-
公开(公告)号：CN115136150A
公开(公告)日：2022-09-30
申请号：CN202180015456.3
申请日：2021-02-19
Applicant: 欧姆龙株式会社 , 国立大学法人京都大学
Abstract: 提高从输入数据中提取图结构作为中间表达的模型的精度。编码部(100)从输入数据(10)中提取图结构(Tr)所包含的多个顶点各自的特征量，并计算在该顶点连接有边的似然度。采样部(130)基于针对该似然度的Gumbel‑Softmax函数的变换结果，决定图结构(Tr)。学习部(150)通过使用损失函数的反向传播，使解码部(140)和编码部(100)优化，所述损失函数包含根据图结构(Tr)生成的输出数据(20)与正解数据的误差(LP)。
-
公开(公告)号：CN113424208A
公开(公告)日：2021-09-21
申请号：CN202080013551.5
申请日：2020-02-18
Applicant: 欧姆龙株式会社
Abstract: 本发明能够构建导入成本比较低廉，而且对于与数据的获取相关的属性的差异稳健的学习完毕的模型。本发明的一方面涉及的学习装置针对各学习数据集，执行对第二编码器和第二元识别器进行训练以使第二元识别器的识别结果适合于元数据的第一训练步骤、对各编码器和推测器进行训练以使推测器的推测结果适合于正解数据的第二训练步骤、对第一元识别器进行训练以使第一元识别器的识别结果适合于元数据的第三训练步骤、以及对第一编码器进行训练以使第一元识别器的识别结果不适合于元数据的第四训练步骤。交替地反复执行第三训练步骤和第四训练步骤。
-
公开(公告)号：CN113196320A
公开(公告)日：2021-07-30
申请号：CN202080006629.0
申请日：2020-09-29
Applicant: 欧姆龙株式会社
Abstract: 本发明提供能够进行适当的作业指示的技术。果菜类植物和果树栽培管理装置的特征在于，具备：与作为栽培对象的果菜类植物或果树的环境状态相关的环境状态信息；与所述果菜类植物或果树的预先计划的栽培评价指标相关的信息即计划栽培评价指标信息；运算部，使用学习模型针对所述环境状态信息和所述计划栽培评价指标信息的输入，确定并输出包括形态变更作业在内的针对所述果菜类植物或果树的作业，所述学习模型已学习了所栽培的所述果菜类植物或果树的栽培评价指标、栽培该果菜类植物或果树时的该果菜类植物或果树的环境状态以及包括栽培该果菜类植物或果树时变更该果菜类植物或果树的形态的形态变更作业在内的针对该果菜类植物或果树的作业的历史即作业历史；以及输出部，输出包括所述形态变更作业在内的针对所述果菜类植物或果树的作业。
-
公开(公告)号：CN112673378A
公开(公告)日：2021-04-16
申请号：CN201980058821.1
申请日：2019-03-13
Applicant: 欧姆龙株式会社
Abstract: 本发明提供用于生成能够更高精度地推断对象者的状态的推断器的技术。本发明的一方面涉及的推断器生成装置，将具有相互共用的编码器的第一推断器和第二推断器中的第一推断器训练为从脸部图像数据导出对象者的状态，而将第二推断器训练为从脸部图像数据再现生理学数据。通过该机器学习，使共用的编码器的参数趋向推断对象者的状态的精度更高的局部解，由此，生成能够更高精度地推断对象者的状态的推断器。
-
公开(公告)号：CN113424221B
公开(公告)日：2024-07-23
申请号：CN202080013415.6
申请日：2020-01-23
Applicant: 欧姆龙株式会社 , 国立大学法人京都大学
Abstract: 本发明的一个方面的模型生成装置取得由按时间序列得到的规定数据的第1时刻的第1样本、以及比第1时刻靠未来的第2时刻的规定数据的第2样本所包含的特征信息的组合分别构成的多个学习数据集，通过机器学习，针对各学习数据集训练预测模型，使其根据第1时刻的第1样本来预测第2时刻的特征信息。模型生成装置对各学习数据集设定稀有度，在机器学习中，越是稀有度高的学习数据集，模型生成装置越重点进行训练。
-
Patent Agency Ranking
