[發(fā)明專(zhuān)利]判定裝置、判定程序、判定方法及神經(jīng)網(wǎng)絡(luò)模型的生成方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201980080963.8
• 申請(qǐng)日: 2019-11-29
• 公開(kāi)（公告）號(hào): CN113169927B
• 公開(kāi)（公告）日: 2023-01-03
• 發(fā)明（設(shè)計(jì)）人: 上口翔悟;上田浩史;足立直樹(shù);濱田芳博
• 申請(qǐng)（專(zhuān)利權(quán)）人: 株式會(huì)社自動(dòng)網(wǎng)絡(luò)技術(shù)研究所;住友電裝株式會(huì)社;住友電氣工業(yè)株式會(huì)社
• 主分類(lèi)號(hào): H04L12/44
• 分類(lèi)號(hào): H04L12/44;G06N3/02
• 代理公司: 中原信達(dá)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11219
• 代理人: 高培培;趙晶

1.一種判定裝置，獲取與車(chē)輛的狀態(tài)相關(guān)的第一數(shù)據(jù)及多個(gè)第二數(shù)據(jù)，

所述判定裝置具備：

多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，在被輸入所述多個(gè)第二數(shù)據(jù)中的任一個(gè)第二數(shù)據(jù)的情況下進(jìn)行學(xué)習(xí)，從而推定相當(dāng)于所述第一數(shù)據(jù)的推定數(shù)據(jù)；以及

判定部，基于所述多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)各自推定出的各個(gè)所述推定數(shù)據(jù)和所述第一數(shù)據(jù)來(lái)判定所述第一數(shù)據(jù)是否正常，

所述判定部包括第二已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，該第二已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在被輸入所述第一數(shù)據(jù)及所述多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)各自推定出的各個(gè)推定數(shù)據(jù)的情況下進(jìn)行學(xué)習(xí)，從而推定所述第一數(shù)據(jù)是否正常。

2.根據(jù)權(quán)利要求1所述的判定裝置，其中，

所述多個(gè)第二數(shù)據(jù)的每一個(gè)與所述第一數(shù)據(jù)之間的相關(guān)系數(shù)的絕對(duì)值為規(guī)定值以上。

3.根據(jù)權(quán)利要求2所述的判定裝置，其中，

所述相關(guān)系數(shù)的絕對(duì)值的規(guī)定值為0.7。

4.根據(jù)權(quán)利要求1至3中的任一項(xiàng)所述的判定裝置，其中，

所述第一數(shù)據(jù)為所述車(chē)輛的車(chē)速。

5.一種存儲(chǔ)有判定程序的記錄介質(zhì)，該判定程序使計(jì)算機(jī)執(zhí)行如下處理：

獲取與車(chē)輛的狀態(tài)相關(guān)的第一數(shù)據(jù)及多個(gè)第二數(shù)據(jù)，

對(duì)多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的各已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)輸入所獲取的所述多個(gè)第二數(shù)據(jù)的各第二數(shù)據(jù)，所述已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在被輸入所述多個(gè)第二數(shù)據(jù)中的任一個(gè)第二數(shù)據(jù)的情況下進(jìn)行學(xué)習(xí)，從而推定相當(dāng)于所述第一數(shù)據(jù)的推定數(shù)據(jù)，

對(duì)第二已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)輸入所述第一數(shù)據(jù)及所述多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)各自推定出的各個(gè)推定數(shù)據(jù)而使所述第二已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，從而推定所述第一數(shù)據(jù)是否正常。

6.一種判定方法，

獲取與車(chē)輛的狀態(tài)相關(guān)的第一數(shù)據(jù)及多個(gè)第二數(shù)據(jù)，

對(duì)多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的各已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)輸入所獲取的所述多個(gè)第二數(shù)據(jù)的各第二數(shù)據(jù)，所述已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在被輸入所述多個(gè)第二數(shù)據(jù)中的任一個(gè)第二數(shù)據(jù)的情況下進(jìn)行學(xué)習(xí)，從而推定相當(dāng)于所述第一數(shù)據(jù)的推定數(shù)據(jù)，

對(duì)第二已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)輸入所述第一數(shù)據(jù)及所述多個(gè)已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)各自推定出的各個(gè)推定數(shù)據(jù)而使所述第二已學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，從而推定所述第一數(shù)據(jù)是否正常。

7.一種神經(jīng)網(wǎng)絡(luò)模型的生成方法，

獲取教師數(shù)據(jù)，該教師數(shù)據(jù)包括與車(chē)輛的狀態(tài)相關(guān)的多種第二數(shù)據(jù)和對(duì)應(yīng)于各第二數(shù)據(jù)的與車(chē)輛的狀態(tài)相關(guān)的第一數(shù)據(jù)，

基于第二數(shù)據(jù)及對(duì)應(yīng)于該第二數(shù)據(jù)的第一數(shù)據(jù)的每個(gè)組合的教師數(shù)據(jù)，針對(duì)每個(gè)所述組合生成以在輸入了第二數(shù)據(jù)的情況下輸出與對(duì)應(yīng)的第一數(shù)據(jù)相關(guān)的推定數(shù)據(jù)的方式進(jìn)行了學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，

生成以在輸入了第一數(shù)據(jù)及與該第一數(shù)據(jù)相關(guān)的推定數(shù)據(jù)的情況下輸出該第一數(shù)據(jù)是否正常的判定結(jié)果的方式進(jìn)行了學(xué)習(xí)的第二神經(jīng)網(wǎng)絡(luò)模型。

8.根據(jù)權(quán)利要求7所述的神經(jīng)網(wǎng)絡(luò)模型的生成方法，其中，

將為了對(duì)所述第一數(shù)據(jù)與所輸出的各推定數(shù)據(jù)進(jìn)行比較而生成的多個(gè)所述神經(jīng)網(wǎng)絡(luò)模型并聯(lián)連接。

9.根據(jù)權(quán)利要求7或8所述的神經(jīng)網(wǎng)絡(luò)模型的生成方法，其中，

所述教師數(shù)據(jù)包括所述第一數(shù)據(jù)和多種第二數(shù)據(jù)，該多種第二數(shù)據(jù)的每一種與所述第一數(shù)據(jù)之間的相關(guān)系數(shù)的絕對(duì)值為規(guī)定值以上。