JP7135697B2 - 分析装置、分析システムおよび分析方法 - Google Patents
分析装置、分析システムおよび分析方法 Download PDFInfo
- Publication number
- JP7135697B2 JP7135697B2 JP2018192655A JP2018192655A JP7135697B2 JP 7135697 B2 JP7135697 B2 JP 7135697B2 JP 2018192655 A JP2018192655 A JP 2018192655A JP 2018192655 A JP2018192655 A JP 2018192655A JP 7135697 B2 JP7135697 B2 JP 7135697B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- measurement
- initial state
- measured
- elapsed time
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- 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
-
- 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
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Description
これによって、学習能力の優れたニューラルネットワークを用いて、事例データセットを学習することができる。
これによって、測定装置の経年劣化による周波数スペクトルなどの波形データの初期状態からの変化を補正することができる。
[第1の実施形態]
図1は、第1の実施形態の分析装置1の構成を表わす図である。
事例データセットは、複数の時点t1~tnにおける測定データの初期状態t0の測定データからの差分データD(t1)~D(tn)を記憶する。時点間の間隔は、たとえば、数時間、1日、1か月、または数か月などであってもよい。測定データは、波形データであってもよい。あるいは、測定データは、数値データであってもよい。
複数の事例データセットは、測定装置10、または複数の他の測定装置で測定された測定データから作成される。たとえば、複数の事例データセットは、複数のユーザが使用する測定装置で測定された測定データから作成される。
図3に示すように、経年劣化モデルAGMは、ニューラルネットワークで構成されるものとしてもよい。
ステップS201において、経年劣化推定部4は、事例データセットに含まれる時点t1~時点tm-1までの差分データD(tj)(j=1~m-1)を入力とし、時点tm~時点tnまでの差分データD(tk)(k=m~n)を出力とする学習データを生成する。
ステップS103において、経年劣化推定部4は、学習結果であるパラメータが設定された学習済みのニューラルネットワークに、差分データD(tj)(j=1~m-1)を入力することによって、学習済みのニューラルネットワークから差分データD(tk)(k=m~n)を出力させる。
ステップS105において、測定データ取得部3は、測定データR(tk)を取得する。
ステップS107において、k=nの場合に、処理が終了する。k=nでない場合に、処理がステップS108に進む。
図7は、第2の実施形態の分析システムの構成を表わす図である。
ステップS301において、データ管理装置20-1~20-Nの事例データセット生成部22は、オリジナルデータセットから、試料名および測定条件の識別子を消去し、複数の時点で測定された測定データから初期状態の測定データを減算することによって、事例データセットを生成する。
Claims (7)
- 複数の事例データセットを記憶する事例データセット記憶部と、
測定装置で測定された初期状態および複数の時点の測定データを取得する測定データ取得部と、
前記初期状態の測定データに対する第1の経過時間よりも前の複数の時点の測定データの変化量を表わす差分データを生成する差分データ生成部と、
前記複数の事例データセットを用いて、前記差分データ生成部によって生成された前記第1の経過時間よりも前の複数の時点の差分データに基づいて、前記第1の経過時間以降の測定データの前記初期状態の測定データからの変化量の推定値を表わす差分データを出力する経年劣化推定部と、
前記経年劣化推定部から出力される差分データによって、前記第1の経過時間以降の測定データを補正する経年劣化補正部とを備え、
前記複数の事例データセットの各々は、同一の試料および同一の測定条件において複数の時点で測定された測定データについての初期状態の測定データからの変化量を表わす差分データを含む、分析装置。 - 前記経年劣化推定部は、前記複数の事例データセットを用いて、初期状態から第1の経過時間より前の複数の時点の測定データの前記初期状態の測定データからの変化量を表わす差分データを入力とし、前記第1の経過時間以降の測定データの前記初期状態の測定データからの変化量を表わす差分データを出力するように学習された経年劣化モデルに、前記差分データ生成部によって生成された前記第1の経過時間よりも前の複数の時点の差分データを入力することによって、前記第1の経過時間以降の測定データの前記初期状態の測定データからの変化量の推定値を表わす差分データを出力する、請求項1記載の分析装置。
- 前記経年劣化モデルは、ニューラルネットワークによって構成される、請求項2記載の分析装置。
- 前記経年劣化補正部は、前記第1の経過時間以降の測定データに、前記経年劣化推定部から出力される差分データを減算する、請求項1記載の分析装置。
- 前記測定データは、波形データである、請求項1記載の分析装置。
- 請求項1記載の分析装置と、
1以上のデータ管理装置とを備え、
前記1以上のデータ管理装置は、
試料名および測定条件の識別子と、初期状態および複数の時点で測定された測定データとを含むオリジナルデータセットを管理するオリジナルデータ記憶部と、
前記オリジナルデータセットから、前記試料名および前記測定条件の識別子を消去し、前記複数の時点で測定された測定データから前記初期状態の測定データを減算することによって、前記事例データセットを生成する事例データセット生成部と、
前記事例データセットを前記分析装置へ送信する送信部とを備え、
前記分析装置は、前記事例データセットを受信する受信部を備えた、分析システム。 - データ管理装置が、試料名および測定条件の識別子と、初期状態および複数の時点で測定された測定データとを含むオリジナルデータセットから、前記試料名および前記測定条件の識別子を消去し、前記複数の時点で測定された測定データから前記初期状態の測定データを減算することによって、事例データセットを生成するステップと、
前記データ管理装置が、前記事例データセットを分析装置へ送信するステップと、
前記分析装置が、前記事例データセットを受信するステップと、
前記分析装置が、複数の前記事例データセットを用いて、初期状態から第1の経過時間より前の複数の時点の測定データの前記初期状態の測定データからの変化量を表わす差分データを入力とし、前記第1の経過時間以降の測定データの前記初期状態の測定データからの変化量を表わす差分データを出力とする経年劣化モデルを学習するステップと、
