JP6760200B2 - 推定プログラム、推定方法および推定装置 - Google Patents
推定プログラム、推定方法および推定装置 Download PDFInfo
- Publication number
- JP6760200B2 JP6760200B2 JP2017097669A JP2017097669A JP6760200B2 JP 6760200 B2 JP6760200 B2 JP 6760200B2 JP 2017097669 A JP2017097669 A JP 2017097669A JP 2017097669 A JP2017097669 A JP 2017097669A JP 6760200 B2 JP6760200 B2 JP 6760200B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- estimator
- result value
- error
- input
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3457—Performance evaluation by simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49181—Calculation, estimation, creation of error model using measured error values
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
図1は、実施例1にかかるシミュレーション装置10の機能構成を示す機能ブロック図である。図1に示すように、シミュレーション装置10は、通信部11、記憶部12、制御部20を有する。なお、シミュレーション装置10は、これら以外にも、表示部や入力部などを有していてもよい。
ここで、実施例1にかかるシミュレーションについて説明する。図6は、シミュレーションを説明する図である。図6の左図に示すように、代用データ生成部24は、推定対象である(y)との誤差である代用誤差が小さい代用データ(y´)を見積もり、入力推定部22に入力する。入力推定部22は、入力された代用データ(y´)を学習済みの推定器enc(y)に適用して、入力(x)を推定する。さらに、出力推定部23は、推定された入力(x)を学習済みの推定器dec(x)に適用して、出力(y´´)を推定する。
次に、再構成誤差の算出手法について説明する。図7は、再構成誤差の算出を説明する図である。図7に示すように、入力推定部22は、テストデータの出力(y1,y2)に入力の推定器enc(y)を適用して、入力(x)を推定する。例えば、入力推定部22は、学習結果「x=−0.00732*y1+1.1763*y2−0.1249」を用いて、入力(x=3.257)を算出する。
続いて、代用データの生成について説明する。図8は、代用データの生成を説明する図である。図8に示すひし形は訓練データを示し、網掛けの四角はテストデータ(初期値)を示し、白い四角は代用データを示し、三角は再構成データを示す。代用データ生成部24は、代用誤差と再構成誤差とを加算した合計誤差が小さくなるように、テストデータ(初期値)から値(代用データ)を変更して、シミュレーション(推定処理)を実行させる。
次に、シミュレーションの具体例を説明する。図9は、実施例1にかかるシミュレーションを説明する図である。図9に示すように、まず、入力推定部22は、テストデータの出力y(y1=2.0,y2=3.0)に入力の推定器enc(y)を適用して、入力(x)=3.257を推定し、出力推定部23は、推定器dec(x)に入力(x)を適用して、出力y´´(y1,y2)を推定する。この結果、代用データ生成部24は、出力yと出力y´´との再構成誤差(4.578)と代用誤差(0)を算出し、合計誤差(4.578)を算出する。
図10は、処理の流れを示すフローチャートである。図10に示すように、訓練部21は、訓練データを用いて入力の推定器encを学習し(S101)、訓練データを用いて出力の推定器decを学習する(S102)。
上述したように、シミュレーション装置10は、推定器を利用して結果値よりパラメータ値を推定する推定方法において、結果値の近傍の値を用いることができる場合に、推定精度の高い近傍の値を用いて、パラメータ値を推定することができる。すなわち、シミュレーション装置10は、入力から出力を推定する学習を出力から入力を推定する学習と併用することで、精度よく推定可能な出力の範囲を見積もることができ、外れ値に対する推定がロバストになり、推定精度を向上することができる。
例えば、シミュレーション装置10は、AutoEncoder方式を用いて、学習時に、訓練データに対する再構成誤差が小さくなるように、推定器encおよび推定器decを学習することもできる。図12は、推定器の学習の別例を説明する図である。AutoEncoder方式では訓練データとして、(1)入力xに対する出力yの組、(2)入力が不明な出力y(オプション)の2つを使用できる。
例えば、シミュレーション装置10は、上述した手法以外の様々な手法を用いて、代用データの生成を行うことができる。例えば、シミュレーション装置10は、訓練データの集合を近似値や平均値などを用いて直線で表し、テストデータがその直線に近づくように、代用データの生成を行うことができる。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
図13は、ハードウェア構成例を示す図である。図13に示すように、シミュレーション装置10は、通信インタフェース10a、HDD(Hard Disk Drive)10b、メモリ10c、プロセッサ10dを有する。
11 通信部
12 記憶部
13 訓練データDB
14 テストデータDB
15 推定結果DB
20 制御部
21 訓練部
22 入力推定部
23 出力推定部
24 代用データ生成部
Claims (6)
- 過去のデータに基づき学習された結果値からパラメータ値を推定する第1の推定器、および、パラメータ値から結果値を推定する第2の推定器を用いた推定プログラムであって、
特定の結果値、または、前記特定の結果値の近傍にある近傍結果値を用いて、前記第1の推定器、および、前記第2の推定器により推定された再構成値と入力された結果値から再構成誤差を算出し、
前記入力された結果値と前記特定の結果値から算出される代用誤差、および、前記再構成誤差の和を最小とする第1の結果値を探索し、
前記第1の結果値から前記第1の推定器を用いて推定されるパラメータ値を出力する、
処理をコンピュータに実行させることを特徴とする推定プログラム。 - 前記探索する処理は、前記過去のデータの総数が閾値以下である場合、前記和を算出する際に、前記再構成誤差の重みを前記代用誤差よりも小さくして算出することを特徴とする請求項1に記載の推定プログラム。
- 前記探索する処理は、前記第1の推定器および前記第2の推定器がニューラルネットワークを用いた推定器である場合、前記代用誤差と前記再構成誤差との和である合計誤差の勾配が小さくなる方向に前記特定の結果値を変化させることにより、前記特定の結果値の近傍にある近傍結果値を探索することを特徴とする請求項1に記載の推定プログラム。
- 前記近傍結果値は前記合計誤差が最小になる、前記特定の結果値と異なる値であることを特徴とする請求項3に記載の推定プログラム。
- 過去のデータに基づき学習された結果値からパラメータ値を推定する第1の推定器、および、パラメータ値から結果値を推定する第2の推定器を用いた推定方法であって、
特定の結果値、または、前記特定の結果値の近傍にある近傍結果値を用いて、前記第1の推定器、および、前記第2の推定器により推定された再構成値と入力された結果値から再構成誤差を算出し、
前記入力された結果値と前記特定の結果値から算出される代用誤差、および、前記再構成誤差の和を最小とする第1の結果値を探索し、
前記第1の結果値から前記第1の推定器を用いて推定されるパラメータ値を出力する、
処理をコンピュータが実行することを特徴とする推定方法。 - 過去のデータに基づき学習された結果値からパラメータ値を推定する第1の推定器、および、パラメータ値から結果値を推定する第2の推定器を用いた推定装置であって、
特定の結果値、または、前記特定の結果値の近傍にある近傍結果値を用いて、前記第1の推定器、および、前記第2の推定器により推定された再構成値と入力された結果値から再構成誤差を算出する算出部と、
前記入力された結果値と前記特定の結果値から算出される代用誤差、および、前記再構成誤差の和を最小とする第1の結果値を探索する探索部と、
前記第1の結果値から前記第1の推定器を用いて推定されるパラメータ値を出力する出力部と
を有することを特徴とする推定装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017097669A JP6760200B2 (ja) | 2017-05-16 | 2017-05-16 | 推定プログラム、推定方法および推定装置 |
CN201880028353.9A CN110637309A (zh) | 2017-05-16 | 2018-04-20 | 推断程序、推断方法以及推断装置 |
PCT/JP2018/016379 WO2018211914A1 (ja) | 2017-05-16 | 2018-04-20 | 推定プログラム、推定方法および推定装置 |
US16/653,236 US20200042876A1 (en) | 2017-05-16 | 2019-10-15 | Computer-readable recording medium recording estimation program, estimation method, and information processing device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017097669A JP6760200B2 (ja) | 2017-05-16 | 2017-05-16 | 推定プログラム、推定方法および推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018195029A JP2018195029A (ja) | 2018-12-06 |
JP6760200B2 true JP6760200B2 (ja) | 2020-09-23 |
Family
ID=64273649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017097669A Active JP6760200B2 (ja) | 2017-05-16 | 2017-05-16 | 推定プログラム、推定方法および推定装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200042876A1 (ja) |
JP (1) | JP6760200B2 (ja) |
CN (1) | CN110637309A (ja) |
WO (1) | WO2018211914A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7351814B2 (ja) * | 2020-08-17 | 2023-09-27 | トヨタ自動車株式会社 | 車両応答予測装置、学習装置、方法、及びプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19616103A1 (de) * | 1996-04-23 | 1997-10-30 | Philips Patentverwaltung | Verfahren zum Ableiten charakteristischer Werte aus einem Sprachsignal |
JP2004094437A (ja) * | 2002-08-30 | 2004-03-25 | Fuji Electric Holdings Co Ltd | データ予測方法及びデータ予測システム |
JP4169063B2 (ja) * | 2006-04-06 | 2008-10-22 | ソニー株式会社 | データ処理装置、データ処理方法、及びプログラム |
JP2008293259A (ja) * | 2007-05-24 | 2008-12-04 | Sony Corp | データ処理装置、データ処理方法、及びプログラム |
US8572593B2 (en) * | 2007-07-30 | 2013-10-29 | Oracle International Corporation | Simplifying determination of whether application specific parameters are setup for optimal performance of associated applications |
JP5494034B2 (ja) * | 2010-03-10 | 2014-05-14 | 富士電機株式会社 | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 |
RU2015143556A (ru) * | 2013-05-24 | 2017-06-29 | Хэллибертон Энерджи Сервисиз, Инк. | Способы и системы сопоставления истории месторождений для улучшенной оценки продуктивности месторождений |
US9524465B2 (en) * | 2014-08-05 | 2016-12-20 | E.S.I. Software Ltd | System and method for analyzing and prioritizing changes and differences to configuration parameters in information technology systems |
-
2017
