図面 (/)

技術 学習データ生成装置および学習データ生成方法

出願人 株式会社日立産業制御ソリューションズ
発明者 花岡駿介
出願日 2019年3月20日 (2年1ヶ月経過) 出願番号 2019-052581
公開日 2020年9月24日 (7ヶ月経過) 公開番号 2020-154720
状態 特許登録済
技術分野 学習型計算機
主要キーワード 温度データ値 予知保全 所定時間区間 機械学習モデル 偽データ 区間幅 増減率 増減処理
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年9月24日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (17)

課題

少量のデータから機械学習用の学習データを生成する。

解決手段

学習データ生成装置100は、数値データのグラフ編集するグラフ編集部111、数値データのグラフと編集済みグラフとを画像化した画像データを学習データとして機械学習技術を用いたグラフ生成モデル(グラフ生成ネットワーク121)を生成するモデル生成部112、生成されたグラフ生成モデルを用いて生成画像データを生成するグラフ生成部113、およびグラフ編集部111が編集した編集画像データあるいはグラフ生成部113で生成した生成画像データから数値データを生成する数値データ生成部114を備える。

概要

背景

コンピュータの性能向上や技術の進展にともない、音声認識画像認識医療画像診断商品レコメンデーションなど様々な分野に機械学習技術が適用されている。また、時系列データに係る分野では、需要予測異常検出故障予測予知保全)、株式取引などに、機械学習が適用されている。

機械学習では、開発者アルゴリズムを設計してプログラミングするのではなく、機械学習モデル自身が、入力データ(学習データ)に基づいて学習して、認識や予測、検出ができるようになる。一般的に、学習データが多いほど、認識や予測、検出の精度が向上する。

精度向上ため、大量の学習データがあることが望ましいが、十分な量の学習データが収集できるとは限らない。このため、取得済みの学習データを変換して新たに学習データを生成するデータ拡張が注目されている。特許文献1に記載の発明は、文書画像を例として、回転処理シフト処理拡大縮小処理ぼかし処理によって、学習データを生成する。

概要

少量のデータから機械学習用の学習データを生成する。学習データ生成装置100は、数値データのグラフ編集するグラフ編集部111、数値データのグラフと編集済みグラフとを画像化した画像データを学習データとして機械学習技術を用いたグラフ生成モデル(グラフ生成ネットワーク121)を生成するモデル生成部112、生成されたグラフ生成モデルを用いて生成画像データを生成するグラフ生成部113、およびグラフ編集部111が編集した編集画像データあるいはグラフ生成部113で生成した生成画像データから数値データを生成する数値データ生成部114を備える。

目的

本発明は、このような背景を鑑みてなされたものであり、少量のデータから機械学習用の学習データを生成する学習データ生成装置および学習データ生成方法を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

数値データのグラフ編集するグラフ編集部と、前記グラフ編集部が編集したグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、前記数値データのグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか1つから数値データを生成する数値データ生成部と、を備えることを特徴とする学習データ生成装置

請求項2

前記グラフ生成モデルは、敵対的生成ネットワーク生成器であることを特徴とする請求項1に記載の学習データ生成装置。

請求項3

前記グラフは、時系列データであって、前記グラフ編集部は、選択された時刻の数値データの加算または減算の指示を受け付けると、当該選択された時刻の数値データを加算または減算するとともに、当該選択された時刻を含む所定時間区間内にある時刻の数値データを当該選択された時刻との差に応じて加算または減算することを特徴とする請求項1または2に記載の学習データ生成装置。

請求項4

前記グラフは、時系列データであって、前記グラフ編集部は、選択された時間区間の数値データの加算または減算の指示を受け付けると、当該選択された時間区間の数値データを加算または減算するとともに、当該選択された時間区間の前後の所定時間区間内にある時刻の数値データを当該選択された時間区間との距離に応じて加算または減算することを特徴とする請求項1または2に記載の学習データ生成装置。

