映射的学习方法技术

在计算机使用的映射的学习方法中，映射将表示内燃机的状态的内燃机状态变量作为输入，算出与将内燃机的状态分类到多个区域中的任一个的分类结果有关的概率。计算机基于所算出的概率，输出分类结果。学习方法包括如下的输入步骤：将包括内燃机状态变量和与内燃机状态变量关联了的正解的分类结果的多个训练数据输入到训练用计算机。学习方法还包括如下的更新步骤：训练用计算机基于所输入的训练数据来更新映射。训练数据遍及多个区域而分布，具有越接近多个区域的边界则越大的分布密度。

【技术实现步骤摘要】
映射的学习方法
本公开涉及映射的学习方法。
技术介绍
日本特许第6593560号公报所记载的内燃机的失火检测装置预先存储有由神经网络和对神经网络的输出进行标准化的Softmax函数构成的映射。失火检测装置将表示内燃机的状态的参数输入到映射，基于该映射的输出，判定有无失火。对于由映射数据规定的映射，通过预先输入训练数据来通过机器学习进行学习。
技术实现思路
专利技术要解决的技术问题对于如上述公报所记载的技术那样通过被进行了机器学习的映射来判定内燃机的状态，学习用的训练数据的量越多，从学习后的映射输出的数据的精度良好的可能性就越高。然而，无限制地大量收集训练数据并不现实，希望一种用尽可能少量的训练数据来提高从映射输出的数据的精度的技术。用于解决问题的技术方案本公开的一个技术方案提供一种计算机使用的映射的学习方法。所述映射构成为将内燃机状态变量作为输入、算出与分类结果有关的概率，所述内燃机状态变量是表示内燃机的状态的参数，所述分类结果是将内燃机的状态分类到了多个区域中的任一个的结果。所述计算机包括运算部，所本文档来自技高网...

【技术保护点】
1.一种映射的学习方法，是计算机使用的映射的学习方法，所述映射构成为将内燃机状态变量作为输入、算出与分类结果有关的概率，所述内燃机状态变量是表示内燃机的状态的参数，所述分类结果是将内燃机的状态分类到多个区域中的任一个而得到的结果，所述计算机包括运算部，所述运算部基于所算出的所述概率来输出内燃机的状态的所述分类结果，所述学习方法包括：/n输入步骤，将包括所述内燃机状态变量和与所述内燃机状态变量关联的正解的所述分类结果的多个训练数据输入到训练用计算机；和/n更新步骤，所述训练用计算机基于所输入的所述训练数据来对所述映射进行更新，/n在所述输入步骤中所输入的所述训练数据遍及多个所述区域而分布，并且，...

【技术特征摘要】
20200214 JP 2020-0235111.一种映射的学习方法，是计算机使用的映射的学习方法，所述映射构成为将内燃机状态变量作为输入、算出与分类结果有关的概率，所述内燃机状态变量是表示内燃机的状态的参数，所述分类结果是将内燃机的状态分类到多个区域中的任一个而得到的结果，所述计算机包括运算部，所述运算部基于所算出的所述概率来输出内燃机的状态的所述分类结果，所述学习方法包括：
输入步骤，将包括所述内燃机状态变量和与所述内燃机状态变量关联的正解的所述分类结果的多个训练数据输入到训练用计算机；和
更新步骤，所述训练用计算机基于所输入的所述训练数据来对所述映射进行更新，
在所述输入步骤中所输入的所述训练数据遍及多个所述区域而分布，并且，具有越接近多个所述区域的边界则越大的分布密度。


2.根据权利要求1所述的映射的学习方法，
所述边界被作为包括所述概率和所述内燃机状态变量的多维的函数来确定，
所述训练数据分布在所述函数所包含的所述内燃机状态变量的一定范围以上。


3.根据权利要求1或2所述的映射的学习方法，还包括：
预备输入步骤，在所述输入步骤之前，将与在该输入步骤中所输入的所述训练数据不同的多个训练数据输入到所述训练用计算机；和
预备更新步骤，在所述输入步骤之前，所述训练用计算机基于在所述预备输入步骤中所输入的所述训练数据来对所述映射进行更新，
与在所述预备输入步骤中所输入的所述训练数据相比，在所述输入步骤中所输入的所述训练数据在所...

【专利技术属性】
技术研发人员：桥本洋介，片山章弘，冈尚哉，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：日本;JP