Top > Search of International Patents > PREDICTION SYSTEM, PREDICTION METHOD, AND PREDICTION PROGRAM

PREDICTION SYSTEM, PREDICTION METHOD, AND PREDICTION PROGRAM

Foreign code F210010286
File No. (S2019-0414-N0)
Posted date Jan 28, 2021
Country WIPO
International application number 2020JP016740
International publication number WO 2020218157
Date of international filing Apr 16, 2020
Date of international publication Oct 29, 2020
Priority data
  • P2019-084098 (Apr 25, 2019) JP
Title PREDICTION SYSTEM, PREDICTION METHOD, AND PREDICTION PROGRAM
Abstract The prediction system according to an embodiment generates a machine learning model for predicting a state of an object by: acquiring a plurality of input vectors indicating a combination of an object feature and an environment feature, the object feature being represented by one or more feature amounts related to the state of an object that are calculated on the basis of observation, and the environment feature being represented by one or more feature amounts related to the surrounding environment of the object; dividing, through clustering, a set of environment features into a plurality of clusters; and executing machine learning with respect to each of the plurality of input vectors. The machine learning includes a step for executing a process based on the cluster to which the environment feature of an input vector belongs, and a step for outputting a predicted value of the state of the object by inputting the input vector into the machine learning model for which the process has been executed.
Outline of related art and contending technology BACKGROUND ART
Computer systems are known to predict the state of an object using machine learning. For example, Japanese Patent Document 1 describes a plant disease diagnosis system. The system includes a deep learning unit that captures a plurality of images of plant diseases and corresponding diagnosis results as learning data, creates and holds image feature data related to plant diseases, an input unit that inputs an image to be diagnosed, An analysis part for identifying which diagnostic result the input image is classified by using the deep learning device, and a display part for displaying the diagnostic result output by the analysis part.
Scope of claims (In Japanese)[請求項1]
 少なくとも一つのプロセッサを備え、
 前記少なくとも一つのプロセッサが、
  観察に基づいて算出された対象物の状態に関する1以上の特徴量で表される対象物特徴と、該対象物の周辺環境に関する1以上の特徴量で表される環境特徴との組合せを示す複数の入力ベクトルを取得し、
  前記環境特徴の集合をクラスタリングによって複数のクラスタに分割し、
  前記複数の入力ベクトルのそれぞれについて機械学習を実行することで、対象物の状態を予測するための機械学習モデルを生成し、
 前記機械学習が、
  前記入力ベクトルの前記環境特徴が属する前記クラスタに基づく処理を実行するステップと、
  前記処理が実行された前記機械学習モデルに前記入力ベクトルを入力することで前記対象物の状態の予測値を出力するステップと
を含む、
予測システム。

[請求項2]
 前記クラスタに基づく処理を実行する前記ステップが、前記入力ベクトルの前記環境特徴が属する前記クラスタに基づいて、前記機械学習モデルのニューラルネットワークの一部のノードを無効化するマスキングを実行することを含み、
 前記予測値を出力する前記ステップが、前記マスキングが実行された前記機械学習モデルに前記入力ベクトルを入力することで前記予測値を出力するステップを含む、
請求項1に記載の予測システム。

[請求項3]
 前記少なくとも一つのプロセッサが、前記複数のクラスタに対応する複数のマスクベクトルを生成し、ここで、該複数のマスクベクトルのそれぞれが、複数のノードのうちどのノードを無効化するかを示し、
 前記マスキングが、前記入力ベクトルの前記環境特徴が属する前記クラスタに対応する前記マスクベクトルに基づいて実行される、
請求項2に記載の予測システム。

[請求項4]
 前記少なくとも一つのプロセッサが、
  前記複数のマスクベクトルの初期値が互いに異なるように、該複数のマスクベクトルの初期値を初期マスクベクトルとして設定し、
  前記複数のクラスタのそれぞれについて、該クラスタの初期マスクベクトルと、該クラスタの近傍に位置する1以上のクラスタのそれぞれの初期マスクベクトルとの論理和を、該クラスタの前記マスクベクトルとして設定する、
請求項3に記載の予測システム。

[請求項5]
 前記マスキングが、前記ニューラルネットワークの全結合層を構成する複数のノードの一部を無効化することを含む、
請求項2~4のいずれか一項に記載の予測システム。

[請求項6]
 前記対象物の状態の1以上の特徴量の少なくとも一つが、前記観察を用いて算出されるオプティカルフローに基づいて設定される、
請求項2~5のいずれか一項に記載の予測システム。

[請求項7]
 前記観察が、植物が撮影された画像であり、
 前記対象物が植物であり、
 前記対象物特徴が萎れ特徴であり、
 前記機械学習モデルが植物の萎れ具合を予測するためのものである、
請求項2~6のいずれか一項に記載の予測システム。

[請求項8]
 前記環境特徴の1以上の特徴量が、温度、相対湿度、飽差、および散乱光の量のうちの少なくとも一つを含む、
請求項7に記載の予測システム。

[請求項9]
 前記複数の入力ベクトルのそれぞれが、前記萎れ特徴と共通特徴の組合せであるベクトルと、前記環境特徴と該共通特徴との組合せであるベクトルとを用いて構成され、ここで、該共通特徴が前記萎れ特徴および前記環境特徴のそれぞれを補足する特徴である、
請求項7または8に記載の予測システム。

[請求項10]
 前記共通特徴の1以上の特徴量が、日の出からの経過時間と、灌水を実施したか否かを示す灌水フラグとのうちの少なくとも一つを含む、
請求項9に記載の予測システム。

[請求項11]
 請求項7~10のいずれか一項に記載の予測システムを備え、
 前記少なくとも一つのプロセッサが、前記予測値に基づいて前記植物への灌水を制御する、
灌水制御システム。

[請求項12]
 少なくとも一つのプロセッサを備える予測システムにより実行される予測方法であって、
 観察に基づいて算出された対象物の状態に関する1以上の特徴量で表される対象物特徴と、該対象物の周辺環境に関する1以上の特徴量で表される環境特徴との組合せを示す複数の入力ベクトルを取得するステップと、
 前記環境特徴の集合をクラスタリングによって複数のクラスタに分割するステップと、
 前記複数の入力ベクトルのそれぞれについて機械学習を実行することで、対象物の状態を予測するための機械学習モデルを生成するステップと
を含み、
 前記機械学習が、
  前記入力ベクトルの前記環境特徴が属する前記クラスタに基づく処理を実行するステップと、
  前記処理が実行された前記機械学習モデルに前記入力ベクトルを入力することで前記対象物の状態の予測値を出力するステップと
を含む、
予測方法。

[請求項13]
 観察に基づいて算出された対象物の状態に関する1以上の特徴量で表される対象物特徴と、該対象物の周辺環境に関する1以上の特徴量で表される環境特徴との組合せを示す複数の入力ベクトルを取得するステップと、
 前記環境特徴の集合をクラスタリングによって複数のクラスタに分割するステップと、
 前記複数の入力ベクトルのそれぞれについて機械学習を実行することで、対象物の状態を予測するための機械学習モデルを生成するステップと
をコンピュータに実行させ、
 前記機械学習が、
  前記入力ベクトルの前記環境特徴が属する前記クラスタに基づく処理を実行するステップと、
  前記処理が実行された前記機械学習モデルに前記入力ベクトルを入力することで前記対象物の状態の予測値を出力するステップと
を含む、
予測プログラム。
  • Applicant
  • ※All designated countries except for US in the data before July 2012
  • SHIZUOKA UNIVERSITY
  • Inventor
  • MINENO Hiroshi
  • WAKAMORI Kazumasa
  • NAKANISHI Gota
IPC(International Patent Classification)
Specified countries National States: AE AG AL AM AO AT AU AZ BA BB BG BH BN BR BW BY BZ CA CH CL CN CO CR CU CZ DE DJ DK DM DO DZ EC EE EG ES FI GB GD GE GH GM GT HN HR HU ID IL IN IR IS JO JP KE KG KH KN KP KR KW KZ LA LC LK LR LS LU LY MA MD ME MG MK MN MW MX MY MZ NA NG NI NO NZ OM PA PE PG PH PL PT QA RO RS RU RW SA SC SD SE SG SK SL ST SV SY TH TJ TM TN TR TT TZ UA UG US UZ VC VN WS ZA ZM ZW
ARIPO: BW GH GM KE LR LS MW MZ NA RW SD SL SZ TZ UG ZM ZW
EAPO: AM AZ BY KG KZ RU TJ TM
EPO: AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR
OAPI: BF BJ CF CG CI CM GA GN GQ GW KM ML MR NE SN ST TD TG
Please contact us by E-mail or facsimile if you have any interests on this patent.

PAGE TOP

close
close
close
close
close
close