机械学习模型构筑装置及方法、数值控制装置制造方法及图纸

本发明专利技术提供机械学习模型构筑装置及方法、数值控制装置，在学习器电路上灵活地构筑各种神经网络模型。机械学习模型构筑装置具有：学习器电路(80)，其能够构筑与设定值对应的神经网络模型；以及控制单元(11)，其将所述设定值调整成用于在所述学习器电路(80)构筑规定的神经网络模型的值。

Construction device and method of mechanical learning model and numerical control device

The invention provides a mechanical learning model building device and method, and a numerical control device to construct a variety of neural network models flexibly on the circuit of the learner. The building device of mechanical learning model has: learning circuit (80), it can build neural network models corresponding to setpoints, and control unit (11), which set the set values to be used to build the specified neural network models in the learning circuit (80).

【技术实现步骤摘要】
机械学习模型构筑装置及方法、数值控制装置
本专利技术涉及用于执行与机械学习模型的构筑相关的处理的、机械学习模型构筑装置、数值控制装置、以及机械学习模型构筑方法。
技术介绍
期待通过进行机械学习来提升图像识别等的精度。这里，作为机械学习的代表方法列举神经网络。当利用神经网络时，构筑出与想要解决的问题对应的适当的神经网络模型尤为重要。因为，当没有适当的神经网络模型时，会导致输出的精度降低。例如在专利文献1、专利文献2以及专利文献3中公开了与这样的神经网络模型的构筑等相关联的技术。首先，在专利文献1中公开了：针对没有进行机械学习的神经网络，执行设定了各种参数的脚本命令，由此进行学习这样的工具(tool)。此外，在专利文献2中公开了如下技术：将大规模的神经网络划分为每一个功能单位的程序块，针对各程序块将神经元的数量和连接规则设定为参数，根据其值自动生成神经网络。并且，在专利文献3中公开了：通过对神经网络学习后的各神经元的输出进行分析，来输出最佳的神经元数量这样的方法。现有技术文献专利文献专利文献1：日本特表2008-533615号公报专利文献2：日本特开2001-51968号公报专利文献3：日本特开平8-235145号公报
技术实现思路
专利技术要解决的课题如上所述，在各专利文献中记载有关于神经元模型的构筑的技术。这方面，如上所述，在机械学习中构筑出与应该解决的问题相对应的适当的神经网络模型尤为重要，但是由于模型构筑作业要求专业性，因此存在用户不容易找到适当的模型这样的问题。此外，应该解决的问题因各用户不同而不同，因此，适当的神经网络也因各用户不同而不同，因此存在如下问题：预先准备具有决定好的神经网络模型的学习器电路这样的做法不具备灵活性。但是，在各专利文献所公开的结构中无法充分解决这些问题。例如，在专利文献1中，作为辅助脚本制作的功能，提及了显示神经网络的连接关系这样的方法，但是难以由此设定神经网络模型的结构本身。此外，通过使用专利文献2和专利文献3所公开的技术，也许能够预先准备具有决定好的神经网络模型的学习器电路。但是，即使使用了这些技术，也无法在学习器电路上灵活地构筑出分别与根据每一个用户而不同的应该解决的问题相适合的、各种各样的神经网络模型。因此，本专利技术的目的在于提供一种机械学习模型构筑装置、数值控制装置、以及机械学习模型构筑方法，能够在学习器电路上灵活地构筑出各种各样的神经网络模型。用于解决课题的手段(1)本专利技术的机械学习模型构筑装置，具有：学习器电路(例如，后述的学习器电路80)，其能够构筑与设定值(例如，后述的设定值Sij)对应的神经网络模型；以及控制单元(例如，后述的CPU11)，其将所述设定值调整成用于在所述学习器电路构筑规定的神经网络模型的值。(2)在(1)所述的机械学习模型构筑装置的基础上，可以是，所述控制单元受理参数值的输入，将与该受理的参数值对应的神经网络模型作为所述规定的神经网络模型，将所述设定值调整成用于在所述学习器电路构筑该规定的神经网络模型的值。(3)在(2)所述的机械学习模型构筑装置的基础上，可以是，所述受理的参数值是用于指定神经网络模型的层数和各层中的维数的值(例如，后述的Nlayer以及Ndim，j)。(4)在(2)或者(3)所述的机械学习模型构筑装置的基础上，可以是，所述控制单元从设定文件(例如，后述的CSV文件)读入所述参数值。(5)在(2)～(4)中任一项所述的机械学习模型构筑装置的基础上，可以是，所述控制单元在显示单元(例如，后述的显示器/MDI单元70)描绘：与所述参数值对应的感知器的连接关系、用户一边参照所述感知器的连接关系一边进行所述参数值的调整的图形用户界面。(6)在(1)～(5)中任一项所述的机械学习模型构筑装置的基础上，可以是，所述控制单元使用户选择预先决定的神经网络模型，将该选择出的神经网络模型作为所述规定的神经网络模型，将所述设定值调整成用于在所述学习器电路构筑该规定的神经网络模型的值。(7)在(1)～(6)中任一项所述的机械学习模型构筑装置的基础上，可以是，所述控制单元通过对应于所述设定值来控制所述学习器电路中包含的各感知器的输出，在所述学习器电路构筑神经网络模型。(8)在(7)所述的机械学习模型构筑装置的基础上，可以是，对应于所述设定值来控制所述学习器电路中包含的各感知器的输出是指：对应于所述设定值使所述学习器电路中包含的各感知器内的乘法器的输出为权重值与该乘法器的输入相乘得到的值(例如，后述的Yw)、该乘法器的输入本身的值(例如，后述的Yin)、以及零值(例如，后述的Y0)中的某一个值，并将各感知器内的乘法器的输出总和作为各感知器的输出(例如，后述的带有两个字符下标的Y)。(9)本专利技术涉及的数值控制装置(例如，后述的数值控制装置100)是用于控制机床(例如，后述的伺服电动机50～54)的数值控制装置，所述数值控制装置具有上述的机械学习模型构筑装置，所述控制单元受理用于在所述学习器电路构筑与所述机床的控制相关联的神经网络模型的参数值的输入，将与该受理的参数值对应的神经网络模型作为所述规定的神经网络模型，将所述设定值调整成用于在所述学习器电路构筑该规定的神经网络模型的值。(10)本专利技术涉及的机械学习模型构筑程序是用于使计算机作为机械学习构筑装置发挥功能的机械学习模型构筑程序，其中，使所述计算机作为具有学习器电路和控制单元的机械学习模型构筑装置发挥功能，学习器电路能够构筑与设定值对应的神经网络模型，控制单元将所述设定值调整成用于在所述学习器电路构筑规定的神经网络模型的值。(11)本专利技术涉及的存储介质是计算机可读介质，是记录有上述的机械学习模型构筑程序的存储介质。(12)本专利技术涉及的机械学习模型构筑方法是由机械学习模型构筑装置执行的机械学习模型构筑方法，所述机械学习模型构筑装置具有能够构筑与设定值对应的神经网络模型的学习器电路，其中，所述机械学习模型构筑方法具有：控制步骤，将所述设定值调整成用于在所述学习器电路构筑规定的神经网络模型的值。专利技术效果根据本专利技术能够在学习器电路上灵活地构筑各种神经网络模型。附图说明图1是表示本专利技术的实施方式整体的基本结构的图。图2是表示本专利技术的实施方式中的数值控制装置的基本结构的图。图3是表示本专利技术的实施方式中的学习器电路的基本结构的图。图4是表示本专利技术的实施方式中的各感知器的连接关系的概要的图。图5是表示本专利技术的实施方式中的各感知器的详细连接关系的图。图6是表示本专利技术的实施方式中的神经网络模型的具体示例的图。图7是表示本专利技术的实施方式中的目标神经网络模型的构筑示例的图。图8是表示构筑本专利技术的实施方式中的目标神经网络模型时的输入输出的图。图9是表示本专利技术的实施方式中的参数值的第一设定画面的图。图10是表示本专利技术的实施方式中的参数值的第二设定画面的图。图11是表示本专利技术的实施方式中的参数值的第三设定画面的图。图12是表示本专利技术的实施方式中的参数值的第四设定画面的图。图13是表示本专利技术的实施方式中的参数值的第五设定画面的图。图14是表示进行本专利技术的实施方式中的参数值的设定时的动作的流程图。图15是表示生成本专利技术的实施方式中的设定值时的动作的流程图。图16是表示本专利技术的实施方式中的乘法器以及其附带电路的电路结构的图。符号说明本文档来自技高网...

【技术保护点】
一种机械学习模型构筑装置，其特征在于，具有：学习器电路，其能够构筑与设定值对应的神经网络模型；以及控制单元，其将所述设定值调整成用于在所述学习器电路构筑规定的神经网络模型的值。

【技术特征摘要】
2016.07.22 JP 2016-1449231.一种机械学习模型构筑装置，其特征在于，具有：学习器电路，其能够构筑与设定值对应的神经网络模型；以及控制单元，其将所述设定值调整成用于在所述学习器电路构筑规定的神经网络模型的值。2.根据权利要求1所述的机械学习模型构筑装置，其特征在于，所述控制单元受理参数值的输入，将与该受理的参数值对应的神经网络模型作为所述规定的神经网络模型，将所述设定值调整成用于在所述学习器电路构筑该规定的神经网络模型的值。3.根据权利要求2所述的机械学习模型构筑装置，其特征在于，所述受理的参数值是用于指定神经网络模型的层数和各层中的维数的值。4.根据权利要求2或3所述的机械学习模型构筑装置，其特征在于，所述控制单元从设定文件读入所述参数值。5.根据权利要求2～4中任一项所述的机械学习模型构筑装置，其特征在于，所述控制单元在显示单元描绘：与所述参数值对应的感知器的连接关系、用户一边参照所述感知器的连接关系一边进行所述参数值的调整的图形用户界面。6.根据权利要求1～5中任一项所述的机械学习模型构筑装置，其特征在于，所述控制单元使用户选择预先决定的神经网络模型，将该选择出的神经网络模型作为所述规定的神经网络模型，将所述设定值调整成用于在所述学习...

【专利技术属性】
技术研发人员：松岛多佳彦，宫崎义人，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP