估计用学习装置和估计用学习方法制造方法及图纸

提供为了引导用户的行动而能够考虑时间序列数据中的因果关系来生成示教用数据的估计用学习装置和估计用学习方法。从图像取得装置输入图像数据(S1a、S5a)，针对从图像取得装置按照时间序列连续得到的图像数据，对从在特定的第1定时得到的图像数据追溯的直至第2定时为止得到的多个图像数据进行注释，生成临时的示教数据(S3a、S7a)。然后，将被注释的多个图像数据中的与第1定时的图像的因果关系的相关性高的图像数据设为采用示教数据，通过使用了该采用示教数据的学习而得到估计模型(S9、S11、S13)。S13)。S13)。

【技术实现步骤摘要】
【国外来华专利技术】估计用学习装置和估计用学习方法


[0001]本专利技术涉及能够使用对象物的时间序列数据针对对象物的变化来整理因果关系并基于该因果关系来预测将来的估计模型生成用的估计用学习装置和估计用学习方法。

技术介绍

[0002]为了预测装置的故障，提出了使用机器学习模型来进行信号数据的因果关系分析的方案(参照专利文献1)。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特开2019
‑
087221号公报

技术实现思路

[0006]专利技术要解决的问题
[0007]上述的专利文献1中的信号分析系统输入原始信号数据，针对特征的起源而追溯至信号数据，将特征值映射到区域/应用知识。通过该结构，能够实现传感器数据分析处理的自动化、以及进行故障预测用的因果关系分析。但是，并不是引导用户的行动。
[0008]本专利技术是鉴于上述情况而完成的，其目的在于，提供估计用学习装置和估计用学习方法，能够考虑时间序列数据中的因果关系而生成示教用数据，以引导用户的行动。
[0009]用于解决问题的手段
[0010]为了实现上述目的，第1专利技术的估计用学习装置具有：输入部，其从图像取得装置输入图像数据；以及学习部，其使用对所述图像数据进行注释得到的示教数据进行学习，从而得到引导用估计模型，其中，所述估计用学习装置具备图像加工部，该图像加工部针对从所述图像取得装置按照时间序列连续得到的图像数据，对从在特定的第1定时得到的图像数据起直至追溯后的第2定时为止得到的多个图像数据进行注释并设为临时的示教数据，将被注释的所述多个图像数据中的与所述第1定时的图像之间的因果关系的相关性高的图像数据设为采用示教数据。
[0011]第2专利技术的估计用学习装置在上述第1专利技术的基础上，所述引导用估计模型能够将图像数据作为输入，并输出在显示该图像数据时能够显示所述引导的引导信息。
[0012]第3专利技术的估计用学习装置在上述第1专利技术的基础上，所述图像加工部按照能够根据所述第1定时的图像而判定的事项，决定向所述第2定时追溯的时间。
[0013]第4专利技术的估计用学习装置在上述第1专利技术的基础上，针对所述采用示教数据赋予了如下元数据，该元数据表示与在所述第1定时得到的图像数据相关的信息。
[0014]第5专利技术的估计用学习装置在上述第4专利技术的基础上，所述图像加工部针对所述采用示教数据，将表示与在所述第1定时得到的图像数据相关的信息的元数据统一赋予给经过规定的时间差得到的多个图像，将所述时间差中的图像的变化信息也设为估计时的信息。
[0015]第6专利技术的估计用学习装置在上述第1专利技术的基础上，所述图像加工部基于接着所述第1定时的定时的图像样态变化，使所述注释不同。
[0016]第7专利技术的估计用学习装置在上述第1专利技术的基础上，所述图像加工部对将直至所述第2定时为止得到的多个图像数据合成而得到的图像数据进行注释。
[0017]第8专利技术的估计用学习装置在上述第1专利技术的基础上，所述输入部输入的数据被赋予了表示所述数据是可能与原因或结果关联的数据的元数据，或者，表示某种原因的数据被赋予了可能成为原因的元数据，或者，可能成为基于某种原因的结果的数据被赋予了元数据。
[0018]第9专利技术的估计用学习装置在上述第1专利技术的基础上，所述输入部输入的数据是原因数据和结果数据，所述图像加工部将所述原因数据和结果数据作为示教数据候选，使用该示教数据候选生成估计模型，如果所生成的估计模型的可靠性高，则将它们的关系确定为因果关系。
[0019]第10专利技术的估计用学习装置在上述第1专利技术的基础上，所述图像加工部基于所述图像数据，对与生物体的反应速度相应的数据进行注释，生成示教数据。
[0020]第11专利技术的估计用学习装置在上述第1专利技术的基础上，所述图像数据被赋予了表示因果关系的元数据，所述图像加工部基于所述元数据进行所述注释。
[0021]第12专利技术的估计用学习装置在上述第1专利技术的基础上，所述图像加工部在由学习部生成的估计模型的可靠性比规定值高的情况下，确定所述示教数据。
[0022]第13专利技术的估计用学习装置具有：输入部，其从信息取得装置输入信息数据；以及学习部，其使用对所述数据进行注释得到的示教数据进行学习而得到估计模型，其中，所述估计用学习装置具备数据加工部，该数据加工部针对从所述信息取得装置按照时间序列连续得到的信息数据，对从在特定的第1定时得到的数据起直至追溯后的第2定时为止得到的多个数据进行注释并设为临时的示教数据，将被注释的所述多个数据中的与所述第1定时的数据之间的因果关系的相关性高的数据设为采用示教数据。
[0023]第14专利技术的估计用学习装置在上述第13专利技术的基础上，所述引导用估计模型在取得输入数据时，能够输出在显示该数据时能够显示所述引导的引导信息。
[0024]第15专利技术的图像数据取得装置具备：图像取得部，其按照时间序列取得图像数据；元数据赋予部，其在所述时间序列的图像数据的取得过程中，在特定的第1定时发生了事件的情况下，追溯至成为所述事件的原因的第2定时，对所述图像数据赋予表示因果关系的元数据；以及输出部，其向估计用学习装置输出被赋予了所述元数据的图像数据。
[0025]第16专利技术的估计用学习方法从图像取得装置输入图像数据，针对从所述图像取得装置按照时间序列连续得到的图像数据，对从在特定的第1定时得到的图像数据起直至追溯后的第2定时为止得到的多个图像数据进行注释并设为临时的示教数据，
[0026]将被注释的所述多个图像数据中的与所述第1定时的图像之间的因果关系的相关性高的图像数据设为采用示教数据，使用对所述图像数据进行注释得到的采用示教数据进行学习而得到估计模型。
[0027]第17专利技术的示教数据生成方法从图像取得装置输入图像数据，针对从所述图像取得装置按照时间序列连续得到的图像数据，对从特定的第1定时到追溯后的第2定时的期间内得到的图像数据进行注释而生成示教数据，将被注释的所述多个图像数据中的与所述第
1定时的图像之间的因果关系的相关性高的图像数据设为采用示教数据。
[0028]第18专利技术的示教数据生成方法在上述第17专利技术的基础上，在生成所述示教数据时，基于接着所述第1定时的定时的图像样态变化，使所述注释不同。
[0029]第19专利技术的估计用学习方法从数据取得装置输入数据，针对从上述数据取得装置按照时间序列连续得到的数据，对从在特定的第1定时得到的数据追溯的直至第2定时为止得到的多个数据进行注释并设为临时的示教数据，将被注释的上述多个数据中的与上述第1定时的数据的因果关系的相关性高的数据设为采用示教数据，通过使用了对上述数据进行注释得到的采用示教数据的学习而得到估计模型。
[0030]第20专利技术的数据取得方法按照时间序列取得数据，在上述按照时间序列的数据的取得中，在特定的第1定时发生了事件的情况下，追溯到成为上述事件的原因的第2定时，对上述数据赋予表示因果关系的元数据，向本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种估计用学习装置，具有：输入部，其从图像取得装置输入图像数据；以及学习部，其使用对所述图像数据进行注释得到的示教数据进行学习，从而得到引导用估计模型，其特征在于，所述估计用学习装置具备图像加工部，该图像加工部针对从所述图像取得装置按照时间序列连续得到的图像数据，对从在特定的第1定时得到的图像数据起直至追溯后的第2定时为止得到的多个图像数据进行注释并设为临时的示教数据，将被注释的所述多个图像数据中的与所述第1定时的图像之间的因果关系的相关性高的图像数据设为采用示教数据。2.根据权利要求1所述的估计用学习装置，其特征在于，所述引导用估计模型能够将图像数据作为输入，并输出在显示该图像数据时能够显示所述引导的引导信息。3.根据权利要求1所述的估计用学习装置，其特征在于，所述图像加工部按照能够根据所述第1定时的图像而判定的事项，决定向所述第2定时追溯的时间。4.根据权利要求1所述的估计用学习装置，其特征在于，针对所述采用示教数据赋予了如下元数据，该元数据表示与在所述第1定时得到的图像数据相关的信息。5.根据权利要求4所述的估计用学习装置，其特征在于，所述图像加工部针对所述采用示教数据，将表示与在所述第1定时得到的图像数据相关的信息的元数据统一赋予给经过规定的时间差得到的多个图像，将所述时间差中的图像的变化信息也设为估计时的信息。6.根据权利要求1所述的估计用学习装置，其特征在于，所述图像加工部基于接着所述第1定时的定时的图像样态变化，使所述注释不同。7.根据权利要求1所述的估计用学习装置，其特征在于，所述图像加工部对将直至所述第2定时为止得到的多个图像数据合成而得到的图像数据进行注释。8.根据权利要求1所述的估计用学习装置，其特征在于，所述输入部输入的数据被赋予了表示所述数据是可能与原因或结果关联的数据的元数据，或者，表示某种原因的数据被赋予了可能成为原因的元数据，或者，可能成为基于某种原因的结果的数据被赋予了元数据。9.根据权利要求1所述的估计用学习装置，其特征在于，所述输入部输入的数据是原因数据和结果数据，所述图像加工部将所述原因数据和结果数据作为示教数据候选，使用该示教数据候选生成估计模型，如果所生成的估计模型的可靠性高，则将它们的关系确定为因果关系。10.根据权利要求1所述的估计用学习装置，其特征在于，所述图像加工部基于所述图像数据，对与生物体的反应速度相应的数据进行注释，生成示教数据。
11.根据权利要求1所述的估计用学习装置，其特征在于，所述图像数据被赋予了表示因果关系的元数据，所述图像加工部基于所述元数据进行所述注释。12.根据权利要求1所述的估计用学习装置，其特征在于，所述图像加工部在由学习部生成的估计模型的可靠性比规定值高的情况下，确定所述示教数据。13.一种估计用学习装置，具有：输入部，其从信息取...

【专利技术属性】
技术研发人员：新谷浩一，谷宪，市川学，伊藤健世，后町智子，野中修，
申请(专利权)人：奥林巴斯株式会社，
类型：发明
国别省市：