- 2017-05-16 JP JP2017097669A patent/JP6760200B2/ja active Active
-
2018
- 2018-04-20 WO PCT/JP2018/016379 patent/WO2018211914A1/ja active Application Filing
- 2018-04-20 CN CN201880028353.9A patent/CN110637309A/zh active Pending
-
2019
- 2019-10-15 US US16/653,236 patent/US20200042876A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20200042876A1 (en) | 2020-02-06 |
JP2018195029A (ja) | 2018-12-06 |
WO2018211914A1 (ja) | 2018-11-22 |
CN110637309A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sjöberg et al. | Initializing Wiener–Hammerstein models based on partitioning of the best linear approximation | |
US11620530B2 (en) | Learning method, and learning apparatus, and recording medium | |
Ayala Solares et al. | Nonlinear model structure detection and parameter estimation using a novel bagging method based on distance correlation metric | |
Yazid et al. | Improving the modeling capacity of Volterra model using evolutionary computing methods based on Kalman Smoother adaptive filter | |
JP6760200B2 (ja) | 推定プログラム、推定方法および推定装置 | |
Mu et al. | Bayesian variable selection for the Cox regression model with spatially varying coefficients with applications to Louisiana respiratory cancer data | |
Anastasiou et al. | Generalized multiple change-point detection in the structure of multivariate, possibly high-dimensional, data sequences | |
Kim et al. | Constrained unscented Kalman filter for structural identification of Bouc–Wen hysteretic system | |
KR102363636B1 (ko) | 통계적 불확실성 모델링을 활용한 음성 인식 방법 및 장치 | |
Abu-Zinadah | Bayesian estimation on the exponentiated Gompertz distribution under type II censoring | |
Eisenhauer | The approximate solution of finite‐horizon discrete‐choice dynamic programming models | |
JP7192873B2 (ja) | 情報処理プログラム、情報処理方法および学習装置 | |
Pupeikis | Tracking coefficients of a nonstationary system, followed by static nonlinearity jointly with the time delay | |
KR20220016682A (ko) | 데이터 라벨을 자동 교정하는 음성 인식 시스템 및 방법 | |
Vanck et al. | Using hyperbolic cross approximation to measure and compensate covariate shift | |
Wheeler et al. | Likelihood Based Inference for ARMA Models | |
JP6172316B2 (ja) | 混合モデリングのための初期化方法及び初期化システム | |
JP7464891B2 (ja) | トラフィック変動予測装置、及びトラフィック変動予測方法、並びにトラフィック変動予測プログラム | |
Heinz et al. | Efficient pole optimization of nonlinear laguerre filter models | |
US20220076162A1 (en) | Storage medium, data presentation method, and information processing device | |
US20240202531A1 (en) | Training an autoencoder to obtain a generative model | |
US11562233B2 (en) | Learning method, non-transitory computer readable recording medium, and learning device | |
US20240078361A1 (en) | Method and apparatus with circuit design parameter generation | |
WO2021111832A1 (ja) | 情報処理方法、情報処理システム及び情報処理装置 | |
JP6994572B2 (ja) | データ処理システムおよびデータ処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200428 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200625 |
|
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: 20200804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200817 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6760200 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |