JPH07244554A - 座標入力装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、操作板上の振動印加点の座標を算
出する座標入力装置に関し、操作板の形状に起因する反
射波、波の性質に起因する位相誤差、および仕様が決ま
ったときに生じる誤差などを補正し、正確な座標値を簡
単な構成で求めることを目的とする。 【構成】 振動を伝播すると共に伝播した振動を検出す
る複数のセンサ２を配置した操作板１と、これら複数の
センサ２によって検出された信号間の時間差をそれぞれ
求める時間差演算回路４と、これら求めた時間差から振
動印加点の座標値（Ｘｓ，Ｙｓ）を求める座標演算部６
と、この求めた座標値（Ｘｓ，Ｙｓ）から、反射波など
による誤差を補正した正しい座標値への補正値（ｘ’，
ｙ’）を求める補正値演算回路７とを備え、座標値（Ｘ
ｓ，Ｙｓ）に補正値（ｘ’，ｙ’）によって補正した正
しい座標値を出力するなどの構成からなる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、操作板上の振動印加点
の座標を算出する座標入力装置であって、アコースティ
ック・エミッション（ＡＥ）計測の原理を利用し、更に
操作板の端面における反射や音波の伝播時の誤差を取り
除くようにした座標入力装置に関するものである。

【０００２】

【従来の技術】従来、アコースティック・エミッション
（ＡＥ）計測の原理を利用した座標入力装置としては、
特開昭６３−２４４０６８号公報に記載されているよう
に、操作板の表面の周辺部に３個以上の振動センサを設
置しておき、適当な励振手段を内蔵した指示器によって
操作板の任意の位置に振動が印加されると、各振動セン
サが振動を検出し、励振時期と各振動センサによる振動
検出タイミングの時間差に基づいて振動印加点の座標を
演算する。

【０００３】また、操作板の端面からの反射波を取り除
くために、端面に振動吸収材を配置し、反射波による誤
差を少なくするようにしている。

【０００４】

【発明が解決しようとする課題】しかし、図２３の
（ａ）に示す操作板上で指示器によって振動を印加した
際に、振動印加点からセンサへ伝播する振動波には、セ
ンサに直接伝播する直接波（図２３の（ｂ））と、操作
板の端面で反射し、振動モードが変換されて伝播する反
射波（図２３の（ｃ））とがあり、これらが互いに干渉
し合った合成波（図２３の（ｄ））が発生される。この
ため、本来検出すべき直接波の振動と異なる、直接波と
反射波とを合成した合成波の振動をセンサが検出し、振
動印加点の座標値演算結果に誤差が生じてしまうという
問題があった。

【０００５】また、振動印加点からセンサまでの距離に
より、伝播する波の位相が変化するために、対になるセ
ンサの一方では強くなり、他方では弱くなると検出する
時間差に誤差が発生してしまうという問題もあった。

【０００６】これらの問題に対処するために、演算結果
の座標値と正しい座標値との対照表を予め作成してお
き、この対照表をもとに求めた座標値を正しい座標値に
変換すればよいが、当該対照表のサイズが分解能単位で
非常に大きくなってしまい、しかも、操作板毎に必要と
なり、実用上実現が困難であるという問題があった。

【０００７】また、操作板を光が透過する理由によりガ
ラス板を用いた場合、ガラス板の寸法にバラツキがあ
り、座標入力装置として使用したときに精度が保証でき
ないという問題があった。このため、ガラス板の寸法の
バラツキなどに対して簡易に補正する手段が望まれてい
た。

【０００８】本発明は、これらの問題を解決するため、
操作板の形状に起因する反射波、波の性質に起因する位
相誤差、および仕様が決まったときに生じる各種誤差を
補正し、正確な座標値を簡単な構成で求めることを目的
としている。

【０００９】

【課題を解決するための手段】図１、図５、図７、図
９、図１１、図１３、図１５、図１７から図２２を参照
して課題を解決するための手段を説明する。

【００１０】操作板１は、振動を伝播すると共に伝播し
た振動を検出する複数のセンサ２を配置したものであ
る。時間差演算回路４は、複数のセンサ２によって検出
された信号間の時間差をそれぞれ求めるものである。

【００１１】座標演算部６は、これら求めた時間差から
振動印加点の座標値（Ｘｓ，Ｙｓ）を求めるものであ
る。座標演算部６１は、これら求めた時間差から振動印
加点における、反射波などによる誤差を補正した正しい
座標値（Ｘ’，Ｙ’）を求めるものである。

【００１２】座標演算部６２は、複数のセンサ２にって
検出された信号から、反射波などによる誤差を補正した
正しい座標値（Ｘ’，Ｙ’）を求めるものである。補正
値演算回路７は、求めた座標値（Ｘｓ，Ｙｓ）から、反
射波などによる誤差を補正した正しい座標値への補正値
（ｘ’，ｙ’）を求めるものである。

【００１３】補正値演算回路７１は、求めた座標値（Ｘ
ｓ，Ｙｓ）から、反射波などよる誤差を補正した正しい
座標値（Ｘ’，Ｙ’）を求めるものである。補正値演算
回路７２は、求めた時間差ΔＴｘ、ΔＴｙから、反射波
などによる誤差を補正した正しい座標値への補正値
（ｘ’，ｙ’）を求めるものである。

【００１４】補正値演算回路７３は、複数のセンサ２に
よって検出された信号から、反射波などによる誤差を補
正した正しい座標値への補正値（ｘ’，ｙ’）を求める
ものである。

【００１５】重み固定中間層１４は、入力層１１と中間
層１２との間に設け、入力層１１の各ノードからの値に
所定の重みωおよび閾値θ（ω、θのうちの少なく一方
が固定）をもとに疑似的に増やした値を次の中間層（１
２）のノードへ入力するものである。この際、入力層１
１の入力パラメータ毎に重み固定中間層１４を設けても
よい。

【００１６】ニューラルネットワーク１５、１６は、入
力層１１、中間層１２、および出力層１３、更に必要に
応じて重み固定中間層１４から構成されるものである。
学習手段１７は、入力層１１、中間層１２および出力層
１３、更に必要に応じて重み固定中間層１４からなるニ
ューラルネットワークに教師信号（入力値と正しい出力
値の組）を与えて誤差が所定閾値以下となるように学習
させて重みωおよび閾値θを最適値に決定したり、操作
板１の寸法が拡縮した場合に閾値θのみを再学習させた
り、センサ２の感度が変化した場合に重みωのみを再学
習させたりするものである。

【００１７】学習手段１９は、ニューラルネットワーク
に標準的な操作板１の教師信号を与えて誤差が目標誤差
の整数倍以下となるように学習させて概略の重みωおよ
び閾値θを予め保存し、操作板１が製造されたときに、
保存しておいた概略の重みωおよび閾値θをニューラル
ネットワークに設定した後、教師信号を与えて学習させ
て誤差が目標誤差以下となったときに固定するものであ
る。

【００１８】学習手段２０は、ニューラルネットワーク
に標準的な操作板１の教師信号を与えて誤差が目標誤差
以下となるように学習させて重みωおよび閾値θを予め
保存し、操作板１が製造されたときに、保存しておいた
重みωおよび閾値θをニューラルネットワークに設定お
よび製造した操作板１を接続した後、教師信号（操作板
１への入力値と出力層１３からの正しい出力値の組）を
与えて学習させて誤差が目標誤差以下となったときに固
定するものである。

【００１９】入力層１１１は、操作板１上の複数のセン
サ２によって検出された信号、時間差ΔＴｘとΔＴｙあ
るいは補正前の座標値ＸｓとＹｓのうちのいずれか、お
よび操作板１の固体偏差データ１１２を入力する入力層
である。

【００２０】固体偏差データ１１２は、操作板１のサイ
ズ、寸法誤差、センサ２の配置誤差などのデータであ
る。

【００２１】

【作用】本発明は、図１に示すように、振動板１上で超
音波が印加されたことに対応して、時間差演算回路４が
振動板１上に配置された複数のセンサ２によって検出さ
れた信号間の時間差をそれぞれ求め、座標演算部６がこ
れら求めた時間差から振動印加点の座標値（Ｘｓ，Ｙ
ｓ）を演算し、補正値演算回路７がこれら求めた座標値
（Ｘｓ，Ｙｓ）から反射波などによる誤差を補正した正
しい座標値への補正値（ｘ’，ｙ’）を求め、補正前の
座標値（Ｘｓ，Ｙｓ）に補正値（ｘ’，ｙ’）によって
補正した正しい座標値を出力するようにしている。

【００２２】この際、図３に示すように、補正値演算回
路７を入力層１１、中間層１２および出力層１３から構
成し、座標演算部６によって求めた座標値（Ｘｓ，Ｙ
ｓ）を入力層１に入力し、この入力層１１の各ノードの
値に予め学習しておいた重みωをそれぞれ乗算した値の
和と閾値θをもとに算出した値Ｍを中間層１２の各ノー
ドの値とそれぞれし、次にこの中間層１２の各ノードの
値Ｍに予め学習しておいた重みωをそれぞれ乗算した値
の和と閾値θをもとに算出した値を出力層１３の各ノー
ドの値とそれぞれし、当該出力層１３の各ノードから補
正値（ｘ’，ｙ’）をそれぞれ出力するようにしてい
る。

【００２３】また、図５に示すように、補正値演算回路
７１がこれら求めた座標値（Ｘｓ，Ｙｓ）から反射波な
どよる誤差を補正した正しい座標値（Ｘ’，Ｙ’）を求
め、出力するようにしている。

【００２４】この際、図６に示すように、補正値演算回
路７１を入力層１１、中間層１２および出力層１３から
構成し、座標演算部６によって求めた座標値（Ｘｓ，Ｙ
ｓ）を入力層１１に入力し、この入力層１１の各ノード
の値に予め学習しておいた重みωをそれぞれ乗算した値
の和と閾値θをもとに算出した値Ｍを中間層１２の各ノ
ードの値とそれぞれし、次にこの中間層１２の各ノード
の値Ｍに予め学習しておいた重みωをそれぞれ乗算した
値の和と閾値θをもとに算出した値を出力層１３の各ノ
ードの値とそれぞれし、当該出力層１３の各ノードから
上記正しい座標値（Ｘ’，Ｙ’）をそれぞれ出力するよ
うにしている。

【００２５】また、図７に示すように、座標演算回路７
２がこれら求めた時間差ΔＴｘ、ΔＴｙから反射波など
による誤差を補正した正しい座標値への補正値（ｘ’，
ｙ’）を求め、補正前の座標値（Ｘｓ，Ｙｓ）に補正値
（ｘ’，ｙ’）によって補正した正しい座標値を出力す
るようにしている。

【００２６】この際、図８に示すように、補正値演算回
路７２を入力層１１、中間層１２および出力層１３から
構成し、時間差演算回路４によって求めた時間差ΔＴ
ｘ、ΔＴｙを入力層１１に入力し、この入力層１１の各
ノードの値に予め学習しておいた重みωをそれぞれ乗算
した値の和と閾値θをもとに算出した値Ｍを中間層１２
の各ノードの値とそれぞれし、次にこの中間層１２の各
ノードの値Ｍに予め学習しておいた重みωをそれぞれ乗
算した値の和と閾値θをもとに算出した値を出力層１３
の各ノードの値とそれぞれし、当該出力層１３の各ノー
ドから補正値（ｘ’，ｙ’）をそれぞれ出力するように
している。

【００２７】また、図９に示すように、座標演算部６１
がこれら求めた時間差ΔＴｘ、ΔＴｙから反射波などに
よる誤差を補正した正しい座標値（Ｘ’，Ｙ’）を求
め、出力するようにしている。

【００２８】この際、図１０に示すように、座標演算部
６１を入力層１１、中間層１２および出力層１３から構
成し、時間差演算回路４によって求めた時間差ΔＴｘ、
ΔＴｙを入力層１１に入力し、この入力層１１の各ノー
ドの値に予め学習しておいた重みωをそれぞれ乗算した
値の和と閾値θをもとに算出した値Ｍを中間層１２の各
ノードの値とそれぞれし、次にこの中間層１２の各ノー
ドの値Ｍに予め学習しておいた重みωをそれぞれ乗算し
た値の和と閾値θをもとに算出した値を出力層１３の各
ノードの値とそれぞれし、当該出力層１３の各ノードか
ら補正した正しい座標値（Ｘ’，Ｙ’）をそれぞれ出力
するようにしている。

【００２９】また、図１１に示すように、補正値演算回
路７３が複数のセンサ２によって検出された信号から反
射波などによる誤差を補正した正しい座標値への補正値
（ｘ’，ｙ’）を求め、補正前の座標値（Ｘｓ，Ｙｓ）
に補正値（ｘ’，ｙ’）によって補正した正しい座標値
を出力するようにしている。

【００３０】この際、図１２に示すように、補正値演算
回路７３を入力層１１、中間層１２および出力層１３か
ら構成し、複数のセンサ２によって検出された信号を入
力層１１に入力し、この入力層１１の各ノードの値に予
め学習しておいた重みωをそれぞれ乗算した値の和と閾
値θをもとに算出した値Ｍを中間層１２の各ノードの値
とそれぞれし、次にこの中間層１２の各ノードの値Ｍに
予め学習しておいた重みωをそれぞれ乗算した値の和と
閾値θをもとに算出した値を出力層１３の各ノードの値
とそれぞれし、当該出力層１３の各ノードから補正値
（ｘ’，ｙ’）をそれぞれ出力するようにしている。

【００３１】また、図１３に示すように、座標演算部６
２が複数のセンサ２によって検出された信号から反射波
などによる誤差を補正した正しい座標値（Ｘ’，Ｙ’）
を求めて出力するようにしている。

【００３２】この際、図１４に示すように、座標演算部
６２を入力層１１、中間層１２および出力層１３から構
成し、複数のセンサ２によって検出された信号を入力層
１１に入力し、この入力層１１の各ノードの値に予め学
習しておいた重みωをそれぞれ乗算した値の和と閾値θ
をもとに算出した値Ｍを中間層１２の各ノードの値とそ
れぞれし、次にこの中間層１２の各ノードの値Ｍに予め
学習しておいた重みωをそれぞれ乗算した値の和と閾値
θをもとに算出した値を出力層１３の各ノードの値とそ
れぞれし、当該出力層１３の各ノードから補正した正し
い座標値（Ｘ’，Ｙ’）をそれぞれ出力するようにして
いる。

【００３３】また、図１５に示すように、座標演算部６
１、６２、補正値演算回路７、７１、７２、７３の入力
層１１と中間層１２との間に重み固定中間層１４を設
け、当該重み固定中間層１４が入力層１１の各ノードか
らの値に所定の重みωおよび閾値θ（ω、θのうちの少
なくとも一方を固定）をもとに疑似的に増やした値を次
の中間層１２のノードへ入力するようにしている。

【００３４】この際、図１７に示すように、入力層１１
の入力パラメータの同じノードからの値に所定の重みω
および閾値θ（ω、θのうちの少なくとも一方を固定）
をもとに疑似的に増やした値を次の中間層１２の全ての
ノードへ入力する重み固定中間層１４を個別に設けるよ
うにしている。

【００３５】また、図１８に示すように、入力層１１、
中間層１２および出力層１３、更に必要に応じて重み固
定中間層１４からなるニューラルネットワークを、出力
パラメータ別に設けるようにしている。

【００３６】また、図１９に示すように、学習手段１７
が入力層１１、中間層１２および出力層１３からなるニ
ューラルネットワークに教師信号（入力値と正しい出力
値の組）を与えて誤差が目標誤差以下となるように学習
させて重みωおよび閾値θを最適値に決定したり、操作
板１の寸法が拡縮した場合に閾値θのみを再学習させた
り、センサ２の感度が変化した場合に重みωのみを再学
習させたりするようにしている。

【００３７】また、図２０に示すように、学習手段１９
がニューラルネットワークに標準的な操作板１の教師信
号（入力値と正しい出力値の組）を与えて誤差が目標誤
差の整数倍以下になるように学習させて概略の重みωお
よび閾値θを決定して予め保存しておき、操作板１が製
造されたときに保存しておいた概略の重みωおよび閾値
θをそれぞれニューラルネットワークに設定および操作
板を接続した後、教師信号（入力値と正しい出力値の
組）を与えて誤差が目標誤差以下となるように学習させ
て固定し、操作板１からの信号を入力層１１に入力して
出力層１３からの値をもとに操作板１上の座標値を出力
するようにしている。

【００３８】また、図２１に示すように、学習手段２０
がニューラルネットワークに標準的な操作板１の教師信
号（入力値と正しい出力値の組）を与えて誤差が目標誤
差以下になるように学習させて重みωおよび閾値θを決
定して予め保存しておき、操作板１が製造されたときに
保存しておいた重みωおよび閾値θをそれぞれニューラ
ルネットワークに設定および操作板１を接続した後、教
師信号（操作板１への入力値と出力層１３からの正しい
出力値の組）を与えて偏差が目標偏差以下となるように
学習させて固定し、操作板１からの信号を入力層１１に
入力して出力層１３からの値をもとに操作板１上の座標
値を出力するようにしている。

【００３９】また、図２２に示すように、操作板１上の
複数のセンサ２によって検出された信号、時間差ΔＴｘ
とΔＴｙあるいは補正前の座標値ＸｓとＹｓのうちのい
ずれか、および操作板１の固体偏差データ１１２を入力
層１１１に入力して学習してそのときの重みωおよび閾
値θを保存しておき、製造した操作板１の測定した固体
偏差データ１１２を固定値として入力層１１１に入力
し、操作板１の形状などの誤差を補正するようにしてい
る。

【００４０】従って、（１） 操作板１の形状に起因す
る反射波および波の性質に起因する位相などによる誤差
を補正する補正値（ｘ’，ｙ’）を補正値演算回路７に
よって求め、補正前の座標値（Ｘｓ，Ｙｓ）をこの補正
値（ｘ’，ｙ’）によって補正した（例えば足し込ん
だ）正しい座標値を出力したり、（２） 補正値演算回
路７１によって補正前の座標値（Ｘｓ，Ｙｓ）から補正
後の正しい座標値（Ｘ’，Ｙ’）を求めて出力したり、
（３） 補正値演算回路７２によって時間差ΔＴｘ、Δ
Ｔｙから補正値（ｘ’，ｙ’）を求め、補正前の座標値
（Ｘｓ，Ｙｓ）をこの補正値（ｘ’，ｙ’）によって補
正した（例えば足し込んだ）正しい座標値を出力した
り、（４） 座標演算部６１によって時間差ΔＴｘ、Δ
Ｔｙから補正した正しい座標値（Ｘ’，Ｙ’）を求めて
出力したり、（５） 補正値演算回路７３によって複数
のセンサ２によって検出した信号から正しい座標値への
補正値（ｘ’，ｙ’）を求め、補正前の座標値（Ｘｓ，
Ｙｓ）をこの補正値（ｘ’，ｙ’）によって補正した
（例えば足し込んだ）正しい座標値を出力したり、
（６） 座標演算部６２によって複数のセンサ２によっ
て検出した信号から補正した正しい座標値（Ｘ’，
Ｙ’）を求めて出力したり、（７） 重み固定中間層１
４を入力層１１と中間層１２との間に設け、疑似的に値
を増やして中間層１２に入力し、入力値の近傍の値を強
調して全体をカバーして効率的に学習および結果（補正
値、座標値など）を出力したり、（８） （７）で重み
固定中間層１４を入力層１１のノードに入力するパラメ
ータ毎に個別に設け、パラメータ毎に疑似的に値を増や
して効率的に学習および結果を出力したり、（９） 入
力層１１、中間層１２、出力層１３、更に必要に応じて
重み固定中間層１４からなるニューラルネットワークを
出力パラメータ別に設け、出力パラメータ個別に中間層
１２、更に重み固定中間層１４の重みω、閾値θを学習
してより精度の高い出力値を出力したり、（１０） 入
力層１１、中間層１２および出力層１３、更に必要に応
じて重み固定中間層１４からなるニューラルネットワー
クに教師信号（入力値と正しい出力値の組）を与えて学
習させて重みωおよび閾値θを決定した状態で、操作板
１の寸法が拡縮した場合に閾値θのみを迅速に再学習さ
せたり、センサ２の感度が変化した場合に重みωのみを
迅速に再学習させたり、（１１） ニューラルネットワ
ークに標準的な操作板１の教師信号を与えて学習して誤
差が目標誤差の整数倍以下となったときの概略の重みω
および閾値θを保存し、操作板１の製造ができたときに
保存しておいた概略の重みωおよび閾値θをニューラル
ネットワークに設定した後、教師信号を与えて学習させ
て誤差が目標誤差以下となったときに固定し、測定させ
たり、（１２） ニューラルネットワークに標準的な操
作板１の教師信号を与えて学習して誤差が目標誤差以下
となったときの重みωおよび閾値θを保存し、操作板１
の製造ができたときに保存しておいた重みωおよび閾値
θをニューラルネットワークに設定および操作板１を接
続した後、教師信号（操作板１への入力値および出力層
１３からの出力値の組）を与えて学習させて誤差が目標
誤差以下となったときに固定し、測定させたり、（１
３） ニューラルネットワークの入力層１１１に操作板
１上の複数のセンサ２によって検出された信号、時間差
ΔＴｘとΔＴｙあるいは補正前の座標値ＸｓとＹｓのう
ちのいずれか、および操作板１の固体偏差データ１１２
を入力して学習してそのときの重みωおよび閾値θを保
存しておき、製造した操作板１の測定した固体偏差デー
タ１１２を固定値として入力層１１１に入力し、操作板
１の形状などの誤差を補正したり、することにより、正
確な座標値を簡単な構成で測定することが可能となる。

【００４１】

【実施例】

（１） 図１から図４を用いて、補正前の座標値（Ｘ
ｓ，Ｙｓ）の反射波などによる誤差を補正する補正値
（ｘ’，ｙ’）を求め、この補正値（ｘ’，ｙ’）を補
正前の座標値（Ｘｓ，Ｙｓ）に足し込んで正しい座標値
を算出する場合の構成および動作を詳細に説明する。

【００４２】図１は、本発明の１実施例構成図を示す。
図１において、操作板１は、座標指示器によって振動が
印加された振動印加点の座標を算出するためのものであ
って、例えばガラス板から構成され、当該ガラス板の周
囲に振動を検出するセンサ２を３個以上設けたものであ
る。人が手でペン状の座標指示器を用いて操作板１の任
意点に加振すると、当該座標指示器が動作して振動を操
作板１に放射する。この放射された振動は、外周に設け
た、ここでは４個のセンサ２によってそれぞれ検出され
る。

【００４３】センサ２は、操作板１の周囲に設けた振動
を検出する素子であって、例えば圧電素子である。ここ
では、矩形の操作板１の各辺の中央の外周部に合計４個
を図示のように設ける。これらのセンサ２を以下の説明
で、図示のようにＬｉ、Ｌｊ、Ｌｋ、Ｌｌとする。尚、
センサ２は、３個以上であればよいがここでは説明を簡
単にするために４個とした。また、矩形の４隅に設けて
もよい。

【００４４】信号処理回路３は、操作板１上に設けた各
センサ２によって検出された信号からノイズをフィルタ
で除去したり、増幅したりなどの信号処理を行うもので
ある。この信号処理後の各センサＬｉ、Ｌｊ、Ｌｋ、Ｌ
ｌからの信号をｅｉ、ｅｊ、ｅｋ、ｅｌとする。

【００４５】時間差演算回路４は、各センサ２からの信
号処理後の信号ｅｉ、ｅｊ、ｅｋ、ｅｌをもとに、信号
間の時間差を演算するものである。ここでは、センサ２
を操作板１に示すように、Ｘ方向にＬｉとＬｋ、Ｙ方向
にＬｌ、Ｌｊを配置した場合、Ｘ方向の時間差を信号ｅ
ｉと信号ｅｋの振幅が閾値となる間の時間差ΔＴｘとし
て算出、およびＹ方向の時間差を信号ｅｌと信号ｅｊの
振幅が閾値となる間の時間差ΔＴｙとして算出する。

【００４６】ＣＰＵ５は、各種処理を行うものであっ
て、ここでは、座標演算部６などから構成されるもので
ある。座標演算部６は、時間差演算回路４から通知され
た時間差ΔＴｘ、ΔＴｙをもとに、操作板１上の補正前
の座標値（Ｘｓ，Ｙｓ）を算出するものである（図２を
用いて後述する）。

【００４７】補正値演算回路７は、座標演算部６によっ
て算出された補正前の座標値（Ｘｓ，Ｙｓ）を入力と
し、正しい座標値に補正する補正値（ｘ’，ｙ’）を算
出するものである。ここでは、入力層１１、中間層１２
および出力層１３からなるニューラルネットワークを予
め学習させておいた状態で入力し、補正値（ｘ’，
ｙ’）を算出する（図３を用いて後述する）。

【００４８】教師用回路９は、教師信号（入力信号と正
しい出力信号の組）を与えて誤差が零となるように、ニ
ューラルネットワークを学習（各ノードが持つ重みω、
閾値θをそれぞれ学習）させるものである。尚、本明細
書中で単に重みω、閾値θと記載したときは、記述を簡
単にするために後述する各添字を付加したもののいずれ
か、あるいは代表を表すものとする。

【００４９】図２は、本発明の座標値（補正前）の計算
説明図を示す。これは、図１の時間差演算回路４によっ
て算出された座標値（補正前）の計算説明図である。図
２の（ａ）は、操作板１上で座標指示器で振動を与えた
振動印加点の様子を示す。ここで、ガラス板（操作板
１）上の位置、、にそれぞれ振動を与えた場合、
ＡＥ波がセンサｉおよびセンサｋに向かって進む（セン
サｊ、ｌも同様である）。

【００５０】図２の（ｂ）は、センサ検出波形（Ｘ方向
のみ）を示す。これは、図２の（ａ）で、、の振
動印加点で振動を与えたときにセンサｉ、センサｋの出
力の信号の波形例を示す。

【００５１】図２の（ｂ−１）は、図２の（ａ）のの
振動印加点に振動を与えた場合を示す。このの場合に
は、センサｉの方が近いので速く出力信号が検出され、
遅れてセンサｋの出力信号が検出される。そのときの時
間差ΔＴｘである。

【００５２】図２の（ｂ−２）は、図２の（ａ）のの
振動印加点に振動を与えた場合を示す。このの場合に
は、センサｉとセンサｋまでの距離が等しいので、両者
の時間差０（零）である。

【００５３】図２の（ｂ−３）は、図２の（ａ）のの
振動印加点に振動を与えた場合を示す。このの場合に
は、センサｋの方が近いので速く出力信号が検出され、
遅れてセンサｉの出力信号が検出される。そのときの時
間差−ΔＴｘである。

【００５４】以上のように、振動印加点からセンサｉお
よびセンサｋまでの距離に対応して時間差ΔＴｘを求め
る。図２の（ｃ）は、計算方法を示す。これは、説明を
簡単にするために、中心から各センサｉ、ｊ、ｋ、ｌま
での距離をｈと等しくした場合に、時間差ΔＴｘ、ΔＴ
ｙを図２の（ｂ）のようにして求め、これらを計算式に
代入して振動印加点の座標値（Ｘｓ，Ｙｓ）を計算した
ものである。計算式は、図示の下記の式１となる。

【００５５】 Ｘｓ＝ａ１｛（ｂ１²＋ａ２²）・ｂ２²／ｄ｝^1/2 Ｙｓ＝ａ２｛（ａ１²＋ｂ２²）・ｂ１²／ｄ｝^1/2 （式１） ここで、ａ１＝ΔＬｘ／２、ａ２＝ΔＬｙ／２ ｂ１²＝ｈ²−ａ１²、ｂ２²＝ｈ²−ａ２²、 ｄ＝｜ｂ１²・ｂ２²−ａ１²・ａ２²｜ ΔＬｘ＝ΔＴｘ・Ｖ＝（Ｔｉ−Ｔｋ）・Ｖ ΔＬｙ＝ΔＴｙ・Ｖ＝（Ｔｊ−Ｔｌ）・Ｖ Ｖ：振動波の伝播速度 ΔＴｘ：センサｊとセンサｋの出力信号の時間差 ΔＴｙ：センサｊとセンサｌの出力信号の時間差 ｈ：中心よりセンサｉ、ｊ、ｋ、ｌまでの距離 次に、図３および図４を用いて、図２の時間差ΔＴｘ、
ΔＴｙを用いて算出した座標値（Ｘｓ，Ｙｓ）につい
て、反射波および位相ずれによる誤差を補正する補正値
（ｘ’，ｙ’）の算出について詳細に説明する。ここで
は、３層（入力層、中間層、出力層）からなるニューラ
ルネットワークを使用し、反射波および位相ずれによる
誤差を補正する補正値（ｘ’，ｙ’）について以下詳細
に説明する。

【００５６】図３は、本発明の補正値演算回路例を示
す。図３の（ａ）において、入力層１１には、図２で求
めた座標値Ｘｓおよび座標値Ｙｓを図示のように各ノー
ドに入力する。

【００５７】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、下記の式２に示すようにして値Ｍを算出
し、出力層１３に向けて出力するものである。

【００５８】 出力層１３は、図示のように、中間層１２の各ノードか
らの値Ｍに重みωを乗算し、その和に閾値θを足し込
み、下記の式３に示すようにして値ｘ’、ｙ’を算出
し、補正値ｘ’、ｙ’として出力するものである。

【００５９】 尚、図３の入力層１１、中間層１２、および出力層１３
からなるニューラルネットワークは、予め教師信号とし
て、 入力：補正前の座標値（Ｘｓ，Ｙｓ） 出力：正確な座標値と補正前の座標値（Ｘｓ，Ｙｓ）
（測定値）との差（ｘ，ｙ） の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する。この重みω、閾値θの決定
は、操作板１の形状、センサ２の位置などに対応して予
め求めて保存しておき、実際の装置の図３の各重みω、
閾値θに設定してもよい。

【００６０】図３の（ｂ）は、図３の（ａ）で式２、式
３に使用した関数をグラフで示す。この関数、 ｙ＝１／｛１＋ｅｘｐ（−αｘ＋θ）｝ は、Ｘ、Ｙ座標系上に表すと図示のグラフに示すよう
に、ｘが＋∞から−∞に変化したときにｙは０〜１の範
囲内の値となる関数である。

【００６１】以上説明したように、図３の（ａ）の入力
層１１、中間層１２および出力層１３からなるニューラ
ルネットワークを学習させ、図２で求めた補正前の座標
値（Ｘｓ，Ｙｓ）を入力とし、出力から補正値（ｘ’，
ｙ’）を得ることができる。従って、補正前の座標値
（Ｘｓ，Ｙｓ）にこの補正値（ｘ’，ｙ’）を足し込ん
で、補正後の正しい座標値（Ｘｓ＋ｘ’，Ｙｓ＋ｙ’）
を求めることができる。

【００６２】図４は、本発明の座標値の補正例を示す。
図４の（ａ）は、補正前の座標値例を示す。この補正前
の座標値（Ｘｓ，Ｙｓ）は、反射波や位相ずれにより誤
差が発生しているので、図示の太線で描画したように、
正しに細線の矩形のマスの交点からかなりずれて誤差が
発生している様子が判る。

【００６３】図４の（ｂ）は、補正後の座標値例を示
す。この補正後の正しい座標値は、図３の（ａ）のニュ
ーラルネットワークによって求めた補正値（ｘ’，
ｙ’）を図４の（ａ）の補正前の座標値（Ｘｓ，Ｙｓ）
に足し込んだ補正後の正しい座標値（Ｘｓ＋ｘ’，Ｙｓ
＋ｙ’）の例を示す。この補正後の正しい座標値（Ｘｓ
＋ｘ’，Ｙｓ＋ｙ’）から判明するように、図３のニュ
ーラルネットワークを用いて予め学習させておくことに
より、図４の（ａ）の補正前の座標値（Ｘｓ，Ｙｓ）と
比較し、正確な座標値を得ることが判明する。

【００６４】（２） 図５および図６を用いて、補正前
の座標値（Ｘｓ，Ｙｓ）の反射波などによる誤差を補正
した正しい座標値（Ｘ’，Ｙ’）を算出する場合の構成
および動作を詳細に説明する。

【００６５】図５は、本発明の他の実施例構成図を示
す。ここで、１から６は、図１の１から６と同一である
ので、説明を省略する。図５において、補正値演算回路
７１は、座標演算部６によって算出された補正前の座標
値（Ｘｓ，Ｙｓ）を入力とし、補正した正しい座標値
（Ｘ’，Ｙ’）を算出するものである。ここでは、入力
層１１、中間層１２および出力層１３からなるニューラ
ルネットワークを予め学習させておいた状態で入力し、
補正した正しい座標値（Ｘ’，Ｙ’）を算出する（図６
を用いて後述する）。

【００６６】教師用回路９は、教師信号を与えて誤差が
零となるように、ニューラルネットワークを学習（各ノ
ードが持つ重みω、閾値θをそれぞれ学習）させるもの
である。

【００６７】次に、図６を用いて、図５の時間差ΔＴ
ｘ、ΔＴｙを用いて算出した座標値（Ｘｓ，Ｙｓ）につ
いて、反射波および位相ずれによる誤差を補正した正し
い座標値（Ｘ’，Ｙ’）の算出について詳細に説明す
る。ここでは、３層（入力層、中間層、出力層）からな
るニューラルネットワークを使用し、反射波および位相
ずれによる誤差を補正した正しい座標値（Ｘ’，Ｙ’）
の算出について以下詳細に説明する。

【００６８】図６は、本発明の補正値演算回路例を示
す。図６において、入力層１１には、図５で求めた座標
値Ｘｓおよび座標値Ｙｓを図示のように各ノードに入力
する。

【００６９】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、下記の式４（式２と同じあるが、ω、θの
値が異なる）に示すようにして値Ｍを算出し、出力層１
３に向けて出力するものである。

【００７０】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和にθを足し込み、下記
の式５に示すようにして値Ｘ’、Ｙ’を算出し、補正し
た正しい座標値Ｘ’、Ｙ’として出力するものである。

【００７１】 尚、図６の入力層１１、中間層１２、および出力層１３
からなるニューラルネットワークは、予め教師信号とし
て、 入力：補正前の座標値（Ｘｓ，Ｙｓ） 出力：正確な座標値 の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図５の各重みω、閾値θに設定
してもよい。この学習後の図６のニューラルネットワー
クを用いると、既述した図４の（ａ）の補正前の座標値
（Ｘｓ，Ｙｓ）を入力とし、図４の（ｂ）の補正後の正
しい座標値（Ｘ’，Ｙ’）を直接に得ることができる。

【００７２】（３） 図７および図８を用いて、補正前
の座標値（Ｘｓ，Ｙｓ）の反射波などによる誤差につい
て、時間差演算回路４によって求めた時間差ΔＴｘ、Δ
Ｔｙをもとに補正値（ｘ’，ｙ’）を求め、足し込んで
補正した正しい座標値（Ｘｓ＋ｘ’，Ｙｘ＋ｙ’）を算
出する場合の構成および動作を詳細に説明する。

【００７３】図７は、本発明の他の実施例構成図を示
す。ここで、１から６は、図１の１から６と同一である
ので、説明を省略する。図７において、補正値演算回路
７２は、時間差演算回路４によって算出された補正前の
時間差ΔＴｘ、ΔＴｙを入力とし、正しい座標値に補正
する補正値（ｘ’，ｙ’）を算出するものである。ここ
では、入力層１１、中間層１２および出力層１３からな
るニューラルネットワークを予め学習させておいた状態
で入力し、正しい座標値に補正する補正値（ｘ’，
ｙ’）を算出する（図８を用いて後述する）。

【００７４】教師用回路９は、教師信号を与えて誤差が
零となるように、ニューラルネットワークを学習（各ノ
ードが持つ重みω、閾値θをそれぞれ学習）させるもの
である。

【００７５】次に、図８を用いて、図７の時間差ΔＴ
ｘ、ΔＴｙをもとに、反射波および位相ずれによる誤差
を補正して正しい座標値にするための補正値（ｘ’，
ｙ’）の算出について詳細に説明する。ここでは、３層
（入力層、中間層、出力層）からなるニューラルネット
ワークを使用し、反射波および位相ずれによる誤差を補
正して正しい座標値にするための補正値（ｘ’，ｙ’）
について以下詳細に説明する。

【００７６】図８は、本発明の補正値演算回路例を示
す。図８において、入力層１１には、図７で求めた時間
差ΔＴｘ、ΔＴｙを図示のように各ノードに入力する。

【００７７】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、下記の式６に示すようにして値Ｍを算出
し、出力層１３に向けて出力するものである。

【００７８】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式７（式３と同じであるが、ω、θの値が異な
る）に示すようにして値ｘ’、ｙ’を算出し、正しい座
標値への補正値ｘ’、ｙ’として出力するものである。

【００７９】 尚、図８の入力層１１、中間層１２、および出力層１３
からなるニューラルネットワークは、予め教師信号とし
て、 入力：時間差ΔＴｘ、ΔＴｙ 出力：正確な座標値と補正前の座標値（Ｘｓ，Ｙｓ）
（測定値）との差（ｘ，ｙ） の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図７の各重みω、閾値θに設定
してもよい。この学習後の図８のニューラルネットワー
クを用いると、既述した図４の（ａ）の補正前の座標値
（Ｘｓ，Ｙｓ）を、図４の（ｂ）の補正後の正しい座標
値（Ｘ’，Ｙ’）に補正することができる。

【００８０】（４） 図９および図１０を用いて、時間
差演算回路４によって求めた時間差ΔＴｘ、ΔＴｙをも
とに、反射波などによる誤差を補正した正しい座標値
（Ｘ’、Ｙ’）を算出する場合の構成および動作を詳細
に説明する。

【００８１】図９は、本発明の他の実施例構成図を示
す。ここで、１から４は、図１の１から４と同一である
ので、説明を省略する。図９において、座標演算部６１
は、時間差演算回路４によって求めた時間差ΔＴｘ、Δ
Ｔｙをもとに、補正した正しい座標値（Ｘ’，Ｙ’）を
算出するものである（図１０を用いて後述する）。

【００８２】ＣＰＵ５１は、各種制御を行うものであっ
て、ここでは、座標演算部６１から通知された座標値
（Ｘ’，Ｙ’）を出力するものである。教師用回路９
は、教師信号を与えて誤差が零となるように、ニューラ
ルネットワークを学習（各ノードが持つ重みω、閾値θ
をそれぞれ学習）させるものである。

【００８３】次に、図１０を用いて、図９の時間差ΔＴ
ｘ、ΔＴｙをもとに、反射波および位相ずれによる誤差
を補正した正しい座標値（Ｘ’，Ｙ’）の算出について
詳細に説明する。ここでは、３層（入力層、中間層、出
力層）からなるニューラルネットワークを使用し、反射
波および位相ずれによる誤差を補正した正しい座標値
（Ｘ’，Ｙ’）を得る場合について以下詳細に説明す
る。

【００８４】図１０は、本発明の座標演算部例を示す。
図１０において、入力層１１には、図９で求めた時間差
ΔＴｘ、ΔＴｙを図示のように各ノードに入力する。

【００８５】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和にθを足
し込み、下記の式８に示すようにして値Ｍを算出し、出
力層１３に向けて出力するものである。

【００８６】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式９に示すようにして値Ｘ’、Ｙ’を算出し、補
正した正しい座標値Ｘ’、Ｙ’として出力するものであ
る。

【００８７】 尚、図１０の入力層１１、中間層１２、および出力層１
３からなるニューラルネットワークは、予め教師信号と
して、 入力：時間差ΔＴｘ、ΔＴｙ 出力：正確な座標値 の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図９の各重みω、閾値θに設定
してもよい。この学習後の図１０のニューラルネットワ
ークを用いると、既述した図４の（ａ）の補正前の座標
値（Ｘｓ，Ｙｓ）を、図４の（ｂ）の補正後の正しい座
標値（Ｘ’，Ｙ’）に補正することができる。

【００８８】（５） 図１１および図１２を用いて、複
数のセンサ２からの信号をもとに正しい座標値への補正
値（ｘ’，ｙ’）を求め、補正前の座標値（Ｘｓ，Ｙ
ｓ）に足し込んで補正した正しい座標値（Ｘｓ＋ｘ’，
Ｙｘ＋ｙ’）を算出する場合の構成および動作を詳細に
説明する。

【００８９】図１１は、本発明の他の実施例構成図を示
す。ここで、１から６は、図１の１から６と同一である
ので、説明を省略する。図１１において、補正値演算回
路７３は、複数のセンサ２によって検出された信号を入
力とし、正しい座標値に補正する補正値（ｘ’，ｙ’）
を算出するものである。ここでは、入力層１１、中間層
１２および出力層１３からなるニューラルネットワーク
を予め学習させておいた状態で入力し、正しい座標値に
補正する補正値（ｘ’，ｙ’）を算出する（図１２を用
いて後述する）。

【００９０】教師用回路９は、教師信号を与えて誤差が
零となるように、ニューラルネットワークを学習（各ノ
ードが持つ重みω、閾値θをそれぞれ学習）させるもの
である。

【００９１】次に、図１２を用いて、図１１の複数のセ
ンサ２によって検出された信号をもとに、反射波および
位相ずれによる誤差を補正して正しい座標値にするため
の補正値（ｘ’，ｙ’）の算出について詳細に説明す
る。ここでは、３層（入力層、中間層、出力層）からな
るニューラルネットワークを使用し、反射波および位相
ずれによる誤差を補正して正しい座標値にするための補
正値（ｘ’，ｙ’）について以下詳細に説明する。

【００９２】図１２は、本発明の補正値演算回路例を示
す。図１２において、入力層１１には、図１１で検出し
た複数のセンサ２からの信号を図示のように各ノードに
入力する。

【００９３】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、下記の式１０に示すようにして値Ｍを算出
し、出力層１３に向けて出力するものである。

【００９４】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式１１に示すようにして値ｘ’、ｙ’を算出し、
正しい座標値への補正値ｘ’、ｙ’として出力するもの
である。

【００９５】 尚、図１２の入力層１１、中間層１２、および出力層１
３からなるニューラルネットワークは、予め教師信号と
して、 入力：複数のセンサ２によって検出した信号ｅ_i、ｅ_j、
ｅ_k、ｅ_l 出力：正確な座標値と補正前の座標値（Ｘｓ，Ｙｓ）
（測定値）との差（ｘ，ｙ） の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図１１の各重みω、閾値θに設
定してもよい。この学習後の図１２のニューラルネット
ワークを用いると、既述した図４の（ａ）の補正前の座
標値（Ｘｓ，Ｙｓ）を、図４の（ｂ）の補正後の正しい
座標値（Ｘ’，Ｙ’）に補正することができる。

【００９６】（６） 図１３および図１４を用いて、複
数のセンサ２からの信号をもとに補正した正しい座標値
（Ｘ’，Ｙ’）を算出する場合の構成および動作を詳細
に説明する。

【００９７】図１３は、本発明の他の実施例構成図を示
す。ここで、１から３は、図１の１から３と同一である
ので、説明を省略する。図１３において、座標演算部６
２は、複数のセンサ２によって検出された信号を入力と
し、補正した正しい座標値（Ｘ’，Ｙ’）を算出するも
のである。ここでは、入力層１１、中間層１２および出
力層１３からなるニューラルネットワークを予め学習さ
せておいた状態で入力し、補正した正しい座標値
（Ｘ’，Ｙ’）を算出する（図１４を用いて後述す
る）。

【００９８】教師用回路９は、教師信号を与えて誤差が
零となるように、ニューラルネットワークを学習（各ノ
ードが持つ重みω、閾値θをそれぞれ学習）させるもの
である。

【００９９】次に、図１４を用いて、図１３の複数のセ
ンサ２によって検出された信号をもとに、反射波および
位相ずれによる誤差を補正した正しい座標値（Ｘ’，
Ｙ’）の算出について詳細に説明する。ここでは、３層
（入力層、中間層、出力層）からなるニューラルネット
ワークを使用し、反射波および位相ずれによる誤差を補
正して座標値（Ｘ’，Ｙ’）の算出について以下詳細に
説明する。

【０１００】図１４は、本発明の座標演算部例を示す。
図１４において、入力層１１には、図１３で検出した複
数のセンサ２からの信号を図示のように各ノードに入力
する。

【０１０１】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、下記の式１２（式１０と同じあるが、ω、
θの値が異なる）に示すようにして値Ｍを算出し、出力
層１３に向けて出力するものである。

【０１０２】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式１３（式１１と同じあるが、ω、θの値が異な
る）に示すようにして値Ｘ’、Ｙ’を算出し、正しい座
標値への補正値Ｘ’、Ｙ’として出力するものである。

【０１０３】 尚、図１３の入力層１１、中間層１２、および出力層１
３からなるニューラルネットワークは、予め教師信号と
して、 入力：複数のセンサ２によって検出した信号ｅ_i、ｅ_j、
ｅ_k、ｅ_l 出力：正確な座標値 の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図１３の各重みω、閾値θに設
定してもよい。この学習後の図１４のニューラルネット
ワークを用いると、既述した図４の（ａ）の補正前の座
標値（Ｘｓ，Ｙｓ）を、図４の（ｂ）の補正後の正しい
座標値（Ｘ’，Ｙ’）に補正することができる。

【０１０４】（７） 図１５および図１６を用いて、入
力層１１と中間層１２の間に重み固定中間層１４を設け
て中間層１２への入力を疑似的に増やした場合の構成お
よび動作を詳細に説明する。ここでは、補正前の座標値
（Ｘｓ，Ｙｓ）を入力層１１に入力し、補正した正しい
座標値（Ｘ’，Ｙ’）を出力層１３から出力する例をも
とに詳細に説明する。

【０１０５】図１５は、本発明の他の実施例構成図を示
す。図１５において、入力層１１は、入力を与える層で
あって、ここでは、補正前の座標値（Ｘｓ，Ｙｓ）を当
該入力層１１の各ノードに与えるものである。

【０１０６】重み固定中間層１４は、入力層１１の各ノ
ードに与えられた値（ここでは補正前の座標値（Ｘｓ，
Ｙｓ））に、重みωおよび閾値θをもとに下記式１４に
従った値を算出して中間層１４の各ノードに疑似的に入
力の値を増やした信号Ｍ_i ¹を出力するものである（図１
６を用いて後述する）。

【０１０７】 中間層１２は、図示のように、重み固定中間層１４の各
ノードからの値に重みωを乗算し、その和に閾値θを足
し込み、下記の式１５に示すようにして値Ｍ_i ²を算出
し、出力層１３に向けて出力するものである。

【０１０８】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式１６に示すように、値Ｘ’、Ｙ’を算出し、こ
こでは補正後の正しい座標値Ｘ’、Ｙ’として出力する
ものである。

【０１０９】 尚、図１５の入力層１１、重み固定中間層１５のうちの
固定でないとしたω、θ、中間層１２、および出力層１
３からなるニューラルネットワークは、予め教師信号と
して、ここでは例えば 入力：補正前の座標値（Ｘｓ，Ｙｓ） 出力：正確な座標値 の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図１５の各重みω、閾値θに設
定してもよい。この学習後の図１５のニューラルネット
ワークを用いると、既述した図４の（ａ）の補正前の座
標値（Ｘｓ，Ｙｓ）を、図４の（ｂ）の補正後の正しい
座標値（Ｘ’，Ｙ’）に補正することができる。

【０１１０】図１６は、本発明の重み固定中間層からの
出力例を示す。ここで、重みωが各曲線の傾きを表し、
各曲線の位置が閾値θをそれぞれ表す。従って、重みω
を例えば図示のような曲線の傾きに固定し、閾値θとし
て図示の曲線の数であるｎ個の位置でそれぞれ固定とす
ると、図示のような曲線（シグモイド関数）が決定され
る。ここで、横軸は正規化した入力値であり、縦軸は正
規化した出力値である。ここでは、曲線を均等に配置し
たが、特定の入力値に対応して重点的に（偏って）配置
することもある。

【０１１１】このように重みωおよび閾値θを固定する
と、図示のようなシグモイド関数が決定されるので、横
軸の任意の入力値を与えたとき、各シグモイド関数と交
わった点の縦軸の複数の出力値が出力、即ち入力値の近
傍の値が疑似的に強調されて出力され、次の中間層１２
の各ノードに入力されることとなる。これにより、少な
い入力から当該入力の近傍の値を疑似的に増やして出力
し、効率的に学習したり、学習後に効率的に中間層１２
および出力層１３を働かせて正確な値を出力させたりす
ることが可能となる。更に、言えば、入力値の近くの出
力値を強調するために傾きを大きくし（重みωを大きく
し）、全体をカバーするために複数個用意し（閾値θの
値が異なる複数個用意し）、全体での出力位置を加算す
ることにより、効率的な学習および学習後の効率的な出
力を図ったものである。

【０１１２】（８） 図１７を用いて、入力層１１と中
間層１２の間に、入力パラメータ毎に個別の重み固定中
間層１４を設けて中間層１２への入力を疑似的に増やし
た場合の構成および動作を詳細に説明する。ここでは、
補正前の座標値（Ｘｓ，Ｙｓ）を入力層１１に入力し、
補正した正しい座標値（Ｘ’，Ｙ’）を出力層１３から
出力する例をもとに詳細に説明する。

【０１１３】図１７は、本発明の他の実施例構成図を示
す。図１７において、入力層１１は、入力を与える層で
あって、ここでは、補正前の座標値（Ｘｓ，Ｙｓ）を当
該入力層１１の各ノードに与えるものである。ここで
は、ＸｓとＹｓの２つの入力パラメータの値を各ノード
に与える。

【０１１４】重み固定中間層１４は、入力層１１の各ノ
ードに与えられた値（ここでは補正前の座標値Ｘｓ、Ｙ
ｓに、重みωおよび閾値θをもとに下記式１７、式１８
に従った入力パラメータＸｓ、Ｙｓの２つについて個別
に値を算出して中間層１４の各ノードに疑似的に入力の
値を増やした信号Ｍ_i ¹をそれぞれ出力するものである。
ここでは、簡便のため、重み固定中間層１４の数をｎ個
づつとしたが、数は変わってもかまわない。

【０１１５】 中間層１２は、図示のように、重み固定中間層１４の各
ノードからの値に重みωを乗算し、その和に閾値θを足
し込み、上述した式１５と同様にして値Ｍ²を算出し、
出力層１３に向けて出力するものである。

【０１１６】出力層１３は、図示のように、中間層１２
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、上述した式１６と同様にして、値Ｘ’、
Ｙ’を算出し、ここでは補正後の正しい座標値Ｘ’、
Ｙ’として出力するものである。

【０１１７】尚、図１７の入力層１１、重み固定中間層
１５のうちの固定でないとしたω、θ、中間層１２、お
よび出力層１３からなるニューラルネットワークは、予
め教師信号として、ここでは例えば 入力：補正前の座標値Ｘｓ、Ｙｓ 出力：正確な座標値 の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する（例えば誤差逆伝搬学習法によ
って、誤差の２乗の和が最小となるように重みω、閾値
θを決める）。この重みω、閾値θの決定は、操作板１
の形状、センサ２の位置などに対応して予め求めて保存
しておき、実際の装置の図１７の各重みω、閾値θに設
定してもよい。この学習後の図１７のニューラルネット
ワークを用いると、既述した図４の（ａ）の補正前の座
標値（Ｘｓ，Ｙｓ）を、図４の（ｂ）の補正後の正しい
座標値（Ｘ’，Ｙ’）に補正することができる。

【０１１８】（９） 図１８を用いて、入力層１１、中
間層１２、および出力層１３からなるニューラルネット
ワークを、出力パラメータ別に設け、当該出力パラメー
タ毎に重みω、閾値θを学習し、学習した値を用いて出
力値を得る構成および動作を詳細に説明する。

【０１１９】図１８は、本発明の他の実施例構成図を示
す。図１８において、ニューラルネットワーク１５、１
６は、入力層１１、中間層１２、および出力層１３から
なるものであって、出力パラメータ毎に設けたものであ
る。ここでは、出力パラメータとして、補正後の正しい
座標値Ｘ’、Ｙ’毎に設けている。

【０１２０】（９−１） ニューラルネットワーク１
５：入力層１１は、補正前の座標値Ｘｓおよび座標値Ｙ
ｓを図示のように各ノードに入力する。

【０１２１】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和に閾値θ
を足し込み、下記の式１９に示すようにして値Ｍを算出
し、出力層１３に向けた出力するものである。

【０１２２】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式２０に示すようにして値Ｘ’を算出し、補正後
の正しい座標値Ｘ’として出力するものである。

【０１２３】 尚、図１８の入力層１１、中間層１２、および出力層１
３からなるニューラルネットワーク１５は、予め教師信
号として、 入力：補正前の座標値（Ｘｓ，Ｙｓ） 出力：正確な座標値Ｘ の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し、出力の誤差が目標誤差以下になる
まで学習させて決定する。

【０１２４】（９−２） ニューラルネットワーク１
６：入力層１１は、補正前の座標値Ｘｓおよび座標値Ｙ
ｓを図示のように各ノードに入力する。

【０１２５】中間層１２は、図示のように、入力層１１
の各ノードからの値に重みωを乗算し、その和にθを足
し込み、下記の式２１（式１９と式は同じであるがω、
θの値が異なる）に示すようにして値Ｍを算出し、出力
層１３に向けた出力するものである。

【０１２６】 出力層１３は、図示のように、中間層１２の各ノードか
らの値に重みωを乗算し、その和に閾値θを足し込み、
下記の式２２に示すようにして値Ｙ’を算出し、補正後
の正しい座標値Ｙ’として出力するものである。

【０１２７】 尚、図１７の入力層１１、中間層１２、および出力層１
３からなるニューラルネットワーク１６は、予め教師信
号として、 入力：補正前の座標値（Ｘｓ，Ｙｓ） 出力：正確な座標値Ｙ の組を複数準備し、教師信号の入力を入力層１１に与
え、出力層１３からの出力とこの教師信号の出力との差
が零になるように、図示の重みω、閾値θの値を順次変
えることを繰り返し２２力の誤差が目標誤差以下になる
まで学習させて決定する。 （１０） 図１９を用いて、入力層１１、中間層１２、
および出力層１３、更に必要に応じて重み固定中間層１
４からなるニューラルネットワークに、教師信号（入力
値と正しい出力値の組）を入力して誤差が目標誤差以下
となるように重みωおよび閾値θを決定して学習させた
状態で、操作板１の寸法が拡縮した場合に閾値θのみの
再学習、およびセンサ２の感度が変化した場合に重みω
のみを再学習させるときの構成および動作を詳細に説明
する。

【０１２８】図１９は、本発明の他の実施例構成図を示
す。図１９において、学習手段１７は、入力層１１、中
間層１２および出力層１３、更に必要に応じて重み固定
中間層１４からなるニューラルネットワークに教師信号
（入力値と正しい出力値の組）を複数繰り返し与え、そ
の出力値と教師信号の正しい出力値との誤差が所定閾値
以下となるように重みωおよび閾値θを最適値に決定す
るものである。また、重みωおよび閾値θを最適値に決
定して学習した状態のもとで、操作板１の寸法が拡縮し
た場合に閾値θのみを再学習させたり、センサ２の感度
が変化した場合に重みωのみを再学習させたりする。以
下詳細に説明する。

【０１２９】図１９の（ａ）は、操作板１のガスラ板の
寸法が設計値から拡縮した場合の様子を示す。このガラ
ス板の寸法が設計値から拡縮した場合、設計値の寸法で
学習した状態のニューラルネットワーク１８の重みωお
よび閾値θのうち、閾値θのみを再調整すればよいの
で、ニューラルネットワーク１８の重みωを学習済の値
に固定した状態で、教師信号（入力値と正しい出力値の
組）をニューラルネットワーク１８に与えてその出力値
と正しい出力値の誤差が目標誤差よりも小さくなるよう
に閾値θのみを再学習させる。これにより、重みωおよ
び閾値θの両者を再学習させるよりも、迅速に学習でき
る。

【０１３０】図１９の（ｂ）は、操作板１のガスラ板に
配置したセンサ２の感度が変化した場合の様子を示す。
ガラス板に配置したセンサ２の感度が設計値（あるいは
当初学習したときの値）から変化した場合、学習した状
態のニューラルネットワーク１８の重みωおよび閾値θ
のうち、重みωのみを再調整すればよいので、ニューラ
ルネットワーク１８の閾値θを学習済の値に固定した状
態で、教師信号（入力値と正しい出力値の組）をニュー
ラルネットワーク１８に与えてその出力値と正しい出力
値の誤差が目標誤差よりも小さくなるように重みωのみ
を再学習させる。これにより、重みωおよび閾値θの両
者を再学習させるよりも、迅速に学習できる。

【０１３１】（１１） 図２０を用いてニューラルネッ
トワークに標準的な操作板１の教師信号を与えて学習し
て誤差が目標誤差の整数倍以下となったときの概略の重
みωおよび閾値θを保存し、製造された操作板１に接続
したニューラルネットワークに保存しておいた概略の重
みωおよび閾値θを設定した後、教師信号を与えて学習
させて誤差が目標誤差以下となったときに固定し、測定
する場合について詳細に説明する。

【０１３２】図２０は、本発明の再学習説明図（その
２）を示す。図２０において、Ｓ１は、ニューラルネッ
トワークに標準的な操作板１で学習する。これは、既述
した入力層１１、中間層１２、および出力層１３、更に
必要に応じて重み固定中間層１４からなるニューラルネ
ットワークに、最初は乱数を各重みωおよび閾値θに付
与した後、教師信号（入力値と正しい出力値の組）のう
ちの入力値を当該ニューラルネットワークの入力層１１
に与え、出力層１３からの出力値と教師信号のうちの出
力値とを比較してその誤差が目標誤差の整数倍以下とな
るように重みωおよび閾値θを学習する。

【０１３３】Ｓ２は、Ｓ１で学習したニューラルネット
ワークの重みωおよび閾値θを保存する。これにより、
標準的な操作板１をニューラルネットワークに接続して
振動印加点の座標を精度高く測定するときに当該ニュー
ラルネットワークに設定する重みωおよび閾値θの値を
学習して保存したこととなる。

【０１３４】Ｓ３は、量産用の操作板１を使って教師信
号のサンプリングを行う。これは、量産用に製造された
操作板１を使って、当該操作板１上の任意の振動印加点
から出力される信号が正しい出力値（既述した例えば座
標値、補正値など）となるように学習するための教師信
号（入力信号と出力信号の組）のサンプリングを行う。

【０１３５】Ｓ４は、量産用の操作板１に初期値とし
て、標準的な操作板１の保存した概略値（重みω、閾値
θ）を設定する。Ｓ５は、学習する。これは、Ｓ４で標
準的な操作板１について学習して予め求めて保存してお
いた概略の重みωおよび閾値θをニューラルネットワー
クに設定した状態で、教師信号のうちの入力値をニュー
ラルネットワークの入力層１１に与えてそのときの出力
層１３からの出力値を教師信号の出力値と比較し、その
誤差が目標誤差以下となるように重みωおよび閾値θを
再学習する。

【０１３６】Ｓ６は、Ｓ５の再学習が終了した後、実際
の測定を行う。以上のように、標準的な操作板１の教師
信号をニューラルネットワークに与えて学習して誤差が
目標誤差の整数倍以下となったときの概略の重みωおよ
び閾値θを保存しておき、量産用の操作板１が製造でき
たときにこの操作板１の教師信号をサンプリングし、接
続しようとするニューラルネットワークに保存しておい
た概略の重みωおよび閾値θを設定した後、当該教師信
号を与えて誤差が目標誤差以下となるまで再学習するこ
とにより、量産用の操作板１に接続するニューラルネッ
トワークに対して極めて迅速に学習を完了し、測定に移
行できる。

【０１３７】（１２） 図２１を用いて、ニューラルネ
ットワークに標準的な操作板１の教師信号を与えて学習
して誤差が目標誤差以下となったときの重みωおよび閾
値θを保存し、製造された操作板１に接続したニューラ
ルネットワークに保存しておいた重みωおよび閾値θを
設定および製造された操作板１を接続した後、教師信号
（操作板１への入力値および出力層１３からの出力値の
組）を与えて学習させて誤差が目標誤差以下となったと
きに固定し、測定する場合について詳細に説明する。

【０１３８】図２１は、本発明の再学習説明図（その
３）を示す。図２１において、Ｓ１１は、ニューラルネ
ットワークに標準的な操作板１で学習する。これは、既
述した入力層１１、中間層１２、および出力層１３、更
に必要に応じて重み固定中間層１４からなるニューラル
ネットワークに、最初は乱数を各重みωおよび閾値θに
付与した後、教師信号（入力値と正しい出力値の組）の
うちの入力値を当該ニューラルネットワークの入力層１
１に与え、出力層１３からの出力値と教師信号のうちの
出力値とを比較してその誤差が目標誤差以下となるよう
に重みωおよび閾値θを学習する。

【０１３９】Ｓ１２は、Ｓ１１で学習したニューラルネ
ットワークの重みωおよび閾値θを保存する。これによ
り、標準的な操作板１をニューラルネットワークに接続
して振動印加点の座標を精度高く測定するときに当該ニ
ューラルネットワークに設定する重みωおよび閾値θの
値を学習して保存したこととなる。

【０１４０】Ｓ１３は、量産用の操作板１に初期値とし
て標準的な操作板１の保存した値（重みω、閾値θ）を
設定する。これは、Ｓ１２で保存した重みω、閾値θを
量産用の操作板１を接続したニューラルネットワークに
初期設定する。

【０１４１】Ｓ１４は、量産用の操作板１を使って測定
する。Ｓ１５は、偏差を求める。Ｓ１６は、偏差がなく
なるように学習する。これらＳ１４からＳ１６は、Ｓ１
３で量産用の操作板１に接続したニューラルネットワー
クにＳ１２で保存した標準的な操作板１の標準パターン
である重みω、閾値θを初期設定した後、操作板１の任
意の点に振動を印加してそのときの出力層１３からの出
力値と標準パターンの値との偏差を求め、この偏差が零
となるように重みω、閾値θを学習する。ここで、操作
板１であるガラス板の寸法精度が一定でない場合は、端
面の反射の影響の出現する位置がずれることが判明して
いるので、この影響が強く現れる点に振動を印加し、そ
のときの出力層１３からの出力値と標準パターンとの偏
差を求め、この偏差が零となるように重みωおよび閾値
θ（この場合には、閾値θのみ）を学習する。また、操
作板１のガラスの端面の面取りなどの影響により位置は
変わらないが、振幅（ずれ量）が変わるので、この影響
が強く現れる点に振動を印加し、そのときの出力層１３
からの出力値と標準パターンとの偏差を求め、この偏差
が零となるように重みωおよび閾値θ（この場合には、
重みωのみ）を学習する。このように影響が個別の出現
する場合には、標準パターンからの偏差が零になるよう
に重みωあるいは閾値θを再学習すれば、計算量を最小
限にし、迅速に学習を行うことが可能となる。

【０１４２】Ｓ１７は、Ｓ１６の再学習が終了した後、
実際の測定を行う。以上のように、標準的な操作板１の
教師信号をニューラルネットワークに与えて学習して誤
差が目標誤差以下となったときの重みωおよび閾値θを
保存しておき、量産用の操作板１が製造できたときに保
存しておいた重みωおよび閾値θをニューラルネットワ
ークに設定および操作板１を接続した後、操作板１のパ
ラメータの誤差の影響が現れやすい点に振動を与えて出
力層１３からの値と、標準パターンの値との偏差（重み
ω、あるいは閾値θ、あるいは更に両者）を求め、この
偏差が零となるように再学習することにより、量産用の
操作板１に接続するニューラルネットワークに対して極
めて迅速に学習を完了し、測定に移行できる。

【０１４３】（１３） 図２２を用いて、ニューラルネ
ットワークに操作板１の固定偏差データ１１２を入力す
る入力層１１１を設け、操作板１の形状やセンサ２の配
置位置などの誤差を補正する場合の構成および動作を詳
細に説明する。

【０１４４】図２２は、本発明の他の実施例構成図を示
す。図２２において、入力層１１１は、既述した入力層
１１の入力に更に操作板１の固体偏差データ１１１を入
力するノードを設けたものである。

【０１４５】固体偏差データ１１２は、操作板１である
ガラス板の大きさ、ガラス板の寸法誤差、更にセンサ２
の配置位置の誤差などの座標測定に影響を与える操作板
１の固体偏差のデータである。この固体偏差データ１１
２を入力するノードを入力層１１１に設け、各固体偏差
データ１１２の最大値、標準値、最小値のときの出力値
を教師信号として学習し、誤差が目標誤差以下となった
ときの重みωおよび閾値θを保存しておき、量産用の操
作板１について測定したこれらの固体偏差データ１１２
の値を固定値として入力層１１１に入力することによ
り、自動的に操作板１の固定偏差データの誤差の補正を
行い、精度高い座標値を測定することが可能となる。

【０１４６】尚、実施例では、ニューラルネットワーク
を入力層１１、中間層１２および出力層１３から構成し
た例を用いて説明したが、中間層１２を複数設けても、
同様に処理できるものである。

【０１４７】

【発明の効果】以上説明したように、本発明によれば、
操作板１の形状に起因する反射波および波の性質に起因
する位相ずれなどによる誤差を補正値演算回路や、補正
演算部などで補正して正しい座標値を出力する構成を採
用しているため、正確な座標値を簡単な構成で求めるこ
とができると共に、操作板１のより広い範囲を入力面と
して使用できること、精度が向上してより細かい分解能
で入力が行えること、更に色々な操作板１の形状に対応
できることが可能となった。また、これらにより、 （１） 操作板１の形状に起因する反射波および波の性
質に起因する位相などによる誤差を補正値演算回路７に
よって補正値（ｘ’，ｙ’）を求め、この補正値
（ｘ’，ｙ’）を補正前の座標値（Ｘｓ，Ｙｓ）に補正
して正しい座標値（Ｘｓ＋ｘ’，Ｙｓ＋ｙ’）を出力す
ることが可能となる。

【０１４８】（２） 誤差を補正値演算回路７１によっ
て補正した正しい座標値（Ｘ’，Ｙ’）を出力すること
が可能となる。 （３） 補正値演算回路７２によって時間差ΔＴｘ、Δ
Ｔｙから補正値（ｘ’，ｙ’）を求め、補正前の座標値
（Ｘｓ，Ｙｓ）に補正して正しい座標値を出力すること
が可能となる。

【０１４９】（４） 座標演算部６１によって時間差Δ
Ｔｘ、ΔＴｙから補正した正しい座標値（Ｘ’，Ｙ’）
を求め、出力することが可能となる。 （５） 補正値演算回路７３によって複数のセンサ２に
よって検出した信号から正しい座標値への補正値
（ｘ’，ｙ’）を求め、これを補正前の座標値（Ｘｓ，
Ｙｓ）に補正して正しい座標値を出力することが可能と
なる。

【０１５０】（６） 座標演算部６２によって複数のセ
ンサ２によって検出した信号から補正した座標値
（Ｘ’，Ｙ’）を求め、出力することが可能となる。 （７） 重み固定中間層１４を入力層１１と中間層１２
との間に設け、疑似的に値を増やして中間層１２に入力
し、入力値の近傍の値を強調して全体をカバーして効率
的に学習および結果（補正値、補正後の正しい座標値な
ど）を出力することが可能となる。

【０１５１】（８） （７）で重み固定中間層１４を入
力層１１のノードに入力するパラメータ毎に個別に設
け、パラメータ毎に疑似的に値を増やして中間層１２に
入力し、入力値の近傍の値を入力パラメータ毎に強調し
て全体をカバーして効率的に学習および結果（補正値、
補正後の正しい座標値など）を出力することが可能とな
る。

【０１５２】（９） 入力層１１、中間層１２、出力層
１３、更に必要に応じて重み固定中間層１４からなるニ
ューラルネットワークを出力パラメータ別に設け、出力
パラメータ個別に中間層１２、更に重み固定中間層１４
の重みω、閾値θを学習してより精度の高い出力値を出
力することが可能となる。

【０１５３】（１０） 入力層１１、中間層１２および
出力層１３、更に必要に応じて重み固定中間層１４から
なるニューラルネットワークに教師信号（入力値と正し
い出力値の組）を与えて学習させて重みωおよび閾値θ
を決定した状態で、操作板１の寸法が拡縮した場合に閾
値θのみを再学習させたり、センサ２の感度が変化した
場合に重みωのみを再学習させることにより、再学習を
迅速に行うことが可能となった。

【０１５４】（１１） ニューラルネットワークに標準
的な操作板１の教師信号を与えて誤差が目標誤差の整数
倍以下となったときの概略の重みωおよび閾値θを保存
しておき、操作板１が製造できたときに当該操作板１を
接続しようとするニューラルネットワークに保存してお
いた概略の重みωおよび閾値θを設定して当該操作板１
に対する教師信号を与えて誤差が目標誤差以下となるま
で再学習させることにより、学習を極めて迅速に行うこ
とが可能となる。

【０１５５】（１２） ニューラルネットワークに標準
的な操作板１の教師信号を与えて学習して誤差が目標誤
差以下となったときの重みωおよび閾値θを保存し、操
作板１の製造ができたときに保存しておいた重みωおよ
び閾値θをニューラルネットワークに設定および操作板
１を接続した後、教師信号（操作板１への入力値および
出力層１３からの出力値の組）を与えて再学習させて偏
差が目標偏差以下となったときに固定することにより、
学習を極めて迅速に行うことが可能となる。

【０１５６】（１３） ニューラルネットワークの入力
層１１１に操作板１上の複数のセンサ２によって検出さ
れた信号、時間差ΔＴｘとΔＴｙあるいは補正前の座標
値ＸｓとＹｓのうちのいずれか、および操作板１の固体
偏差データ１１２を入力して学習してそのときの重みω
および閾値θを保存しておき、製造した操作板１の測定
した固体偏差データ１１２を固定値として入力層１１１
に入力することにより、操作板１の形状やセンサの配置
位置などの誤差を自動的に補正し、精度の高い座標値を
測定することが可能となる。

【図面の簡単な説明】

【図１】本発明の１実施例構成図である。

【図２】本発明の座標値（補正前）の計算説明図であ
る。

【図３】本発明の補正値演算回路例である。

【図４】本発明の座標値の補正例である。

【図５】本発明の他の実施例構成図である。

【図６】本発明の補正値演算回路例である。

【図７】本発明の他の実施例構成図である。

【図８】本発明の補正値演算回路例である。

【図９】本発明の他の実施例構成図である。

【図１０】本発明の座標演算部例である。

【図１１】本発明の他の実施例構成図である。

【図１２】本発明の補正値演算回路例である。

【図１３】本発明の他の実施例構成図である。

【図１４】本発明の座標演算部例である。

【図１５】本発明の他の実施例構成図である。

【図１６】本発明の重み固定中間層からの出力例であ
る。

【図１７】本発明の他の実施例構成図である。

【図１８】本発明の他の実施例構成図である。

【図１９】本発明の再学習説明図（その１）である。

【図２０】本発明の再学習説明図（その２）である。

【図２１】本発明の再学習説明図（その３）である。

【図２２】本発明の他の実施例構成図である。

【図２３】従来技術の説明図である。

【符号の説明】

１：操作板 ２：センサ ３：信号処理回路 ４：時間差演算回路 ５：ＣＰＵ ６、６１、６２：座標演算部 ７、７１、７２、７３：補正値演算回路 ９：教師用回路 １１、１１１：入力層 １１２：固体偏差データ １２：中間層 １３：出力層 １４：重み固定中間層 １５、１６、１８：ニューラルネットワーク １７、１９、２０：学習手段

───────────────────────────────────────────────────── フロントページの続き (72)発明者 浅川 和雄 神奈川県川崎市中原区上小田中1015番地 富士通株式会社内 (72)発明者 長田 茂美 神奈川県川崎市中原区上小田中1015番地 富士通株式会社内 (72)発明者 松下 祐司 東京都港区新橋５丁目36番11号 富士電気 化学株式会社内 (72)発明者 木原 征夫 東京都港区新橋５丁目36番11号 富士電気 化学株式会社内

Claims (19)

【特許請求の範囲】
1. 【請求項１】操作板上の振動印加点の座標を算出する座
   標入力装置において、 振動を伝播すると共に伝播した振動を検出する複数のセ
   ンサ（２）を配置した操作板（１）と、 これら複数のセンサ（２）によって検出された信号間の
   時間差をそれぞれ求める時間差演算回路（４）と、 これら求めた時間差から振動印加点の座標値（Ｘｓ，Ｙ
   ｓ）を求める座標演算部（６）と、 この求めた座標値（Ｘｓ，Ｙｓ）から、反射波などによ
   る誤差を補正した正しい座標値への補正値（ｘ’，
   ｙ’）を求める補正値演算回路（７）とを備え、 上記座標値（Ｘｓ，Ｙｓ）に補正値（ｘ’，ｙ’）によ
   って補正した正しい座標値を出力することを特徴とする
   座標入力装置。
2. 【請求項２】上記補正値演算回路（７）が、上記座標演
   算部（６）によって求めた座標値（Ｘｓ，Ｙｓ）を入力
   層（１１）に入力し、この入力層（１１）の各ノードの
   値に予め学習しておいた重みωをそれぞれ乗算した値の
   和と閾値θをもとに算出した値Ｍを中間層（１２）の各
   ノードの値とそれぞれし、次にこの中間層（１２）の各
   ノードの値Ｍに予め学習しておいた重みωをそれぞれ乗
   算した値の和と閾値θをもとに算出した値を出力層（１
   ３）の各ノードの値とそれぞれし、当該出力層（１３）
   の各ノードから上記補正値（ｘ’，ｙ’）をそれぞれ出
   力することを特徴とする請求項１に記載の座標入力装
   置。
3. 【請求項３】操作板上の振動印加点の座標を算出する座
   標入力装置において、 振動を伝播すると共に伝播した振動を検出する複数のセ
   ンサ（２）を配置した操作板（１）と、 これら複数のセンサ（２）によって検出された信号間の
   時間差をそれぞれ求める時間差演算回路（４）と、 これら求めた時間差から振動印加点の座標値（Ｘｓ，Ｙ
   ｓ）を求める座標演算部（６）と、 この求めた座標値（Ｘｓ，Ｙｓ）から、反射波などよる
   誤差を補正した正しい座標値（Ｘ’，Ｙ’）を求める補
   正値演算回路（７１）とを備え、 この正しい座標値（Ｘ’，Ｙ’）を出力することを特徴
   とする座標入力装置。
4. 【請求項４】上記補正値演算回路（７１）が、上記座標
   演算部（６）によって求めた座標値（Ｘｓ，Ｙｓ）を入
   力層（１１）に入力し、この入力層（１１）の各ノード
   の値に予め学習しておいた重みωをそれぞれ乗算した値
   の和と閾値θをもとに算出した値Ｍを中間層（１２）の
   各ノードの値とそれぞれし、次にこの中間層（１２）の
   各ノードの値Ｍに予め学習しておいた重みωをそれぞれ
   乗算した値の和と閾値θをもとに算出した値を出力層
   （１３）の各ノードの値とそれぞれし、当該出力層（１
   ３）の各ノードから上記正しい座標値（Ｘ’，Ｙ’）を
   それぞれ出力することを特徴とする請求項３に記載の座
   標入力装置。
5. 【請求項５】操作板上の振動印加点の座標を算出する座
   標入力装置において、 振動を伝播すると共に伝播した振動を検出する複数のセ
   ンサ（２）を配置した操作板（１）と、 これら複数のセンサ（２）によって検出された信号間の
   時間差ΔＴｘ、ΔＴｙをそれぞれ求める時間差演算回路
   （４）と、 これら求めた時間差から振動印加点の座標値（Ｘｓ，Ｙ
   ｓ）を求める座標演算部（６）と、 上記求めた時間差ΔＴｘ、ΔＴｙから、反射波などによ
   る誤差を補正した正しい座標値への補正値（ｘ’，
   ｙ’）を求める補正値演算回路（７２）とを備え、 上記座標値（Ｘｓ，Ｙｓ）に補正値（ｘ’，ｙ’）によ
   って補正した正しい座標値を出力することを特徴とする
   座標入力装置。
6. 【請求項６】上記補正値演算回路（７２）が、上記時間
   差演算回路（４）によって求めた時間差ΔＴｘ、ΔＴｙ
   を入力層（１１）に入力し、この入力層（１１）の各ノ
   ードの値に予め学習しておいた重みωをそれぞれ乗算し
   た値の和と閾値θをもとに算出した値Ｍを中間層（１
   ２）の各ノードの値とそれぞれし、次にこの中間層（１
   ２）の各ノードの値Ｍに予め学習しておいた重みωをそ
   れぞれ乗算した値の和と閾値θをもとに算出した値を出
   力層（１３）の各ノードの値とそれぞれし、当該出力層
   （１３）の各ノードから上記補正値（ｘ’，ｙ’）をそ
   れぞれ出力することを特徴とする請求項５に記載の座標
   入力装置。
7. 【請求項７】操作板上の振動印加点の座標を算出する座
   標入力装置において、 振動を伝播すると共に伝播した振動を検出する複数のセ
   ンサ（２）を配置した操作板（１）と、 これら複数のセンサ（２）によって検出された信号間の
   時間差ΔＴｘ、ΔＴｙをそれぞれ求める時間差演算回路
   （４）と、 これら求めた時間差ΔＴｘ、ΔＴｙから振動印加点にお
   ける、反射波などによる誤差を補正した正しい座標値
   （Ｘ’，Ｙ’）を求める座標演算部（６１）とを備え、 この補正した正しい座標値（Ｘ’，Ｙ’）を出力するこ
   とを特徴とする座標入力装置。
8. 【請求項８】上記座標演算部（６１）が、上記時間差演
   算回路（４）によって求めた時間差ΔＴｘ、ΔＴｙを入
   力層（１１）に入力し、この入力層（１１）の各ノード
   の値に予め学習しておいた重みωをそれぞれ乗算した値
   の和と閾値θをもとに算出した値Ｍを中間層（１２）の
   各ノードの値とそれぞれし、次にこの中間層（１２）の
   各ノードの値Ｍに予め学習しておいた重みωをそれぞれ
   乗算した値の和と閾値θをもとに算出した値を出力層
   （１３）の各ノードの値とそれぞれし、当該出力層（１
   ３）の各ノードから上記補正した正しい座標値（Ｘ’，
   Ｙ’）をそれぞれ出力することを特徴とする請求項７に
   記載の座標入力装置。
9. 【請求項９】操作板上の振動印加点の座標を算出する座
   標入力装置において、 振動を伝播すると共に伝播した振動を検出する複数のセ
   ンサ（２）を配置した操作板（１）と、 これら複数のセンサ（２）によって検出された信号間の
   時間差ΔＴｘ、ΔＴｙをそれぞれ求める時間差演算回路
   （４）と、 これら求めた時間差ΔＴｘ、ΔＴｙから振動印加点の座
   標値（Ｘｓ，Ｙｓ）を求める座標演算部（６）と、 上記複数のセンサ（２）によって検出された信号から、
   反射波などによる誤差を補正した正しい座標値への補正
   値（ｘ’，ｙ’）を求める補正値演算回路（７３）とを
   備え、 上記座標値（Ｘｓ，Ｙｓ）に補正値（ｘ’，ｙ’）によ
   って補正した正しい座標値を出力することを特徴とする
   座標入力装置。
10. 【請求項１０】上記補正値演算回路（７３）が、上記複
    数のセンサ（２）によって検出された信号を入力層（１
    １）に入力し、この入力層（１１）の各ノードの値に予
    め学習しておいた重みωをそれぞれ乗算した値の和と閾
    値θをもとに算出した値Ｍを中間層（１２）の各ノード
    の値とそれぞれし、次にこの中間層（１２）の各ノード
    の値Ｍに予め学習しておいた重みωをそれぞれ乗算した
    値の和と閾値θをもとに算出した値を出力層（１３）の
    各ノードの値とそれぞれし、当該出力層（１３）の各ノ
    ードから上記補正値（ｘ’，ｙ’）をそれぞれ出力する
    ことを特徴とする請求項９に記載の座標入力装置。
11. 【請求項１１】操作板上の振動印加点の座標を算出する
    座標入力装置において、 振動を伝播すると共に伝播した振動を検出する複数のセ
    ンサ（２）を配置した操作板（１）と、 これら複数のセンサ（２）によって検出された信号か
    ら、反射波などによる誤差を補正した正しい座標値
    （Ｘ’，Ｙ’）を求める座標演算部（６２）とを備え、 この正しい座標値（Ｘ’，Ｙ’）を出力することを特徴
    とする座標入力装置。
12. 【請求項１２】上記座標演算部（６２）が、上記複数の
    センサ（２）によって検出された信号を入力層（１１）
    に入力し、この入力層（１１）の各ノードの値に予め学
    習しておいた重みωをそれぞれ乗算した値の和と閾値θ
    をもとに算出した値Ｍを中間層（１２）の各ノードの値
    とそれぞれし、次にこの中間層（１２）の各ノードの値
    Ｍに予め学習しておいた重みωをそれぞれ乗算した値の
    和と閾値θをもとに算出した値を出力層（１３）の各ノ
    ードの値とそれぞれし、当該出力層（１３）の各ノード
    から上記補正した正しい座標値（Ｘ’，Ｙ’）をそれぞ
    れ出力することを特徴とする請求項１１に記載の座標入
    力装置。
13. 【請求項１３】上記入力層（１１）と中間層（１２）と
    の間に、入力層（１１）の各ノードからの値に所定の重
    みωおよび閾値θ（ω、θのうちの少なくとも一方を固
    定）をもとに疑似的に増やした値を次の中間層（１２）
    のノードへ入力する重み固定中間層（１４）を設けたこ
    とを特徴とする請求項２、請求項４、請求項６、請求項
    ８、請求項１０、および請求項１２に記載の座標入力装
    置。
14. 【請求項１４】上記入力層（１１）の入力パラメータの
    同じノードからの値に所定の重みωおよび閾値θ（ω、
    θのうちの少なくとも一方を固定）をもとに疑似的に増
    やした値を次の中間層（１２）の全てのノードへ入力す
    る重み固定中間層（１４）を個別に設けたことを特徴と
    する請求項１３に記載の座標入力装置。
15. 【請求項１５】上記入力層（１１）、中間層（１２）お
    よび出力層（１３）、更に必要に応じて重み固定中間層
    （１４）からなるニューラルネットワークを、出力パラ
    メータ別に設けたことを特徴とする請求項２、請求項
    ４、請求項６、請求項８、請求項１０、および請求項１
    ２から請求項１４に記載の座標入力装置。
16. 【請求項１６】上記入力層（１１）、中間層（１２）お
    よび出力層（１３）からなるニューラルネットワークに
    標準的な操作板（１）に対する教師信号（入力値と正し
    い出力値の組）を与えて誤差が目標誤差となるように入
    力層（１１）と中間層（１２）、中間層（１２）と出力
    層（１３）の間の重みω、および中間層（１２）、出力
    層（１３）の閾値θを学習させて決定し、上記操作板
    （１）の寸法が拡縮した場合に閾値θのみを再学習し、
    一方、センサ（２）の感度が変化した場合に重みωのみ
    を再学習する学習手段（１７）を備えたことを特徴とす
    る請求項２、請求項４、請求項６、請求項８、請求項１
    ０、および請求項１２から請求項１５に記載の座標入力
    装置。
17. 【請求項１７】上記入力層（１１）、中間層（１２）お
    よび出力層（１３）からなるニューラルネットワークに
    標準的な操作板（１）に対する教師信号（入力値と正し
    い出力値の組）を与えて誤差が目標誤差の所定倍以下と
    なるまで入力層（１１）と中間層（１２）、中間層（１
    ２）と出力層（１３）の間の概略の重みω、および中間
    層（１２）、出力層（１３）の概略の閾値θを学習させ
    決定して予め保存しておき、操作板（１）が製造された
    ときに保存しておいた概略の重みωおよび閾値θをそれ
    ぞれ上記ニューラルネットワークに設定した後、教師信
    号（入力値と正しい出力値の組）を与えて入力層（１
    １）と中間層（１２）、中間層（１２）と出力層（１
    ３）の間の重みωおよび中間層（１２）、出力層（１
    ３）の閾値θを学習させて誤差が目標誤差以下となった
    ときに固定する学習手段（１９）を備え、 この固定した重みωおよび閾値θの状態で操作板（１）
    からの信号を入力層（１１）に入力して出力層（１３）
    からの値をもとに操作板（１）上の座標値を出力するこ
    とを特徴とする請求項２、請求項４、請求項６、請求項
    ８、請求項１０、および請求項１２から請求項１６に記
    載の座標入力装置。
18. 【請求項１８】上記入力層（１１）、中間層（１２）お
    よび出力層（１３）からなるニューラルネットワークに
    標準的な操作板（１）に対する教師信号（入力値と正し
    い出力値の組）を与えて誤差が目標誤差以下となるまで
    入力層（１１）と中間層（１２）、中間層（１２）と出
    力層（１３）の間の重みω、および中間層（１２）、出
    力層（１３）の閾値θを学習させ決定して予め保存して
    おき、操作板（１）が製造されたときに保存しておいた
    重みωおよび閾値θをそれぞれ上記ニューラルネットワ
    ークに設定および操作板（１）を接続した後、教師信号
    （操作板（１）への入力値と出力層（１３）からの正し
    い出力値の組）を与えて入力層（１１）と中間層（１
    ２）、中間層（１２）と出力層（１３）の間の重みωお
    よび中間層（１２）、出力層（１３）の閾値θを学習さ
    せて誤差が目標誤差以下となったときに固定する学習手
    段（２０）を備え、 この固定した重みωおよび閾値θの状態で操作板（１）
    からの信号を入力層（１１）に入力して出力層（１３）
    からの値をもとに操作板（１）上の座標値を出力するこ
    とを特徴とする請求項２、請求項４、請求項６、請求項
    ８、請求項１０、および請求項１２から請求項１６に記
    載の座標入力装置。
19. 【請求項１９】上記操作板（１）上の複数のセンサ
    （２）によって検出された信号、上記時間差ΔＴｘとΔ
    Ｔｙあるいは上記補正前の座標値ＸｓとＹｓのうちのい
    ずれか、および操作板（１）の固体偏差データ（１１
    ２）を上記入力層（１１１）に入力して学習してそのと
    きの重みωおよび閾値θを保存しておき、製造した操作
    板（１）の測定した固体偏差データ（１１２）を固定値
    として上記入力層（１１１）に入力し、操作板（１）の
    形状などの誤差を補正するように構成したことを特徴と
    する請求項２、請求項４、請求項６、請求項８、請求項
    １０、および請求項１２から請求項１８に記載の座標入
    力装置。