特許ウォッチ

公開番号2025110469
公報種別公開特許公報(A)
公開日2025-07-29
出願番号2024004318
出願日2024-01-16
発明の名称機械学習装置および機械学習方法
出願人株式会社SUBARU,ニュートラル株式会社
代理人弁理士法人つばさ国際特許事務所
主分類G06N 20/00 20190101AFI20250722BHJP(計算;計数)
要約【課題】検出対象物の異常を検出する精度を高めることができる機械学習装置を提供する。
【解決手段】本開示の一実施の形態に係る機械学習装置は、検出対象物における複数のパラメータについての時系列データである複数の測定データに応じた、検出対象物に異常が生じているかどうかを示す時系列データである第1のフラグデータに対して平滑化処理を行うことにより第2のフラグデータを生成可能な平滑化回路と、複数の測定データが入力され、複数の測定データのうちの一部である2以上の測定データが出力される機械学習モデルに、複数の測定データを入力し、機械学習モデルから出力される2以上の測定データに応じた予測値が第2のフラグデータと同じになるように回帰分析を行うことにより機械学習処理を行うことが可能な機械学習回路とを備える。
【選択図】図1
特許請求の範囲【請求項１】
検出対象物における複数のパラメータについての時系列データである複数の測定データに応じた、前記検出対象物に異常が生じているかどうかを示す時系列データである第１のフラグデータに対して平滑化処理を行うことにより第２のフラグデータを生成可能な平滑化回路と、
前記複数の測定データが入力され、前記複数の測定データのうちの一部である２以上の測定データが出力される機械学習モデルに、前記複数の測定データを入力し、前記機械学習モデルから出力される前記２以上の測定データに応じた予測値が前記第２のフラグデータと同じになるように回帰分析を行うことにより機械学習処理を行うことが可能な機械学習回路と
を備えた機械学習装置。
続きを表示（約 710 文字）【請求項２】
前記第１のフラグデータは、前記検出対象物が正常であることを示す第１の値、および前記検出対象物が異常であることを示す第２の値を含み、
前記平滑化回路は、前記第１のフラグデータが前記第１の値である期間において、前記第２のフラグデータの値が前記第１の値と前記第２の値との間で連続的に変化するように前記平滑化処理を行うことが可能である
請求項１に記載の機械学習装置。
【請求項３】
前記第１のフラグデータは、前記検出対象物が正常であることを示す第１の値、および前記検出対象物が異常であることを示す第２の値を含み、
前記検出対象物における異常が振動現象である場合において、前記第２のフラグデータの値が前記第１の値と前記第２の値との間で連続的に変化する期間の時間幅は、前記振動現象の周期に応じた時間幅である
請求項１に記載の機械学習装置。
【請求項４】
検出対象物における複数のパラメータについての時系列データである複数の測定データに応じた、前記検出対象物に異常が生じている期間を示す時系列データである第１のフラグデータに対して平滑化処理を行うことにより第２のフラグデータを生成することと、
前記複数の測定データが入力され、前記複数の測定データのうちの一部である２以上の測定データが出力される機械学習モデルに、前記複数の測定データを入力することと、
前記機械学習モデルから出力される前記２以上の測定データに応じた予測値が前記第２のフラグデータと同じになるように回帰分析を行うことにより機械学習処理を行うことと
を含む機械学習方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、機械学習処理を行う機械学習装置および機械学習方法に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
近年、機械学習の技術を用いて、検出対象物の異常を検出する技術が開発されている。例えば、特許文献１には、機械学習の技術を用いて、車両における変速装置の異常を検出する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－３０９５８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
このように検出対象物の異常を検出する装置では、異常を検出する精度が高いことが望まれており、異常を検出する精度のさらなる向上が期待されている。
【０００５】
異常を検出する精度を高めることが可能な機械学習装置および機械学習方法を提供することが望ましい。
【課題を解決するための手段】
【０００６】
本開示の一実施の形態に係る機械学習装置は、平滑化回路と、機械学習回路とを備えている。平滑化回路は、検出対象物における複数のパラメータについての時系列データである複数の測定データに応じた、検出対象物に異常が生じている期間を示す時系列データである第１のフラグデータに対して平滑化処理を行うことにより第２のフラグデータを生成可能なものである。機械学習回路は、複数の測定データが入力され、複数の測定データのうちの一部である２以上の測定データが出力される機械学習モデルに、複数の測定データを入力し、機械学習モデルから出力される２以上の測定データに応じた予測値が第２のフラグデータと同じになるように回帰分析を行うことにより機械学習処理を行うことが可能なものである。
【０００７】
本開示の一実施の形態に係る機械学習方法は、検出対象物における複数のパラメータについての時系列データである複数の測定データに応じた、検出対象物に異常が生じている期間を示す時系列データである第１のフラグデータに対して平滑化処理を行うことにより第２のフラグデータを生成することと、複数の測定データが入力され、複数の測定データのうちの一部である２以上の測定データが出力される機械学習モデルに、複数の測定データを入力することと、機械学習モデルから出力される２以上の測定データに応じた予測値が第２のフラグデータと同じになるように回帰分析を行うことにより機械学習処理を行うこととを含むものである。
【発明の効果】
【０００８】
本開示の一実施の形態に係る機械学習装置および機械学習方法によれば、検出対象物の異常を検出する精度を高めることができる。
【図面の簡単な説明】
【０００９】
図１は、本開示の一実施の形態に係る機械学習装置の一構成例を表すブロック図である。
図２は、図１に示した入力データに含まれる複数の測定データの一例を表す説明図である。
図３は、図１に示した平滑化処理部の一動作例を表す説明図である。
図４は、図１に示した機械学習モデルを用いて動作する異常検出装置の一構成例を表すブロック図である。
図５は、図４に示した異常検出装置の一動作例を表す説明図である。
図６は、参考例に係る機械学習装置の一構成例を表すブロック図である。
図７は、図６に示した機械学習装置により生成された機械学習モデルを用いて異常検出処理を行う異常検出装置の一動作例を表す説明図である。
図８は、他の参考例に係る機械学習装置により生成された機械学習モデルを用いて異常検出処理を行う異常検出装置の一動作例を表す説明図である。
図９は、他の参考例に係る機械学習装置により生成された機械学習モデルを用いて異常検出処理を行う異常検出装置の一動作例を表す説明図である。
図１０は、他の参考例に係る機械学習装置により生成された機械学習モデルを用いて異常検出処理を行う異常検出装置の一動作例を表す説明図である。
図１１は、他の参考例に係る機械学習装置により生成された機械学習モデルを用いて異常検出処理を行う異常検出装置の一動作例を表す説明図である。
【発明を実施するための形態】
【００１０】
以下、本開示の実施の形態について、図面を参照して詳細に説明する。
（【００１１】以降は省略されています）

関連特許