理。

主記憶部92係含有RAM(Random Access Memory，隨機存取記憶體)。主記憶部92係載入有自輔助記憶部93載入的程式P1。並且，主記憶部92係使用作為處理器91的作業區域。

輔助記憶部93係含有：以EEPROM(Electrically Erasable Programmable Read-Only Memory，電子可抹除可程式化唯讀記憶體)及HDD(Hard Disk Drive，硬磁碟驅動機)為代表的非揮發性記憶體。輔助記憶部93除記憶程式P1之外，亦記憶用於處理器91之處理的各種資料。輔助記憶部93係根據處理器91的指示，來對處理器91供給要被處理器91利用的資料，且記憶從處理器91所供給的資料。另外，在第9圖中，雖代表性地顯示一個程式P1，惟輔助記憶部93亦可記憶複數個程式，主記憶部92亦可載入有複數個程式。

輸入部94係含有以輸入鍵盤及指向裝置(pointing device)為代表的輸入裝置。輸入部94係取得由學習裝置10之使用者所輸入的資訊，並將取得的資訊通知給處理器91。

輸出部95係含有以LCD(Liquid Crystal Display)及揚聲器為代表的輸出裝置。輸出部95係根據處理器91的指示，將各種的資訊提示給使用者。

通信部96係含有用以與外部裝置通信的網路介面電路。通信部96係從外部接收信號，且將由該信號所顯示的資料輸出給處理器91。此外，通信部96係將顯示由處理器91所輸出之資料的信號傳送到外部的裝置。

藉由第9圖所示的硬體構成共同動作，來實現學習裝置10的上述功能。詳細而言，處理器91實現取得部11、學習部12及生成部14。主記憶部92及輔助記憶部93的至少一方實現記憶部13。輸出部95實現輸出部15。輸入部94實現受理部16。但是，當取得部11藉由通信從學習裝置10的外部取得學習信號時，除處理器91之外，通信部96亦可實現取得部11。

接著，使用第10～12圖說明由學習裝置10所執行的學習處理。於第10圖所示的學習處理係藉由使用者啟動安裝於學習裝置10之特定的應用程式而開始。

在學習處理中，取得部11係取得原信號(步驟S1)。具體而言，取得部11對使用者催促原信號的輸入，或者對使用者請求含有原信號之資料的位址，藉此取得原信號。

接著，取得部11決定由原信號的分割而重新取得之學習信號的長度，並取得學習信號(步驟S2)。例如，最初執行步驟S2時，取得部11取得第2圖所示之第一次的學習信號。

接著，學習部12從學習信號學習基準波形(步驟S3)。步驟S3係對應於申請專範圍中的學習步驟。具體而言，學習部12係藉由從學習信號擷取的部分信號的分群，來學習基準波形。該分群係含有兩階段的分群。在此，使用第11、12圖說明分群的詳細。

第11圖係就第一階段之分群的概要加以顯示。在第一階段的分群中，學習部12會將從學習信號擷取之區間接近的部分信號收集至群集。具體而言，如第11圖所示，每當學習部12使窗口111相對於學習信號滑動時，會取得作為要擷取之部分信號的部分列112。並且，若就一個部分列112，與隨後之部分列112的距離D小於預先規定的閾值ε，則學習部12會將這些部分列112分群至一個群集，並計算與更隨後之部分列112的距離D。若隨後的部分列112的距離D較閾值ε大時，學習部12會將該部分列112分群至新的群集，並進而計算與更隨後之部分列112的距離D。藉由重複該程序，學習部12會使於時間方向鄰接並距離接近的部分列112彼此分群。

第12圖係針對第二階段之分群的概要加以顯示。在第二階段的分群中，學習部12會將屬於在第一階段所作成之群集各個之部分列112予以平均，來取得代表各群集的標本部分列121。此外，學習部12會以標本部分列121之平均值的大小來排序。並且，學習部12利用與第一階段之分群同樣的程序，來執行標本部分列121的分群。學習部12會將屬於各群集的標本部分列121予以平均，藉此作成基準波形122。

如第3圖所示，在重複取得的學習信號的一部分相當於前一次的學習信號時，可沿用針對前一次的學習信號所執行之第一階段的分群的結果。因此，學習部12會先將作為第一階段之分群的結果而取得的群集保持為學習完成的中間資料，並針對學習信號當中尚未執行第一階段之分群的未學習部分執行第一階段的分群。之後，學習部12會從前一次與這一次之雙方的第一階段之分群的結果來執行第二階段的分群。從未學習部分所生成之部分列112彼此為時間性鄰接，而學習完成的部分與未學習部分在時間軸上會鄰接之部分僅為一部位。因此，可取得與再次執行第一階段之全部的分群的情形大致同樣的結果。而且，可以省略第一階段之分群的大部分，所以可減輕計算量。