前記分析装置が、測定装置で測定された初期状態および複数の時点の測定データを取得するステップと、
前記分析装置が、前記学習された経年劣化モデルに、前記測定装置の初期状態から第1の経過時間より前の複数の時点の測定データの前記初期状態の測定データからの変化量を表わす差分データを入力することによって、前記第1の経過時間以降の測定データの前記初期状態の測定データからの変化量の推定値を表わす差分データを出力するステップと、
前記分析装置が、前記出力される差分データによって、前記第1の経過時間以降の測定データを補正するステップとを備えた、分析方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018192655A JP7135697B2 (ja) | 2018-10-11 | 2018-10-11 | 分析装置、分析システムおよび分析方法 |
US16/597,395 US11755561B2 (en) | 2018-10-11 | 2019-10-09 | Analysis device, analysis system, and analysis method |
CN201910965014.XA CN111046718B (zh) | 2018-10-11 | 2019-10-11 | 分析装置、分析***以及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018192655A JP7135697B2 (ja) | 2018-10-11 | 2018-10-11 | 分析装置、分析システムおよび分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020060473A JP2020060473A (ja) | 2020-04-16 |
JP7135697B2 true JP7135697B2 (ja) | 2022-09-13 |
Family
ID=70159646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018192655A Active JP7135697B2 (ja) | 2018-10-11 | 2018-10-11 | 分析装置、分析システムおよび分析方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11755561B2 (ja) |
JP (1) | JP7135697B2 (ja) |
CN (1) | CN111046718B (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006292446A (ja) | 2005-04-07 | 2006-10-26 | Shimadzu Corp | ガスクロマトグラフ装置 |
US20140129169A1 (en) | 2012-11-05 | 2014-05-08 | Shimadzu Corporation | Chromatogram data processing method and device |
WO2016096790A1 (en) | 2014-12-18 | 2016-06-23 | Ge Healthcare Bio-Sciences Ab | Automated chromatography column switching control based on pressure detection |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3214876B2 (ja) * | 1991-09-19 | 2001-10-02 | 株式会社日立製作所 | ニューラルネットワークの構成方法およびニューラルネットワーク構築支援システム |
JPH07260767A (ja) * | 1994-03-24 | 1995-10-13 | Yamatake Honeywell Co Ltd | ガスクロマトグラフにおけるカラム劣化検出方法 |
AU2001262687A1 (en) | 2000-06-02 | 2001-12-11 | Arkray, Inc. | Measurement assisting system and measurement assisting method |
US20030135547A1 (en) * | 2001-07-23 | 2003-07-17 | Kent J. Thomas | Extensible modular communication executive with active message queue and intelligent message pre-validation |
JP6360090B2 (ja) * | 2016-03-10 | 2018-07-18 | ファナック株式会社 | 機械学習装置、レーザ装置および機械学習方法 |
US10567263B2 (en) * | 2016-08-19 | 2020-02-18 | Intel Corporation | Technologies for simulating service degradation in a software defined network |
CN106447039A (zh) * | 2016-09-28 | 2017-02-22 | 西安交通大学 | 基于自编码神经网络的无监督特征提取方法 |
US10672199B2 (en) | 2017-01-18 | 2020-06-02 | Ford Global Technologies, Llc | Method for monitoring component life |
KR102474168B1 (ko) * | 2017-03-17 | 2022-12-06 | 포틀랜드 스테이트 유니버시티 | 적응형 컨볼루션 및 적응형 분리형 컨볼루션을 통한 프레임 인터폴레이션 |
US20180307741A1 (en) * | 2017-04-25 | 2018-10-25 | Intel Corporation | Filtering training data for simpler rbf models |
-
2018
- 2018-10-11 JP JP2018192655A patent/JP7135697B2/ja active Active
-
2019
- 2019-10-09 US US16/597,395 patent/US11755561B2/en active Active
- 2019-10-11 CN CN201910965014.XA patent/CN111046718B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006292446A (ja) | 2005-04-07 | 2006-10-26 | Shimadzu Corp | ガスクロマトグラフ装置 |
US20140129169A1 (en) | 2012-11-05 | 2014-05-08 | Shimadzu Corporation | Chromatogram data processing method and device |
