机器学习方法、机器学习装置、机器学习程序、通信方法以及控制装置

    公开(公告)号:CN118103199A

    公开(公告)日:2024-05-28

    申请号:CN202280068567.5

    申请日:2022-09-30

    IPC分类号: B30B11/00 G06N3/02 G06N20/00

    摘要: 基于包括与被处理物相关的至少一个物理量、和至少一个各向同性加压处理条件的状态变量,计算对各向同性加压处理条件的决定结果的奖励,并基于奖励,对用于根据状态变量决定至少一个各向同性加压处理条件的函数进行更新,通过反复对函数进行更新,决定获得奖励最多的各向同性加压处理条件。各向同性加压处理条件是与被处理物相关的第一参数、与各向同性加压处理的前期工序相关的第二参数、及与各向同性加压装置的运转条件相关的第三参数中的至少一个,至少一个物理量是与被处理物的致密化及压粉体化相关的物理量中的至少一个。

    机器学习方法、机器学习装置、机器学习程序、通信方法以及控制装置

    公开(公告)号:CN116011582A

    公开(公告)日:2023-04-25

    申请号:CN202211283575.X

    申请日:2022-10-19

    IPC分类号: G06N20/00 A23L5/20 A23L3/015

    摘要: 本发明涉及机器学习方法、机器学习装置、机器学习程序、通信方法以及控制装置,能容易地决定针对被处理物的合适的CIP处理条件。基于所取得的状态变量来计算对冷等静压处理条件的决定结果的回报,基于回报来更新用于根据状态变量决定至少1个冷等静压处理条件的函数,通过重复函数的更新来决定能最多地得到回报冷等静压处理条件,冷等静压处理条件包含与被处理物相关的第1参数、与冷等静压处理的前工序相关的第2参数和与冷等静压装置的运转条件相关的第3参数当中至少1者,至少1个物理量是被处理物的杀菌/灭活、脱壳、味道/风味改善、口感/营养改善当中至少1者。