特許ウォッチ

公開番号2024167998
公報種別公開特許公報(A)
公開日2024-12-05
出願番号2023084370
出願日2023-05-23
発明の名称情報処理装置、情報処理方法およびプログラム
出願人株式会社東芝
代理人弁理士法人酒井国際特許事務所
主分類G06N 20/00 20190101AFI20241128BHJP(計算;計数)
要約【課題】一部の状態の学習データのみでモデルを学習する場合であっても、当該モデルを用いた分類をより高精度に実行する。
【解決手段】情報処理装置は、処理部を備える。処理部は、検知モデルを用いて、入力波形データが第1状態であるか否かを検知する。処理部は、第1状態であることが検知されたときに、検知モデルを用いて予め検知された第2状態である複数の第2状態波形データを取得する。処理部は、第1状態であることが検知された第1状態波形データと、複数の第2状態波形データと、を学習データとして用いて、波形データが第1状態および第2状態のいずれであるかを分類する分類モデルを学習することにより、第1状態波形データが第1状態であることを示す根拠となる1つ以上の部分波形パターンを生成する。処理部は、生成された部分波形パターンを出力する。
【選択図】図1
特許請求の範囲【請求項１】
検知モデルを用いて、入力波形データが第１状態であるか否かを検知し、
前記第１状態であることが検知されたときに、前記検知モデルを用いて予め検知された、前記第１状態と異なる第２状態である複数の第２状態波形データを取得し、
前記第１状態であることが検知された前記入力波形データである第１状態波形データと、複数の前記第２状態波形データと、を学習データとして用いて、波形データが前記第１状態および前記第２状態のいずれであるかを分類する分類モデルを学習することにより、前記第１状態波形データに含まれる複数の部分波形パターンのうち、前記第１状態波形データが前記第１状態であることを示す根拠となる１つ以上の部分波形パターンを生成し、
処理部
を備える情報処理装置。
続きを表示（約 1,600 文字）【請求項２】
前記処理部は、前記部分波形パターンを用いて前記学習データの特徴量を算出し、算出した前記特徴量を前記分類モデルに入力したときの分類性能を示す評価指標を算出し、前記評価指標が他の前記部分波形パターンより大きい１つ以上の前記部分波形パターンを生成する、
請求項１に記載の情報処理装置。
【請求項３】
前記処理部は、
選択する前記部分波形パターンの長さ、および、前記部分波形パターンを選択する範囲のうち、少なくとも一方である選択パラメータを、前記検知モデルによる検知時に得られる選択情報に基づいて決定し、
決定された前記選択パラメータに従い前記第１状態波形データから前記部分波形パターンを選択し、選択した前記部分波形パターンを用いて前記特徴量を算出する、
請求項２に記載の情報処理装置。
【請求項４】
前記選択情報は、前記入力波形データが前記第１状態であることを検知するときに用いた波形データの長さ、および、前記入力波形データに含まれる部分波形パターンのうち前記第１状態であることが検知された部分波形パターンを含む範囲、のうち少なくとも一方である、
請求項３に記載の情報処理装置。
【請求項５】
前記評価指標は、
前記学習データを前記分類モデルで分類するときのクラス分類損失、
前記クラス分類損失と前記分類モデルの複雑さとに基づく、赤池情報量規準、ベイズ情報量規準、および、最小記述長のうちいずれか、または、
検証用データを前記分類モデルで分類するときのクラス分類損失、である、
請求項２に記載の情報処理装置。
【請求項６】
前記特徴量は、前記部分波形パターンと前記学習データとの距離、前記部分波形パターンと前記学習データとの類似度、または、前記部分波形パターンと前記学習データとの非類似度である、
請求項２に記載の情報処理装置。
【請求項７】
前記処理部は、
複数の前記入力波形データに対して、前記入力波形データが前記第１状態であるか否かを検知し、
複数の前記入力波形データに含まれる第１入力波形データについて第１部分波形パターンを生成した後、複数の前記入力波形データに含まれる第２入力波形データに対する前記部分波形パターンとして、前記第１部分波形パターンと類似せず、かつ、前記第１部分波形パターンで学習した前記分類モデルに対する前記分類性能の差異が閾値以上でない前記部分波形パターンを除外した第２部分波形パターンを生成する、
請求項２に記載の情報処理装置。
【請求項８】
前記処理部は、
前記閾値の指定を受け付け、
