-
公开(公告)号：CN116057546A
公开(公告)日：2023-05-02
申请号：CN202080103853.1
申请日：2020-09-17
Applicant: 株式会社日立高新技术
IPC: G06N20/00
Abstract: 本发明使用一种错误原因推断装置，包括：数据预处理部，其使用处理对象数据生成具有适于输入到机器学习模型的格式的训练数据；和模型树生成部，其以训练数据作为输入而生成用于检测错误的学习模型即错误检测模型，并生成利用以错误检测模型为节点的树结构来表达错误检测模型之间的关系的模型树。由此，即使不对错误原因事先添加标签，也能够生成按发生的多种类的错误来检测错误的学习模型。
-
公开(公告)号：CN115176327A
公开(公告)日：2022-10-11
申请号：CN202080097490.5
申请日：2020-03-30
Applicant: 株式会社日立高新技术
Abstract: 本公开提出一种诊断系统，即使是考虑了多个要因或多个复合要因的错误，也能合适地进行原因确定。本公开所涉及的诊断系统具备：学习器，其将规定检查装置的动作的配方、记述了所述装置的状态的日志数据或记述了所述样品的特性的样品数据当中的至少任一者与所述装置的错误的种类建立对应来进行学习，使用所述学习器来推定所述错误的原因(参考图4)。
-
公开(公告)号：CN118056211A
公开(公告)日：2024-05-17
申请号：CN202180102951.8
申请日：2021-10-29
Applicant: 株式会社日立高新技术
Abstract: 错误原因推定装置(100)是推定发生的错误的错误原因的装置，具有：特征量组生成部(A2a)，其对包含从检查装置收集到的检查结果的数据进行处理，生成多个特征量；模型生成部(4)，其生成对由特征量组生成部(A2a)生成的多个特征量与错误的关系进行学习的模型(A5a)；贡献度计算部(11)，其针对在模型(A5a)的学习中使用的多个特征量中的至少一个，计算表示对模型(A5a)的输出做出贡献的程度的贡献度；以及错误原因取得部(15)，其取得对根据由贡献度计算部(11)计算出的贡献度计算出的有用度而选择出的特征量标注的错误原因。
-
Patent Agency Ranking
公开(公告)号：CN117233192A
公开(公告)日：2023-12-15
申请号：CN202310557221.8
申请日：2023-05-17
Applicant: 株式会社日立高新技术
IPC: G01N23/2251
Abstract: 本发明涉及缺陷检查装置，提供在检查时不使用设计数据，对噪声、制造误差稳健的缺陷检查装置。缺陷检查装置具备：特征量计算部，其基于试样的拍摄图像来计算特征量；图像信息削减部，其通过削减所述特征量的信息量来生成潜在变量；统计量推定部，其基于所述潜在变量来推定正常的图像能够取得的图像统计量；以及缺陷检测部，其基于所述图像统计量和试样的检查图像来检测所述检查图像中的缺陷。
-
公开(公告)号：CN118382802A
公开(公告)日：2024-07-23
申请号：CN202180104796.3
申请日：2021-12-28
Applicant: 株式会社日立高新技术
IPC: G01N23/2251
Abstract: 本发明提供一种图像检查装置，在使用试样的设计数据和拍摄图像来学习推定拍摄图像的像素值的概率分布的模型的图像处理中，能够防止由设计数据与拍摄图像之间的位置偏移引起的概率分布的推定值的精度降低。一种图像检查装置，使用试样的设计数据和所述试样的拍摄图像来检查所述拍摄图像，具有：学习处理部，学习概率分布推定模型，该概率分布推定模型根据设计数据推定拍摄图像的像素值的概率分布；检查处理部，使用由所述学习处理部生成的概率分布推定模型、检查用设计数据和检查用拍摄图像来检查所述检查用拍摄图像，所述学习处理部具有：概率分布推定部，根据试样的学习用设计数据推定试样的学习用拍摄图像的像素值的概率分布；位置偏移量推定部，推定由所述概率分布推定部推定出的学习时概率分布与所述学习用拍摄图像之间的位置偏移量；位置偏移反映部，将由所述位置偏移量推定部推定出的推定位置偏移量反应到所述学习时概率分布；模型评价部，使用由所述位置偏移反映部计算出的位置偏移反映后学习时概率分布和所述学习用拍摄图像，评价所述概率分布推定部的概率分布推定模型，按照评价值更新所述概率分布推定模型的参数。
-
公开(公告)号：CN118302790A
公开(公告)日：2024-07-05
申请号：CN202180104385.4
申请日：2021-12-17
Applicant: 株式会社日立高新技术
IPC: G06T7/00
Abstract: 提供示教数据作成辅助装置，对于在图像内映有多个缺陷的图像，通过以还考虑其周边区域的形式确定每个缺陷的对应的特征量并映射到低维度空间，能进行有效率的学习图像的收集/选择。特征在于，具备：图像识别部，其基于学习结果来对输入图像提取特征量，根据所述特征量进行图像处理，输出识别结果；特征量确定部，其将所述图像识别部的1个以上的预测结果或指定区域作为输入，确定每个所述预测结果或所述指定区域的相应的所述特征量；检查结果特征量数据库，其保存每个所述预测结果或每个所述指定区域的所述特征量；和维度削减部，其对保存于所述检查结果特征量数据库的所述特征量进行维度削减并投影到低维度空间，所述特征量确定部具有：重要区域算出部，其按每个所述预测结果或每个所述指定区域来求取保持包含所述预测结果的检测区域或所述指定区域的周边的区域信息的重要区域；和特征量提取部，其通过对所述图像识别部所提取的所述特征量以所述重要区域进行加权，来提取每个所述预测结果或每个所述指定区域的相应的所述特征量。
-
公开(公告)号：CN115280334A
公开(公告)日：2022-11-01
申请号：CN202080098437.7
申请日：2020-03-31
Applicant: 株式会社日立高新技术
IPC: G06N20/00
Abstract: 错误原因的推定装置具备：特征量生成部，其使用从外部发送的数据来生成适合于机器学习模型的特征量；模型数据库，其具有至少一个以上的错误预测模型，该错误预测模型将特征量作为输入数据而用于有无错误产生的判定；模型评价部，其将错误预测模型的预测结果与实际测量出的真正的错误结果进行比较来评价错误预测模型的性能；模型选择部，其从模型数据库选择由模型评价部计算出的评价值为预先设定的预定值以上的错误预测模型；以及错误预测模型生成部，其在由模型选择部选择的错误预测模型没有符合的情况下，针对测量出的错误生成新的错误预测模型。由此，即使没有错误原因的事先注释，也能够针对产生的多种错误推定其原因。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