返回第10圖，步驟S3之後，生成部14計算第一指標值、第二指標值、第三指標值及第四指標值(步驟S4)，且計算統合指標值(步驟S5)。具體而言，生成部14計算類似度之分佈的重心作為第一指標值，且計數滿足條件之群組的數量作為第二指標值，計算從基準波形抽出之特徵量的分佈的平均值作為第三指標值，且計數基準波形的數量作為第四指標值。並且，生成部14，該等四個指標值的大小正規化為零至1的範圍內後再演算平均值，藉此計算統合指標值。

接著，生成部14判定是否具有前一次所計算的統合指標值(步驟S6)。具體而言，生成部14係判定是否有比步驟S5所計算之統合指標值較先前計算的統合指標值。

步驟S6初次執行，判定沒有前一次的統合指標值時(步驟S6，否)，學習裝置10會重複步驟S2以後的處理。藉此，會對新的學習信號學習基準波形並再次計算統合指標值。

另一方面，當判定具有前一次的統合指標值時(步驟S6；是)，生成部14會判定前一次與這一次的統合指標值之差是否小於閾值(步驟S7)。閾值既可為預先規定的值，亦可由使用者來變更。

當步驟S7的判定為肯定時(步驟S7；是)，生成部14輸出顯示學習不充足，要繼續學習的進展資訊(步驟S8)。步驟S8係對應於申請專利範圍的生成步驟。具體而言，生成部14會對輸出部15輸出顯示學習不充分之內容的進展資訊，且對取得部11輸出顯示繼續學習的進展資訊。

接著，受理部16會判定是否有從使用者受理結束學習之內容的指示(步驟S9)。當判定為未受理結束指示時(步驟S9；否)，學習裝置10會重複步驟S2以後的處理。藉此，取得部11會取得新的學習信號，並繼續新的基準波形的學習。

另一方面，當判定有受理結束指示時(步驟S9；是)，學習裝置10會結束學習處理。藉此，會結束基準波形的學習。

當步驟S7的判定被否定時(步驟S7；否)，生成部14會生成並輸出顯示學習為充分並停止學習的進展資訊(步驟S10)。步驟S10係與申請專利範圍的生成步驟相對應。具體而言，生成部14會對輸出部15輸出顯示學習為充足之內容的進展資訊，且對取得部11輸出顯示停止學習的進展資訊。藉此，停止由取得部11所進行之新的學習信號的取得，且結束學習處理。

如上述說明，根據學習裝置10，從學習信號學習基準波形，並藉由類似度的分佈與包含經分群之部分信號的各群集的特性的至少一方來生成進展資訊。活用類似度的分佈與各群集的特性，藉此可取得更高準確度的進展資訊。若利用如此的進展資訊，就可在藉由與類似度相對應之分群所取得之基準波形的學習進展到某一程度的時點來中斷學習。因此，可在更適當的時點結束用以比較信號波形的學習。

此外，學習裝置10從就試行信號所算出之與類似度的分佈相關的指標值生成進展資訊。就試行信號所算出的類似度的分佈可謂顯示學習之進展的適當的標尺。因此進展資訊可正確地顯示學習進展狀況。

此外，學習裝置10會從關於學習時分群成各群組之部分信號的數量的指標值來生成進展資訊。經分群成各群組之部分信號的數量可謂顯示學習之進展的適當的標尺。因此，進展資訊可正確地顯示學習的進展狀況。

此外，學習裝置10會從關於自複述個基準波形各個所抽出之特徵量的分佈的指標值來生成進展資訊。如此之特徵量的分佈可謂顯示學習之進展的適當的標尺。因此，進展資訊可正確地顯示學習的進展狀況。

此外，學習裝置10係從關於所學習之基準波形之數量的指標值來生成進展資訊。如此之基準波形的數量可謂顯示學習之進展的適當的標尺。因此，進展資訊可正確地顯示學習的進展狀況。

此外，學習裝置10會從複述個指標值取得統合指標值，並從該統合指標值來生成進展資訊。因此，進展資訊相較於使用任何一個指標值的情形更能夠正確地顯示學習的進展狀況。

以上，針對本發明的實施形態加以說明，惟本發明並不受上述實施形態所限定。

例如，如第2圖所示，取得部11藉由對原信號當中，分割相當於對前一次分割的區間追加鄰接之未學習區間之區間的部分，而取得新的學習信號，惟原信號的分割手段未限定於此，可為任意。例如，亦可如第13圖所示，預先將原信號分割成彼此未重複的區間PR1～PR8，而初次取得區間PP1的信號作為學習信號，下次之後對學習信號追加經分割之區間的信號，藉此依較短的順序來取得學習信號。

此外，取得部11亦可因應信號波形來決定新取得之學習信號的長度。例如，在第2圖所示之例中，學習信號22、23中途含有波形201、202，可推想基準波形的學習會變得效率不佳。相對於此，如第14圖所示，取得部11係能以值成為零之區間的方式來分割原信號，而取得所有含有波形201、202的學習信號22a、23a。

此外，雖然說明取得部11分割原信號來取得學習信號之例，但不限定於此。例如，取得部11亦可於決定繼續學習後，對外部請求學習信號來取得學習信號。

此外，雖然說明取得部11反復取得學習信號之例，但不限定於此。亦可每當學習部12反復學習時選擇取得部11藉由取得而預先準備的複數個學習信號當中任一者。

此外，反復取得之學習信號可重複，亦可不重複。

此外，在部分信號的分群中，採用距離作為顯示波形類似程度的標尺。但是，分群用的標尺並不限定於此而為任意。例如，亦可以與由類似度解析部141所計算之類似度同樣的標尺來執行部分信號的分群。此外，由類似度解析部141所計算之類似度亦可為顯示距離的標尺。

此外，在上述實施形態中，以類似度為零至1之範圍內的值，且波形為一致時為1之例加以說明，惟不限定於此，只要類似度為顯示波形類似的程度者即可。具體而言，亦可使用波形愈類似值愈減小的類似度。例如，亦可使用零至1之範圍內的值，而波形一致時為零的類似度。再者，亦可任意變更類似度的範圍。例如，亦可對一個波形與另一個波形，將各取樣值之平方誤差的總和設為類似度。

此外，雖然就學習部12執行兩階段的分群之例加以說明，惟不限定於此。例如，學習部12亦可藉由k平均法或混合高斯模型(GMM; Gaussian Mixture Model)來執行部分信號的分群。

此外，在上述的學習處理中，係因應統合指標值之差是否較閾值小的判定結果來判斷學習狀況，惟不限定於此。例如，可想到當學習有某一程度進展時，統合指標值之比會收斂成1。因此，亦可藉由判定統合指標值之比率是否處於自1開始之預先規定之誤差的範圍內來判斷學習狀況。此外，亦可利用與根據差及比率之判斷不同的手段，並根據這一次的統合指標值與前一次以前的統合指標值的關係來判斷學習狀況。

此外，藉由學習裝置10所執行的學習處理不限定為第10圖所示者。例如，學習裝置10亦可執行第15圖所示的學習處理。在該學習處理中，取得部11會取得學習信號(步驟S11)，且學習部12會從學習信號學習基準波形(步驟S3)。接著，生成部14會計算第一指標值、第二指標值、第三指標值及第四指標值(步驟S4)，並選擇代表指標(步驟S12)。

代表指標值為從計算之四個指標所選擇之任一個的指標值。代表指標值既可由使用者來選擇，亦可因應所計算之四個指標值的值來選擇。例如，亦可選擇最大或最小的指標值作為代表指標值。

接著，生成部14會將顯示所選擇之代表指標值的資訊作為進展資訊並加以輸出(步驟S13)。藉此，使用者可辨識學習的進展狀況。

接著，受理部16判定是否受理了結束指示(步驟S9)。當判定為受理了結束指示時(步驟S9；是)，結束學習處理，並停止基準波形的學習。

另一方面，判定為尚未受理結束指示時(步驟S9；否)，取得部11於學習信號追加新的信號，並取得比前一次較長的學習信號(步驟S14)。之後，學習裝置10會重複步驟S3以後的處理。

根據第15圖所示的學習處理，使用者可在一面確認進展資訊的狀態一面在任意的時序使學習停止。

此外，雖然以統合四個指標值之例及選擇任何一個指標值之例加以說明，惟不限定於此。亦可採用四個指標值當中任意之組合的指標值。採外，亦可再組合與上述四個指標值不同的第五個指標值。