WO2016096790A1 (en) | 2014-12-18 | 2016-06-23 | Ge Healthcare Bio-Sciences Ab | Automated chromatography column switching control based on pressure detection |
JP2018502293A (ja) | 2014-12-18 | 2018-01-25 | ジーイー・ヘルスケア・バイオサイエンス・アクチボラグ | 圧力検出に基づく自動化されたクロマトグラフィーカラム切替制御 |
Also Published As
Publication number | Publication date |
---|---|
CN111046718A (zh) | 2020-04-21 |
US11755561B2 (en) | 2023-09-12 |
CN111046718B (zh) | 2023-11-10 |
US20200117652A1 (en) | 2020-04-16 |
JP2020060473A (ja) | 2020-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boera et al. | The thermal history of the intergalactic medium down to redshift z= 1.5: a new curvature measurement | |
Wallach et al. | Lessons from climate modeling on the design and use of ensembles for crop modeling | |
Martín-Navarro et al. | The initial mass function of a massive relic galaxy | |
Ménard | Error covariance estimation methods based on analysis residuals: Theoretical foundation and convergence properties derived from simplified observation networks | |
Frith et al. | Estimating uncertainties in the SBUV Version 8.6 merged profile ozone data set | |
Hanhijärvi et al. | Pairwise comparisons to reconstruct mean temperature in the Arctic Atlantic Region over the last 2,000 years | |
JP7046875B2 (ja) | 合焦線形モデル補正及び多変量キャリブレーションモデルメンテナンス用線形モデル補正 | |
Debackere et al. | How baryons can significantly bias cluster count cosmology | |
Rousseau et al. | Suprathreshold stochastic resonance and noise-enhanced Fisher information in arrays of threshold devices | |
JPH08320239A (ja) | 測定器によって送られる信号を補正する方法 | |
Kwong et al. | Evaluation of ground motion selection and modification procedures using synthetic ground motions | |
Hintz et al. | Collecting and processing of barometric data from smartphones for potential use in numerical weather prediction data assimilation | |
Ventura et al. | Assimilation of mobile phone measurements for noise mapping of a neighborhood | |
Hanson et al. | 3D Galactic dust extinction mapping with multiband photometry | |
Schöll et al. | Making of a solar spectral irradiance dataset I: observations, uncertainties, and methods | |
US20230228803A1 (en) | Machine learning model training using de-noised data and model prediction with noise correction | |
JP7135697B2 (ja) | 分析装置、分析システムおよび分析方法 | |
Liguori et al. | A preliminary study on the estimation of the uncertainty of traffic noise measurements | |
Müller-Bravo et al. | PISCOLA: a data-driven transient light-curve fitter | |
Ringler et al. | Estimating pole–zero errors in GSN‐IRIS/USGS network calibration metadata | |
de Lima et al. | Macroweather precipitation variability up to global and centennial scales | |
CN106559133B (zh) | 光信号检测的方法及其网络设备 | |
JP2018055402A (ja) | 等価回路推定方法 | |
Rossi | Toward a unified framework for static and dynamic measurements | |
O'Reilly et al. | Calibrating large-ensemble European climate projections using observational data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220301 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220322 |
|
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: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220815 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7135697 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |