-
公开(公告)号：CN117742310A
公开(公告)日：2024-03-22
申请号：CN202311154435.7
申请日：2023-09-07
Applicant: 欧姆龙株式会社
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D1/247 , G05D105/20
Abstract: 本申请提供智能体控制装置和方法、学习装置、学习方法及记录介质。智能体控制装置具备：移动确定部，将观测控制对象智能体的状态而得到的第一观测集以及观测所述控制对象智能体周围的至少一个其他智能体的状态而得到的第二观测集输入第一模型，通过所述第一模型的输出确定与所述控制对象智能体的移动相关的信息；变化量确定部，将所述第一观测集以及所述第二观测集输入第二模型，通过所述第二模型的输出确定针对与所述控制对象智能体的移动相关的信息的变化量；以及动作控制部，对由所述移动确定部确定的与所述移动相关的信息赋予由所述变化量确定部确定的所述变化量而使所述控制对象智能体进行动作。
-
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：CN113196312B
公开(公告)日：2024-10-29
申请号：CN201980082089.1
申请日：2019-11-18
Applicant: 欧姆龙株式会社
Inventor： 米谷竜
IPC: G06N20/00
Abstract: 提供用于构建能够生成多种数据的生成模型的技术。本发明的一个方面涉及的模型生成装置具备：生成部，使用生成模型生成数据；发送部，将生成的数据分别发送至多个学习完毕的识别模型，使各识别模型对数据执行识别，多个学习完毕的识别模型分别通过使用本地学习数据的机器学习获得了识别被提供的数据是否为本地学习数据的能力；接收部，接收各识别模型对被发送的数据进行识别的结果；以及学习处理部，通过使用接收到的识别的结果的机器学习来训练生成模型，以生成使多个识别模型中的至少任意一个识别模型的识别性能降低这样的数据。
-
公开(公告)号：CN117940742A
公开(公告)日：2024-04-26
申请号：CN202280060638.7
申请日：2022-09-16
Applicant: 欧姆龙株式会社
Abstract: 本发明的一方面的路径规划系统使用训练完毕的路线图构建模型，针对每个主体来构建路线图。训练完毕的路线图构建模型是通过使用由多个学习用主体的正解路径所获得的学习数据的机器学习而生成。路径规划系统通过训练完毕的路线图构建模型来反复进行将各主体各别地指定为对象主体并推测对象时间步至下个时间步的候选状态的处理，从而构建每个主体的路线图。
-
公开(公告)号：CN113939848A
公开(公告)日：2022-01-14
申请号：CN202080042676.0
申请日：2020-06-25
Applicant: 欧姆龙株式会社
Abstract: 本发明的一方面所涉及的推论装置通过对根据在不同的环境下得到的局部学习数据而被导出以执行规定的推论的多个推论模型分别提供对象数据，并使各推论模型执行规定的推论，来获取各推论模型的推论结果。然后，推论装置通过根据环境数据确定各整合参数的值，使用所确定的各整合参数的值对各推论模型的推论结果进行加权，并整合加权后的各推论结果，来生成对象的环境下的推论结果。
-
Patent Agency Ranking
公开(公告)号：CN115053238A
公开(公告)日：2022-09-13
申请号：CN202180012989.6
申请日：2021-02-12
Applicant: 欧姆龙株式会社
Inventor： 米谷竜
IPC: G06N20/00
Abstract: 提供了一种用于与计算设备一起使用的方法。该方法可以包括将输入数据集输入到使用第一私有数据集生成的第一私有人工智能模型和使用第二私有数据集生成的第二私有人工智能模型中。该方法还可以包括从第一私有人工智能模型接收第一结果数据集，以及从第二私有人工智能模型接收第二结果数据集。该方法还可以包括利用输入数据集和第一结果数据集训练自适应共蒸馏模型。该方法还可以包括利用输入数据集和第二结果数据集训练自适应共蒸馏模型。自适应共蒸馏模型可以不在第一私有数据集或第二私有数据集上训练。
-
公开(公告)号：CN114600084A
公开(公告)日：2022-06-07
申请号：CN202080073286.X
申请日：2020-11-02
Applicant: 欧姆龙株式会社
Abstract: 本发明的一方面所涉及的综合分析方法包括如下步骤：各客户端装置执行用于求解本地学习数据所包含的各本地样本的各要素间的相关性的运算；服务器装置获取基于各客户端装置的运算的结果；服务器装置通过对从各客户端装置获取到的运算的结果进行综合，计算表示所有本地学习数据所包含的所有本地样本的各要素间的相关性的综合结果；服务器装置通过实施主成分分析，从计算出的综合结果导出一个以上的主成分；以及服务器装置输出与导出的一个以上的主成分相关的信息。
-
公开(公告)号：CN113196313A
公开(公告)日：2021-07-30
申请号：CN201980082141.3
申请日：2019-11-19
Applicant: 欧姆龙株式会社
IPC: G06N20/00
Abstract: 本发明提供用于构建能力更高的学习完毕的学习模型的技术。本发明的一方面所涉及的模型集成装置具备：模型收集部，从多个学习装置分别收集学习完毕的学习模型；集成处理部，对各学习完毕的学习模型，执行对设定在共同部分内的集成范围中所反映的机器学习的结果进行集成的集成处理；以及模型更新部，通过将集成处理的结果向各学习装置发送，并对于各学习装置，使集成处理的结果用于各学习完毕的学习模型内的集成范围，从而对各学习装置保持的学习完毕学习模型进行更新。
-
公开(公告)号：CN115803774A
公开(公告)日：2023-03-14
申请号：CN202180044574.7
申请日：2021-06-30
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实施包括从对象的集合提取满足规定条件的要素的运算的神经网络模块的机器学习。模型生成装置在机器学习的期间，在神经网络模块的正向传播的阶段，直接计算提取运算，而在反向传播的阶段，将提取运算置换为可微分的替代运算，通过置换后的替代运算的微分计算，算出与提取运算的微分计算对应的近似梯度。
-
公开(公告)号：CN115803587A
公开(公告)日：2023-03-14
申请号：CN202180043798.6
申请日：2021-07-02
Applicant: 欧姆龙株式会社
Inventor： 米谷竜
IPC: G01C21/34 , G08G1/0968
Abstract: 本发明的一方面所涉及的模型生成装置通过机器学习，针对各学习数据集，通过将训练地图提供为输入地图，以使由搜索模块搜索的路径适合于由正确答案信息示出的推荐路径的方式来训练搜索模块。模型生成装置在机器学习的期间，在正向传播的阶段，直接计算提取的运算和选择的运算，而在反向传播的阶段，将提取的运算和选择的运算分别置换为可微分的替代运算，通过置换后的替代运算的微分计算，算出与提取的运算和选择的运算各自的微分计算对应的近似梯度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.021 seconds)