此外，雖然就進展資訊顯示學習是否充足之例加以說明，惟不限定於此。例如，亦可以設成若指標值比第一閾值較大則學習的進展程度為「低」，若指標值比第一閾值較小而比第二閾值較大則學習的進展程度為「中」，若指標值比第二閾值較小則學習的進展程度為「高」的方式，來生成顯示學習的進展程度屬於複數個階段的哪一個階段的進展資訊。該階段的數量亦可任意地變更。

而且，學習裝置10功能可由專用的硬體來實現，或者且可由一般的電腦系統來實現。

例如，於電腦可讀取之非暫時性的記錄媒體儲存並發布由處理器91所執行的程式P1，且將該程式P1安裝至電腦，藉此可構成執行上述之處理的裝置。就如上述的記錄媒體而言，例如可想到軟磁碟機(flexible disk)、CD-ROM(Compact Disc Read-Only Memory，光碟唯讀記憶體)、DVD(Digital Versatile Disc，數位多功能光碟)、MO(Magneto-Optical Disc，磁光碟)。

此外，亦可將程式P1預先儲存至以網路為代表之通信路上之伺服器裝置所具有的磁碟裝置，而例如以加疊至載波的方式，下載(download)至電腦。

此外，即使經由通信網路來一面傳送程式P1一面執行啟動，亦可達成上述的處理。

再者，即使程式P1的全部或一部分在伺服器裝置上執行，而由電腦經由通信網路一面傳送接收與其處理有關的資訊，而一面執行程式，亦可達成上述的處理。

另外，當上述的功能係由OS(Operating System，作業系統)分擔來實現或者由OS與應用軟體的共同動作來實現時，亦可僅將OS以外的部分儲存至媒體並進行發布，另外亦可下載至電腦。

此外，實現學習裝置10之功能的手段不限定為軟體，亦可由含有電路之專用的硬體來實現學習裝置10的一部分或全部。

在不脫離本發明的廣泛精神和範圍的情況下，本發明能夠施予各種實施形態和變形。另外，上述實施形態係用以說明本發明，並不限定本發明的範圍。也就是說，本發明的範圍不是由實施形態表示，而是由申請專利範圍來表示。並且，在申請專利範圍內及與其同等之發明涵義的範圍內可施予之各種變形應視為是在本發明的範圍內。 (產業利用性)

本發明適於信號波形的學習。

10‧‧‧學習裝置 11‧‧‧取得部 12‧‧‧學習部 13‧‧‧記憶部 14‧‧‧生成部 141‧‧‧類似度解析部 142‧‧‧群集解析部 143‧‧‧基準波形解析部 144‧‧‧波形數解析部 145‧‧‧進展資訊生成部 15‧‧‧輸出部 16‧‧‧受理部 21、22、22a、23、23a、2n、2m‧‧‧學習信號 201～203‧‧‧波形 31、41‧‧‧窗口 32、42‧‧‧部分信號 91‧‧‧處理器 92‧‧‧主記憶部 93‧‧‧輔助記憶部 94‧‧‧輸入部 95‧‧‧輸出部 96‧‧‧通信部 97‧‧‧內部匯流排 111‧‧‧窗口 112‧‧‧部分列 121‧‧‧標本部分列 122‧‧‧基準波形 A、B、C‧‧‧基準波形 G1、G2、G3‧‧‧群組 P1‧‧‧程式 PR1至PR8‧‧‧區間

第1圖顯示本發明之實施形態的學習裝置的功能性之構成的方塊圖。 第2圖用來說明藉由實施形態之取得部所取得的學習信號之圖。 第3圖用來說明實施形態之學習部所進行之基準波形的學習之圖。 第4圖用來說明實施形態之生成部所進行之類似度的計算之圖。 第5圖用來說明實施形態之第一指標值之圖。 第6圖用來說明實施形態之第二指標值之圖。 第7圖用來說明實施形態之第三指標值之圖。 第8圖用來說明實施形態之第四指標值之圖。 第9圖顯示實施形態之學習裝置的硬體構成的方塊圖。 第10圖顯示實施形態之學習處理的流程圖。 第11圖用以說明實施形態之第一階段的分群之圖。 第12圖用以說明實施形態之第二階段的分群之圖。 第13圖用以說明變形例之原信號的分割之圖。 第14圖用以說明變形例之學習信號的取得之圖。 第15圖顯示變形例之學習處理的流程圖。

10‧‧‧學習裝置

11‧‧‧取得部

12‧‧‧學習部

13‧‧‧記憶部

14‧‧‧生成部

15‧‧‧輸出部

16‧‧‧受理部

141‧‧‧類似度解析部

142‧‧‧群集解析部

143‧‧‧基準波形解析部

144‧‧‧波形數解析部

145‧‧‧進展資訊生成部

Claims (19)

1. 一種學習裝置，係具備有： 取得手段，係取得學習信號； 學習手段，係以與顯示波形類似之程度的第一類似度相對應的方式將從經前述取得手段取得之前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形；以及 生成手段，係由第二類似度的分佈，來生成並輸出顯示由前述學習手段所進行之學習的進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中的前述學習部分信號所學習的前述基準波形與前述試行信號類似的程度。
2. 如申請專利範圍第1項所述之學習裝置，其中，前述生成手段係算出顯示從前述試行信號所擷取之複數個部分信號各自與前述基準波形類似之程度的前述第二類似度，且藉由前述第二類似度的分佈來生成前述進展資訊。
3. 如申請專利範圍第2項所述之學習裝置，其中，前述生成手段係由頻度相對於前述第二類似度之大小的分佈來生成前述進展資訊。
4. 一種學習裝置，係具備： 取得手段，係取得學習信號； 學習手段，係以與顯示波形類似之程度的類似度相對應的方式將從經前述取得手段取得之前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形；以及 生成手段，係生成由含有經分群之前述部分信號的各群集之特性來顯示由前述學習手段所進行之學習的進展狀況的進展資訊。
5. 如申請專利範圍第4項所述之學習裝置，其中，前述生成手段係由經分群之前述部分信號的數量來生成前述進展資訊。
6. 如申請專利範圍第4項所述之學習裝置，其中， 前述取得手段係反復取得前述學習信號， 前述生成手段係由前述學習手段反復學習前述基準波形時之各群組的特性的變化來生成前述進展資訊。
7. 如申請專利範圍第1項所述之學習裝置，其中， 前述取得手段係取得複數個前述學習信號， 前述生成手段係根據從一個前述學習信號由前述學習手段學習前述基準波形時之關於前述第二類似度之分佈的指標值，與從另一個前述學習信號由前述學習手段學習前述基準波形時之前述指標值的關係，來生成前述進展資訊。
8. 如申請專利範圍第7項所述之學習裝置，其中，前述生成手段係前述指標值的差低於閾值時，生成顯示前述基準波形的學習有充分進行的前述進展資訊。
9. 一種學習裝置，係具備： 取得手段，係取得學習信號； 學習手段，係以與顯示波形類似之程度的類似度相對應的方式將從經前述取得手段取得的前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形；以及 生成手段，係由第二類似度的分佈與含有經分群之前述部分信號的各群組的特性的至少一方，來生成並輸出顯示由前述學習手段所進行之學習的進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中的前述學習部分信號所學習的前述基準波形與前述試行信號類似的程度； 前述取得手段係藉由在下一次取得與所取得之一個前述學習信號的波形相對應之長度的前述學習信號，來反復取得前述學習信號， 前述生成手段係根據從一個前述學習信號由前述學習手段學習前述基準波形時之關於前述第二類似度的分佈與各群集之特性的至少一方的指標值，與從另一個前述學習信號由前述學習手段學習前述基準波形時的前述指標值的關係，來生成前述進展資訊。
10. 一種學習裝置，係具備： 取得手段，係取得學習信號； 學習手段，係以與顯示波形類似之程度相對應的第一類似度的方式將從經前述取得手段取得的前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形；以及 生成手段，係由第二類似度的分佈與含有經分群之前述部分信號的各群集的特性的至少一方，來生成並輸出顯示由前述學習手段所進行之學習的進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中的前述學習部分信號所學習的前述基準波形與前述試行信號類似的程度； 前述取得手段係在下一次取得比所取得之一個前述學習信號較長的前述學習信號，藉此反復取得前述學習信號， 前述生成手段係根據從一個前述學習信號由前述學習手段學習前述基準波形時之關於前述第二類似度的分佈與各群集之特性的至少一方的指標值，與從另一個前述學習信號由前述學習手段學習前述基準波形時的前述指標值的關係，來生成前述進展資訊。
11. 如申請專利範圍第1至10項中任一項所述之學習裝置，其中， 前述生成手段係生成並輸出顯示是否繼續前述基準波形之學習的前述進展資訊， 前述取得手段係於顯示要繼續學習前述進展資訊時，取得新的學習信號， 前述學習手段係從前述新的學習信號學習前述基準波形。
12. 一種學習方法，係含有： 學習步驟，係以與顯示波形類似之程度的第一類似度相對應的方式將從學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形； 生成步驟，係由第二類似度的分佈，來生成並輸出顯示學習之進展狀況的進展資訊，該第二類似度的分佈係顯示從構成前述學習信號之學習部分信號及試行信號當中的前述學習部分信號所學習的前述基準波形與前述試行信號類似的程度。
13. 一種學習方法，係含有： 學習步驟，係以與顯示波形類似之程度的類似度的方式將從學習信號所擷取的部分信號分群，並學習顯示經分群的前述部分信號的波形的基準波形；以及 生成步驟，係生成並輸出由含有經分群之前述部分信號的各群集的特性來顯示學習之進展狀況的進展資訊。
14. 一種學習方法，係含有： 取得步驟，係取得學習信號； 學習步驟，係以與顯示波形類似之程度的第一類似度相對應的方式將從前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形；以及 生成步驟，係由第二類似度的分佈與含有經分群之前述部分信號的各群集的特性的至少一方，來生成並輸出顯示學習之進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中之前述學習部分信號所學習的前述基準波形與前述試行信號類似的程度； 在前述取得步驟中 ，藉由在下一次取得與經取得之一個前述學習信號之波形相對應之長度的前述學習信號，而反復取得前述學習信號， 前述生成步驟中，係根據從一個前述學習信號而在前述學習步驟學習前述基準波形時之關於前述第二類似度的分佈與各群集的特性的至少一方的指標值，與從另一個前述學習信號而在學習前述基準波形時之前述指標值的關係，來生成前述進展資訊。
15. 一種學習方法，係含有： 取得步驟，係取得學習信號； 學習步驟，係以與顯示波形類似之程度的第一類似度相對應的方式將從前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形；以及 生成步驟，係由第二類似度的分佈與含有經分群之前述部分信號的各群集的特性的至少一方，來生成並輸出顯示學習之進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中之前述學習部分信號所學習的前述基準波形與前述試行信號類似的程度； 在前述取得步驟中，藉由在下一次取得比經取得之一個前述學習信號較長的前述學習信號，而反復取得前述學習信號， 在前述生成步驟中，係根據從一個前述學習信號而在前述學習步驟學習前述基準波形時之關於前述第二類似度之分佈與各群集的特性的至少一方的指標值，與從另一個前述學習信號而在前述學習步驟學習前述基準波形時的前述指標值的關係，來生成前述進展資訊。
16. 一種程式，係使電腦執行以下處理： 以與顯示波形類似之程度的第一類似度相對應的方式將從學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形， 由第二類似度的分佈，來生成並輸出顯示學習之進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中之前述學習部分信號所學習的前述基準波形與前述試行信號類似之程度。
17. 一種程式，係使電腦執行以下述處理： 以與顯示波形類似之程度的類似度相對應的方式將從學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形， 生成並輸出由包含經分群之前述部分信號的各群集的特性來顯示學習之進展狀況的進展資訊。
18. 一種程式，係使電腦執行以下述處理： 藉由取得一個學習信號、下一次取得與經取得之一個前述學習信號之波形相對應的長度的另一個前述學習信號，而反復取得前述學習信號； 以與顯示波形類似之程度的第一類似度相對應的方式將從前述學習信號所擷取的部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形； 根據從一個前述學習信號學習前述基準波形時之關於第二類似度的分佈及各群集之特性的至少一方的指標值，與從另一個前述學習信號學習前述基準波形時的前述指標值的關係，來生成並輸出顯示學習之進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中之前述學習部分信號所學習的前述基準波形與前述試行信號類似之程度。
19. 一種程式，係使電腦執行以下述處理： 藉由取得一個學習信號，並在下一次取得比經取得之一個前述學習信號較長的另一個前述學習信號，而反復取得前述學習信號； 以與顯示波形類似之程度的第一類似度相對應的方式將從前述學習信號所擷取之部分信號分群，並學習顯示經分群之前述部分信號的波形的基準波形； 根據從一個前述學習信號學習前述基準波形時之關於第二類似度的分佈及各群集之特性的至少一方的指標值，與從另一個前述學習信號學習前述基準波形時之前述指標值的關係，來生成並輸出顯示學習之進展狀況的進展資訊，該第二類似度係顯示從構成前述學習信號的學習部分信號及試行信號當中之前述學習部分信號所學習的前述基準波形與前述試行信號類似之程度。

Images