請求項5

前記グラフは、時系列データであって、前記グラフ編集部は、グラフの時間方向またはデータの数値方向における拡大、縮小および移動の何れかを行うことを特徴とする請求項1または2に記載の学習データ生成装置。

請求項6

前記グラフは、時系列データであって、前記グラフ編集部は、グラフの整合性を保つグラフの制御点の移動、追加および削除の指示を受け付けて実行し、グラフが不整合となるグラフの制御点の移動、追加および削除の指示を受け付けると、警告するおよび指示を無視するの何れかを実行することを特徴とする請求項1または2に記載の学習データ生成装置。

請求項7

数値データのグラフを編集するステップと、編集されたグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するステップと、前記グラフ生成モデルを用いて生成画像データを生成するステップと、前記数値データのグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか1つから数値データを生成するステップと、を実行することを特徴とする学習データ生成方法

技術分野

0001

本発明は、機械学習に用いる学習データの生成に係り取得済みのデータに類似する学習データを生成する学習データ生成装置および学習データ生成方法に関する。

背景技術

0002

コンピュータの性能向上や技術の進展にともない、音声認識画像認識医療画像診断商品レコメンデーションなど様々な分野に機械学習技術が適用されている。また、時系列データに係る分野では、需要予測異常検出故障予測予知保全)、株式取引などに、機械学習が適用されている。

0003

機械学習では、開発者アルゴリズムを設計してプログラミングするのではなく、機械学習モデル自身が、入力データ(学習データ)に基づいて学習して、認識や予測、検出ができるようになる。一般的に、学習データが多いほど、認識や予測、検出の精度が向上する。

0004

精度向上ため、大量の学習データがあることが望ましいが、十分な量の学習データが収集できるとは限らない。このため、取得済みの学習データを変換して新たに学習データを生成するデータ拡張が注目されている。特許文献1に記載の発明は、文書画像を例として、回転処理シフト処理拡大縮小処理ぼかし処理によって、学習データを生成する。

先行技術

0005

特開2016−38732号公報

発明が解決しようとする課題

0006

しかしながら、特許文献1に記載の技術が生成する学習データは、画像データである。製造工程におけるデータである、温度/湿度加速度回転数、音、振動電圧電流のような数値データには、特許文献1に記載の技術は適用できない。
また、少量多種の製品では、それぞれの製品の製造量が小さいためにデータが少ないだけではなく、少ないために収集したデータに偏りがある可能性がある。このため、学習データが生成されたとしても偏っている可能性がでてくる。

0007

本発明は、このような背景を鑑みてなされたものであり、少量のデータから機械学習用の学習データを生成する学習データ生成装置および学習データ生成方法を提供することを課題とする。

課題を解決するための手段

0008

上記課題を解決するため、本発明の学習データ生成装置は、数値データのグラフ編集するグラフ編集部と、前記グラフ編集部が編集したグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、前記数値データのグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか1つから数値データを生成する数値データ生成部と、を備える。

発明の効果

0009

本発明によれば、少量のデータから機械学習用の学習データを生成する学習データ生成装置および学習データ生成方法を提供することができる。

図面の簡単な説明

0010

本実施形態に係る学習データ生成装置の全体構成図である。
本実施形態に係る数値データリポジトリデータ構成図である。
本実施形態に係る数値データの例を示す図である。
本実施形態に係るグラフ編集部、モデル生成部、グラフ生成部、および数値データ生成部の動作を説明するための図である。
本実施形態に係る学習データ生成装置が実行する学習データ生成処理フローチャートである。
本実施形態に係る編集加工処理前の実データを示すグラフである。
本実施形態に係るグラフ編集加工処理の移動処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理の時刻におけるデータ値増減処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理の区間におけるデータ値増減処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理の区間全体に亘るデータ値増減処理を説明するためのグラフである。
本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフである。
本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフである。
本実施形態の変型例に係る、不整合のある頂点の移動を説明するためのグラフである。

実施例

0011

以下に、本発明を実施するための形態(実施形態)における学習データ生成装置について説明する。本実施形態に係る学習データ生成装置は、時系列の数値データのグラフ化利用者の指示によるグラフの編集、敵対的生成ネットワーク(GAN(Generative Adversarial Networks))による類似したグラフ画像の生成、および生成されたグラフ画像の数値データ化の処理を実行して、数値データのデータ拡張を行う。グラフの編集として、縦軸(データの数値)方向の拡大縮小横軸(時間)方向の拡大縮小、ある時刻付近での数値の増減、ある時刻付近での時間の延長短縮などがあり、これらを組み合わせて編集することも可能である。

0012

≪学習データ生成装置の全体構成≫
図1は、本実施形態に係る学習データ生成装置100の全体構成図である。学習データ生成装置100は、制御部110、記憶部120および入出力部150を備えるコンピュータである。入出力部150は、ディスプレイキーボードマウス通信デバイスなどから構成される。記憶部120は、ROM(Read Only Memory)、RAM(Random Access Memory)、SSD(Solid State Drive)などから構成され、後記する図2に示す数値データリポジトリ130、グラフ生成ネットワーク121、学習データ生成の処理を実行するためのプログラムプログラム実行に必要な一時的データなどを記憶する。

0013

グラフ生成ネットワーク121は、後記するグラフ生成部113の構成要素であって、敵対的生成ネットワークの生成器ニューラルネットワークである。敵対的生成ネットワークとは、教師なし機械学習の一種であって、生成器と判別器とから構成される。生成器は偽データを生成し、判別器は偽データと学習データである本物のデータとを判別する。生成器と判別器とがゼロサムゲームを行うことで、生成器は本物のデータである学習データに類似する新たなデータを生成できるようになる。

0014

≪数値データリポジトリのデータ構成
図2は、本実施形態に係る数値データリポジトリ130のデータ構成図である。数値データリポジトリ130は、例えば表形式のデータであって、1つの行(レコード)は、1つの数値データを示す。数値データリポジトリ130のレコードは、データ識別情報図2ではデータID(Identifier)と記載)131、取得日時132、種別133、ソース134、およびデータ135の列(属性)を含む。

0015

データ識別情報131は、レコードが示す数値データの識別情報である。取得日時132は、数値データが取得された、編集された、または生成された日付および時刻である。
種別133は、数値データの種別であって、例えば、実データ、編集データ生成データがある。実データは、現実世界で取得されたデータであって、例えば製造現場に設置してあるセンサから取得したデータである。編集データは、後記するグラフ編集部111が生成したデータであって、実データまたは編集データが編集加工されて作成されたデータである。生成データは、後記する数値データ生成部114が生成したデータである。

0016

種別133が実データである場合にソース134は、数値データのソースの識別情報であり、例えば数値データを取得したセンサの識別情報である。種別133が編集データである場合にソース134は、編集前のデータ識別情報131である。種別133が生成データである場合にソース134は、「N/A」である(図2の3番目のレコードを参照)。

0017

データ135は、数値データそのものであって、例えば後記する図3に示すような時系列のデータである。図3は、本実施形態に係る数値データ140の例を示す図である。数値データ140は、10分おきに取得された温度であって、時刻141と温度142からなる時系列データである。なお、数値データは、時刻が含まれているとは限らず、順々に取得された数値の列であってもよい。

0018

≪制御部(機能部)の構成≫
図1に戻って、制御部110は、CPU(Central Processing Unit)から構成され、グラフ編集部111、モデル生成部112、グラフ生成部113、および数値データ生成部114を含む。
グラフ編集部111は、利用者の指示に従って数値データを編集加工する。詳しくは、グラフ編集部111は、数値データをグラフ化して利用者に提示し、利用者の指示に従ってグラフを編集加工して、編集データとして数値データリポジトリ130に格納する。

