[发明专利]用于机器学习的系统和方法

说明书

本公开涉及用于机器学习的系统和方法。例如，一种处理系统包括：接收电路(1)，用于接收来自外部连接的传感器的输入信号；预期信号生成电路(4)，用于自动地生成用于学习电路(5)的教学信号；学习电路(5)，用于计算神经网络模型的权重值、偏移值等，以根据由预期信号生成电路(4)生成的教学信号和来自接收电路(1)的信号形成预期信号；推理电路(2)，用于基于由学习电路(5)生成的神经网络模型的学习模型执行信号处理；以及有效性验证电路(3’)，用于执行推理电路(2)的输出信号与用于比较的预期信号之间的相似性计算。

相关申请的交叉参考

于2018年12月27日提交的日本专利申请第2018-243998号的包括说明书、附图和摘要的公开通过引用并入本文。

技术领域

本公开涉及用于机器学习的系统和方法。

背景技术

公开了针对机器学习自动生成教学信号的一些方法。

例如，日本未审查专利申请公开JP6-266398公开了一种具有生成教学信号的单元的神经网络模型学习装置。

此外，日本未审查专利申请公开JP7-21378公开了一种具有生成教学信号的自动生成装置的图像识别装置。

发明内容

然而，由于JP6-266398中公开的教学信号生成单元生成作为教学信号发送给神经网络模型计算单元的学习模式的对应类别的数目，该类别是识别目标词汇，因此仅生成预定的教学信号。

此外，JP7-21378中公开的图像识别装置没有公开用于处理不能通过层级神经网络模型操作装置正确处理的输入信号的情况的方法。

本发明的一个目的在于在使用神经网络模型的信号处理中更容易获得期望结果。

将从说明书和附图的描述中明白其他目的和新颖特征。

根据一个实施例的处理系统包括：接收单元，用于从外部连接的传感器接收输入信号；预期信号生成电路，用于自动地生成用于学习电路的教学信号；学习电路，用于计算神经网络模型的权重值、偏移值等，以根据由预期信号生成电路生成的教学信号和来自接收电路的信号形成预期信号；推理电路，用于基于由学习电路生成的神经网络模型的学习模型执行信号处理；以及有效性验证电路，用于执行推理电路的输出信号和用于比较的预期信号的相似性计算。

在根据另一实施例的处理系统中，可以在不手动设置复杂算法的情况下执行期望的信号处理。

附图说明

图1是示出根据一个实施例的处理系统的电路框图。

图2是示出根据本发明另一实施例的处理系统的修改示例的示意图。

图3是用于解释接收电路的输出信号和切割的目标部分的示图。

图4是示出用于比较的预期信号的波形的示图。

图5是用于解释接收电路的输出信号和将被切割的部分的示图。

图6是将信号传送电路和异常检测电路应用于处理系统的示例的电路框图。

图7是信号传送电路的框图。

图8是示出接收电路的输出信号的波形的示图。

图9是示出推理电路的输出信号的示图。

图10是示出信号传送电路的输出信号的示图。

图11是用于解释正常信号的掩蔽(mask)处理的示图。

图12是用于解释异常信号的掩蔽处理的示图。

图13是用于解释异常信号的掩蔽处理的示图。