公开(公告)号：CN112673378B
公开(公告)日：2024-01-30
申请号：CN201980058821.1
申请日：2019-03-13
Applicant: 欧姆龙株式会社
Abstract: 本发明提供用于生成能够更高精度地推断对象者的状态的推断器的技术。本发明的一方面涉及的推断器生成装置，将具有相互共用的编码器的第一推断器和第二推断器中的第一推断器训练为从脸部图像数据导出对象者的状态，而将第二推断器训练为从脸部图像数据再现生理学数据。通过该机器学习，使共用的编码器的参数趋向推断对象者的状态的精度更高的局部解，由此，生成能够更高精度地推断对象者的状态的推断器。
-
公开(公告)号：CN114556448A
公开(公告)日：2022-05-27
申请号：CN202080071408.1
申请日：2020-11-06
Applicant: 欧姆龙株式会社
Abstract: 本发明的一方面所涉及的模型生成装置关于各学习数据集执行：第一训练步骤，训练第二推断器，使得从第二推断器得到的推断结果适合于第二正解数据；第二训练步骤，训练编码器，使得从第二推断器得到的推断结果不适合于第二正解数据；以及第三训练步骤，训练编码器和所述第一推断器，使得从第一推断器得到的推断结果适合于第一正解数据。模型生成装置交替地反复执行第一训练步骤和第二训练步骤。
-
公开(公告)号：CN114008669A
公开(公告)日：2022-02-01
申请号：CN202080045540.5
申请日：2020-06-23
Applicant: 欧姆龙株式会社
Abstract: 提供一种信息处理装置，能够在不增加用户的负担的情况下计算与植物的成长状态有关的准确的指标值。信息处理装置具备：受理单元，其受理拍摄图像的输入，所述拍摄图像是通过对包含矩形状区域的植物的栽培区域从所述矩形状区域的长度方向进行拍摄而得到的；变换系数计算单元，其针对输入到所述受理单元的所述拍摄图像中的多个进深方向位置分别确定所述拍摄图像内的所述矩形状区域的宽度方向的像素数，通过将所述矩形状区域的实际宽度除以所确定的各像素数来计算针对各进深方向位置的变换系数；以及指标值计算单元，其通过使用由所述变换系数计算单元针对各进深方向位置计算出的所述变换系数分析所述拍摄图像，计算与所述植物的成长状态有关的指标值。
-
公开(公告)号：CN113424221A
公开(公告)日：2021-09-21
申请号：CN202080013415.6
申请日：2020-01-23
Applicant: 欧姆龙株式会社 , 国立大学法人京都大学
Abstract: 本发明的一个方面的模型生成装置取得由按时间序列得到的规定数据的第1时刻的第1样本、以及比第1时刻靠未来的第2时刻的规定数据的第2样本所包含的特征信息的组合分别构成的多个学习数据集，通过机器学习，针对各学习数据集训练预测模型，使其根据第1时刻的第1样本来预测第2时刻的特征信息。模型生成装置对各学习数据集设定稀有度，在机器学习中，越是稀有度高的学习数据集，模型生成装置越重点进行训练。
-
公开(公告)号：CN118805207A
公开(公告)日：2024-10-18
申请号：CN202380024397.5
申请日：2023-02-10
Applicant: 欧姆龙株式会社
IPC: G06V20/50 , G06F16/783
Abstract: 本发明的目的在于提供一种信息处理装置、信息处理方法以及信息处理程序，在使用提取事件的模型和对所提取的事件附加注释的模型对事件附加注释的情况下，能够附加高精度的注释。信息处理装置具备：取得部，其取得动态图像；分割部，其将动态图像分割为多个事件动态图像，作为赋予注释的候选；事件选择部，其使用选择模型从候选中选择事件动态图像，所述选择模型使用能够微分的函数从多个事件动态图像中以事件所示的范围不会产生过量或不足的方式选择事件动态图像；以及生成部，其使用赋予针对事件动态图像所示的事件的注释的赋予模型生成对所选择的事件动态图像赋予了注释的动态图像。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.031 seconds)