0019

モデル生成部112は、数値データリポジトリ130にある実データおよび編集データのデータ135をグラフ化した画像データを学習データとして、生成器としてのグラフ生成ネットワーク121を含む敵対的生成ネットワークを生成する。
グラフ生成部113は、グラフ生成ネットワーク121を用いて、実データや編集データのグラフに類似するグラフを生成する。

0020

数値データ生成部114は、グラフ生成部113が生成したグラフやグラフ編集部111が編集加工したグラフを数値データに変換して数値データリポジトリ130に格納する。なお、グラフと数値データは相互に変換可能であり、特に区別する必要がない場合には、両者を同一視する。例えば、数値データリポジトリ130には、数値データが格納されるが、「グラフが格納される」と記す場合もある。

0021

図4は、本実施形態に係るグラフ編集部111、モデル生成部112、グラフ生成部113、および数値データ生成部114の動作を説明するための図である。
グラフ編集部111の入力データは、数値データ140である。グラフ編集部111は、数値データ140をグラフ310に加工して、利用者に提示し、利用者の指示によりグラフを編集加工して、編集データ(図2参照)として1つ以上のグラフ320を出力して、数値データリポジトリ130に格納する。
モデル生成部112は、実データ(数値データ140)や編集データを入力として学習し、敵対的生成ネットワークのグラフ生成ネットワーク121を出力する。

0022

グラフ生成部113は、グラフ生成ネットワーク121を用いて、実データや編集データのグラフに類似する1つ以上のグラフ330を出力する。
数値データ生成部114は、グラフ330またはグラフ編集部111が生成したグラフ320を数値データ340に変換して数値データリポジトリ130に格納する。数値データ生成部114は、数値データ140をグラフ化したグラフ310を数値データ340に変換してもよい(数値データに戻す)。

0023

≪学習データ生成処理≫
図5は、本実施形態に係る学習データ生成装置100が実行する学習データ生成処理のフローチャートである。学習データ生成処理の実行以前に、実データが収集されて数値データリポジトリ130(図2参照)に記憶されている。例えば、センサが取得したデータが、入出力部150の通信デバイス経由で取得されて、種別133が実データであるレコードとして数値データリポジトリ130に格納されている。

0024

テップS11において、グラフ編集部111が、グラフ編集加工処理として、数値データリポジトリ130に記憶される数値データをグラフ化して入出力部150のディスプレイに表示し、利用者の指示に従ってグラフを編集加工し、結果を編集データとして数値データリポジトリ130に格納する。編集加工の手法については、図6図13を用いて後記する。
ステップS12において、モデル生成部112が、数値データリポジトリ130に記憶される実データや編集データを入力として学習して、敵対的生成ネットワークを生成し、敵対的生成ネットワークの生成器であるグラフ生成ネットワーク121を生成する。

0025

ステップS13において、グラフ生成部113が、グラフ生成ネットワーク121を用いて、実データや編集データのグラフに類似するグラフを生成する。
ステップS14において、数値データ生成部114は、グラフ生成部113が生成したグラフあるいはグラフ編集部111が生成したグラフを数値データに変換して数値データリポジトリ130に格納する。数値データに変換するには、所定の時間タイミングごとにグラフから数値を読みとって、時系列の数値データに変換する。または、グラフの特徴点、例えば折れ線グラフの頂点の時刻と数値を読み取って、数値データに変換する。

0026

学習データ生成装置100が生成したデータは、数値データリポジトリ130から取り出され、学習データとして利用される。
以上の説明では、一種類の学習データの生成を説明した。一種類に限らず、複数の種類(学習データのラベル)、例えば正常データと異常データのそれぞれを元データとし、種類ごとに図5の学習データ生成処理を実行して、種類ごとの数値データを生成して、その種類(ラベル)の学習データとしてもよい。

