[發明專利]機械學習模型構筑裝置及方法、數值控制裝置

有效

• 申請號: 201710595217.5
• 申請日: 2017-07-18
• 公開（公告）號: CN107643728B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 松島多佳彥;宮崎義人
• 申請（專利權）人: 發那科株式會社
• 主分類號: G05B19/408
• 分類號: G05B19/408
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 曾賢偉;范勝杰

本發明提供機械學習模型構筑裝置及方法、數值控制裝置，在學習器電路上靈活地構筑各種神經網絡模型。機械學習模型構筑裝置具有：學習器電路(80)，其能夠構筑與設定值對應的神經網絡模型；以及控制單元(11)，其將所述設定值調整成用于在所述學習器電路(80)構筑規定的神經網絡模型的值。

技術領域

本發明涉及用于執行與機械學習模型的構筑相關的處理的、機械學習模型構筑裝置、數值控制裝置、以及機械學習模型構筑方法。

背景技術

期待通過進行機械學習來提升圖像識別等的精度。這里，作為機械學習的代表方法列舉神經網絡。

當利用神經網絡時，構筑出與想要解決的問題對應的適當的神經網絡模型尤為重要。因為，當沒有適當的神經網絡模型時，會導致輸出的精度降低。

例如在專利文獻1、專利文獻2以及專利文獻3中公開了與這樣的神經網絡模型的構筑等相關聯的技術。

首先，在專利文獻1中公開了：針對沒有進行機械學習的神經網絡，執行設定了各種參數的腳本命令，由此進行學習這樣的工具(tool)。

此外，在專利文獻2中公開了如下技術：將大規模的神經網絡劃分為每一個功能單位的程序塊，針對各程序塊將神經元的數量和連接規則設定為參數，根據其值自動生成神經網絡。

并且，在專利文獻3中公開了：通過對神經網絡學習后的各神經元的輸出進行分析，來輸出最佳的神經元數量這樣的方法。

現有技術文獻

專利文獻

專利文獻1：日本特表2008-533615號公報

專利文獻2：日本特開2001-51968號公報

專利文獻3：日本特開平8-235145號公報

發明內容

發明要解決的課題

如上所述，在各專利文獻中記載有關于神經元模型的構筑的技術。

這方面，如上所述，在機械學習中構筑出與應該解決的問題相對應的適當的神經網絡模型尤為重要，但是由于模型構筑作業要求專業性，因此存在用戶不容易找到適當的模型這樣的問題。

此外，應該解決的問題因各用戶不同而不同，因此，適當的神經網絡也因各用戶不同而不同，因此存在如下問題：預先準備具有決定好的神經網絡模型的學習器電路這樣的做法不具備靈活性。

但是，在各專利文獻所公開的結構中無法充分解決這些問題。

例如，在專利文獻1中，作為輔助腳本制作的功能，提及了顯示神經網絡的連接關系這樣的方法，但是難以由此設定神經網絡模型的結構本身。

此外，通過使用專利文獻2和專利文獻3所公開的技術，也許能夠預先準備具有決定好的神經網絡模型的學習器電路。但是，即使使用了這些技術，也無法在學習器電路上靈活地構筑出分別與根據每一個用戶而不同的應該解決的問題相適合的、各種各樣的神經網絡模型。

因此，本發明的目的在于提供一種機械學習模型構筑裝置、數值控制裝置、以及機械學習模型構筑方法，能夠在學習器電路上靈活地構筑出各種各樣的神經網絡模型。

用于解決課題的手段

(1)本發明的機械學習模型構筑裝置，具有：學習器電路(例如，后述的學習器電路80)，其能夠構筑與設定值(例如，后述的設定值S_ij)對應的神經網絡模型；以及控制單元(例如，后述的CPU11)，其將所述設定值調整成用于在所述學習器電路構筑規定的神經網絡模型的值。