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：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