指定された前記閾値を用いて前記第２部分波形パターンを生成する、
請求項７に記載の情報処理装置。
【請求項９】
前記処理部は、
複数の前記第２状態波形データのうち、
前記第１状態であることが検知された前記入力波形データと類似する前記第２状態波形データ、および、
前記検知モデルによる検知で用いられる特徴量が、前記第１状態であることが検知された前記入力波形データに対する前記検知モデルによる検知で用いられる特徴量と類似する前記第２状態波形データ、のうち少なくとも一方を取得する、
請求項１に記載の情報処理装置。
【請求項１０】
前記検知モデルは、複数の部分検知モデルを含み、
前記処理部は、複数の前記部分検知モデルのうち、前記第１状態であることを検知した前記部分検知モデルによる検知に用いられた前記第２状態波形データを取得する、
請求項１に記載の情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明の実施形態は、情報処理装置、情報処理方法およびプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
センサデータなどの時系列データ（時系列波形データ）のクラス分類技術では、分類性能に加えて分類の根拠を明確にすることが望ましい。分類の根拠を明確にする技術として、分類モデル（分類器）に加えて分類に有効な部分波形パターンであるシェイプレット（shapelet）を一緒に学習する教師有シェイプレット学習法が提案されている。
【０００３】
一方、インフラ設備および製造装置などの異常検知では、学習時に異常事例（異常データ）を収集することが困難な場合がある。このため、判定根拠の提示性能および異常検知性能の向上に加えて、正常事例（正常データ）のみで学習することが求められる。この例は異常および正常の２つの状態（クラス）に分類する例であるが、複数の状態に分類するその他の例についても同様に、一部の状態の学習データのみで学習することが求められる場合がある。
【先行技術文献】
【特許文献】
【０００４】
特許第７１６６５０１号公報
【非特許文献】
【０００５】
Isak Karlsson et al.，“Generalized random shapelet forests.”， Data Mining and Knowledge Discovery 30, 5 （2016）, 1053-1085
【発明の概要】
【発明が解決しようとする課題】
【０００６】
本発明は、一部の状態の学習データのみでモデルを学習する場合であっても、当該モデルを用いた分類をより高精度に実行できる情報処理装置、情報処理方法およびプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
情報処理装置は、処理部を備える。処理部は、検知モデルを用いて、入力波形データが第１状態であるか否かを検知する。処理部は、第１状態であることが検知されたときに、検知モデルを用いて予め検知された第２状態である複数の第２状態波形データを取得する。処理部は、第１状態であることが検知された第１状態波形データと、複数の第２状態波形データと、を学習データとして用いて、波形データが第１状態および第２状態のいずれであるかを分類する分類モデルを学習することにより、第１状態波形データが第１状態であることを示す根拠となる１つ以上の部分波形パターンを生成する。処理部は、生成された部分波形パターンを出力する。
【図面の簡単な説明】
【０００８】
第１の実施形態の情報処理装置のブロック図。
第１の実施形態における学習処理のフローチャート。
第１の実施形態における推定処理のフローチャート。
第１の実施形態における根拠出力処理のフローチャート。
第２の実施形態の情報処理装置のブロック図。
第２の実施形態における根拠出力処理のフローチャート。
第２の実施形態の必要性を説明するための図。
実施形態の情報処理装置のハードウェア構成図。
【発明を実施するための形態】
【０００９】
以下に添付図面を参照して、この発明にかかる情報処理装置の好適な実施形態を詳細に説明する。
【００１０】
以下では、分類する複数の状態（クラス）が異常および正常である場合を主に説明するが、分類する状態はこれらに限られず、どのような状態であってもよい。また、以下では、センサデータなどの時系列波形データを入力し、入力したデータの状態を検知する例を説明するが、処理対象のデータは時系列波形データに限られない。なお、以下では、時系列波形データを単に波形データという場合がある。
（【００１１】以降は省略されています）

関連特許