0027

≪グラフ編集加工処理≫
以下、グラフ編集部111がステップS11(図5参照)において実行するグラフの編集加工処理を説明する。グラフ編集部111は、数値データリポジトリ130に記憶される、利用者が選択した数値データをグラフ化して利用者に提示し、利用者の指示に従って、グラフを編集加工する。利用者が編集加工の終了を指示すると、グラフ編集部111は、編集加工されたグラフを数値データに変換して数値データリポジトリ130に格納する。以下では、グラフの移動処理や時間延長短縮などの処理を説明するが、これらの処理を組み合わせることで、グラフが編集加工される。

0028

図6は、本実施形態に係る編集加工処理前の実データを示すグラフ410である。以下では、グラフ410を元データとする編集手法について説明する。なお、編集加工処理の対象は実データに限らず編集データであってもよい。また、グラフ410は温度変化を示したグラフであるが、温度/湿度、加速度、回転数、音、振動、電圧/電流など他の数値データであってもよい。

0029

≪グラフ編集加工処理:上下移動
図7は、本実施形態に係るグラフ編集加工処理の移動処理を説明するためのグラフ420である。グラフ420の点線のグラフは、移動処理前の元のグラフ410である。移動処理は、グラフ(グラフの折れ線)全体を上下に移動する処理である。グラフ編集部111は、利用者の指示に従って、グラフ全体を上または下に移動する。図7では、点線の元のグラフを上に移動して、実線のグラフに編集加工している。

0030

≪グラフ編集加工処理:時間延長短縮≫
図8図10は、本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフ430,440,450である。グラフ430,440,450の点線のグラフは、時間延長短縮処理前の元のグラフ410である。時間延長短縮処理は、ある区間で時間を短縮(グラフを左右方向で縮小)または時間を延長(グラフを左右方向で拡大)する処理である。利用者が、時間延長短縮する区間および延長率/短縮率を指示すると、グラフ編集部111は、指示された区間のグラフを左右方向に拡大または縮小する。利用者が、区間と時間延長後または時間短縮後の区間の長さ(区間幅)とを指示して、グラフ編集部111が、指示された区間のグラフを指示された区間の長さに合うように左右方向に拡大または縮小してもよい。

0031

グラフ430(図8参照)では、全体の区間に亘って時間を短縮している。グラフ440(図9参照)では、時刻T1〜時刻T2の区間に亘って時間を短縮している。また、グラフ450(図10参照)では、時刻Tを中心に前後の区間(時刻T−Δt1〜時刻T+Δt1)において時間を短縮(グラフを左右方向で縮小)し、さらに外側の区間(時刻T−Δt2〜時刻T−Δt1および時刻T+Δt1〜時刻T+Δt2)において時間を延長(グラフを左右方向で拡大)している。

0032

≪グラフ編集加工処理:データ値増減≫
図11は、本実施形態に係るグラフ編集加工処理の時刻におけるデータ値増減処理を説明するためのグラフ460である。図12は、本実施形態に係るグラフ編集加工処理の区間におけるデータ値増減処理を説明するためのグラフ470である。グラフ460,470の点線のグラフは、データ値増減処理前の元のグラフ410である。データ値増減処理は、ある時刻または区間でのデータ値を増減(加算または減算)する処理である。利用者が、データ値を増減する時刻/区間および増減値を指示すると、グラフ編集部111は、指示された時刻または区間のグラフを上下に移動する。このとき、グラフ編集部111は、グラフが不連続にならないように、指示された時刻または区間の前後のグラフも上下に移動する。

0033

グラフ460(図11参照)では、時刻Tのデータ値増加が指示されて、グラフ編集部111は、グラフが不連続にならないように前後の区間(時刻T−Δt〜時刻T+Δt)で時刻Tまでの時間間隔に応じてグラフを上に移動している。詳しくは、指示されたデータ値の増分がDとして、グラフ編集部111は、時刻TではグラフをD上に移動して、時刻T±(1/4)Δtではグラフを(3/4)D上に移動して、時刻T±(2/4)Δtではグラフを(2/4)D上に移動して、時刻T±(3/4)Δtではグラフを(1/4)D上に移動し、時刻T±Δtではグラフを移動しないようにして、時刻T−Δt〜時刻T+Δtの区間のグラフを上に移動している(データ値を増やしている)。

0034

時刻ではなく区間を指定してのデータ値増加においても、区間の外側の区間において値を増減した区間までの時間間隔に応じてグラフを上に移動する。グラフ470(図12参照)では、区間T1〜T2において増分Dのデータ値増加が指示されて、グラフ編集部111は、時刻T1および時刻T2ではグラフをD上に移動して、時刻T1−(1/4)Δtおよび時刻T2+(1/4)Δtではグラフを(3/4)D上に移動し、時刻T1−(2/4)Δtおよび時刻T2+(2/4)Δtではグラフを(2/4)D上に移動し、時刻T1−(3/4)Δtおよび時刻T2+(3/4)Δtではグラフを(1/4)D上に移動し、時刻T1−Δtおよび時刻T2+Δtではグラフを移動しないようにして、時刻T1−Δt〜時刻T1、および、時刻T2〜T2+Δtの区間のグラフを上に移動している(データ値を増やしている)。
図11図12では、データ値増加処理を説明したが、データ値削減でも同様である。

0035

図8では、左右方向のグラフの拡大縮小による時間延長短縮処理を説明した。上下方向に拡大縮小することで区間全体に亘ってデータ値を増減するようにしてもよい。図13は、本実施形態に係るグラフ編集加工処理の区間全体に亘るデータ値増減処理を説明するためのグラフ480である。グラフ480の点線のグラフは、移動処理前の元のグラフ410である。

0036

利用者が、データ値増減する区間および増減率を指示すると、グラフ編集部111は、指示された増減率に従ってグラフを上下方向に拡大または縮小する。グラフ480は、上方向に拡大され、区間全体に亘ってデータ値が増加している。

0037

≪グラフ編集加工処理:グラフ表示
図7図13で説明したグラフの編集加工処理では、編集加工前後のグラフを表示している。グラフ編集部111は、関連する他のグラフを表示して、利用者が編集加工しやすいようにしてもよい。

0038

図14は、本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフ510である。グラフ510では、温度データの変化に関連する電流のデータも含まれている。利用者は、電流のグラフを参照しながら、温度のグラフを編集加工できるようになっている。また、温度と電流の双方のデータを編集加工できるようにしてもよい。

0039

図15は、本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフ520である。グラフ510と比較して、グラフ520では、温度データ値電流データ値に係る散布図が右下にある。利用者は、電流のグラフと散布図を参照しながら、温度のグラフを編集加工できるようになっている。また、温度と電流の双方のデータを編集加工できるようにしてもよい。

0040

≪学習データ生成処理の特徴≫
学習データ生成装置100は、時系列数値データをグラフ化し、グラフを画像データと見なして敵対的生成ネットワークの生成器を用いて類似グラフを生成し、時系列数値データに変換することで、時系列数値データの学習データ生成を行っている。数値データをグラフ化して画像データとすることで、敵対的生成ネットワークを用いた学習データ生成が可能となっている。

0041

敵対的生成ネットワークへの入力は、実データのグラフに限らず、実データのグラフを編集加工したグラフも含んでいる。これにより、敵対的生成ネットワークの生成に必要な入力データ(学習データ)を増やすことができ、敵対的生成ネットワークの生成器であるグラフ生成ネットワーク121を用いるグラフ生成部113は、より類似度の高いグラフを生成できるようになる。

0042

また、少量しか収集できず、偏りのある実データについても、データの特性を理解している利用者が、あり得るデータを想定してデータを編集加工し、偏りの少ないデータにしてから敵対的生成ネットワークへの入力データとすることができる。このため、学習データ生成した結果の数値データは、偏りの少ないデータにすることができる。

0043

グラフの編集手法としては、上下方向の移動や拡大縮小(データ値の増減)、左右方向の拡大縮小(時間の延長短縮)、時刻や区間を指定してのデータ値の増減などがある。グラフ編集部111は、利用者の指示に従い、かつグラフの連続性が保てるように、グラフを変形しており、利用者の意図に沿ったグラフの編集加工処理が可能となっている。

0044

≪変型例:グラフの編集加工≫
上記した実施形態でのグラフ編集加工処理は、折れ線グラフを対象にしている。折れ線グラフに限定せず、数値データを曲線のグラフにして、同様の編集加工処理を行ってもよい。曲線のグラフは、数値データが示す点を制御点とし、これらの制御点を通る曲線を、例えばスプライン補間を用いて生成するようにしてもよい。他に、ベジェ曲線B−スプライン曲線などを用いてもよい。

0045

また、描画ツールの曲線や折れ線の編集にある手法を用いて、グラフを編集加工するようにしてもよい。例えば、曲線の制御点や折れ線の頂点(折れ線の制御点)を移動したり、追加したり、削減したりするようにして、編集加工してもよい。さらに、グラフとしての整合性を保つためにグラフ編集部111は、整合性を保てない(不整合が生じる)編集の指示を受け付けた場合には、不整合を警告して指示を受け付けないようにしてもよい。グラフとしての整合性としては、グラフが連続している、同じ時刻に複数の値はなく1つの値であるなどがあり、グラフとしての不整合性としては、グラフが不連続である、同じ時刻に複数の値があるなどがある。

0046

図11では、時刻Tにおけるデータ値増加の指示を受けて、グラフ編集部111が、T−Δt〜T+Δtの区間の値を上に移動している。利用者による、時刻がT、T±(1/4)Δt、T±(2/4)Δt、およびT±(3/4)Δtの頂点の移動の指示を受け付けて、グラフ編集部111が、移動後の頂点を通るようにグラフを移動(変形)させてもよい。
図16は、本実施形態の変型例に係る、不整合のある頂点の移動を説明するためのグラフ610である。頂点611から頂点612への移動は、複数の値をとる時刻が生じる不整合な移動である。このような、利用者による不整合な移動の指示を受け付けないようにすることで、不整合なグラフが生成されることを防ぐことができる。

0047

≪変型例:数値データの加工≫
上記した実施形態では、グラフを編集加工することで、敵対的生成ネットワークへの入力データを増やしている。グラフ化する前の数値データを編集加工するようにしてもよい。例えば、数値データについて、最大値最小値の差の所定比率より小さい増減値となるように、各数値データランダムに増減するようにしてもよい。また、時刻について、データの取得間隔の所定比率より小さい増減値となるように、各時刻データをランダムに前後するようにしてもよい。数値データや時刻の増減について、ランダムではなく、正規分布など所定の分布に従うように増減するようにしてもよい。
さらに、これらの編集加工手法を、グラフ編集部111によるグラフ編集加工処理後の数値データに施したり、数値データ生成部114が生成した数値データに施したりしてもよい。

0048

≪その他変型例≫
なお、本発明は、上記した実施形態や変型例に限定されることなく、その趣旨を逸脱しない範囲で変更することができる。また、これらの実施形態は、例示に過ぎず、本発明の技術的範囲を限定するものではない。例えば、区間におけるデータ値増減処理(図12参照)において、グラフ編集部111は、利用者に指示された区間T1〜T2の前後の幅Δtの区間のデータ値を増減させている。前と後で区間の幅が異なってもよい。
本発明はその他の様々な実施形態を取ることが可能であり、さらに、本発明の要旨を逸脱しない範囲で、省略や置換等種々の変更を行うことができる。これら実施形態やその変形は、本明細書等に記載された発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

0049

100学習データ生成装置
111グラフ編集部
112モデル生成部
113 グラフ生成部
114数値データ生成部
121 グラフ生成ネットワーク(グラフ生成モデル)
130 数値データリポジトリ
140 数値データ
310 グラフ(数値データ140のグラフ)
320 グラフ(編集画像データ)
330 グラフ(生成画像データ)
340 数値データ

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