信息处理方法、信息处理装置以及信息处理程序与流程

本公开涉及将用于开发传感器的设计参数最优化的技术。

背景技术：

1、过去，在通过机器学习模型判别所开发的传感器的测定对象的状态时，将机器学习模型的参数最优化。

2、例如，专利文献1的解析装置取得由使用多个参数来解析对象的现象的解析模型解析的解析结果，通过贝叶斯最优化手法，基于所取得的解析结果来评价由解析模型解析对象的现象时的多个参数的组合，基于评价的多个参数的每个组合的评价结果，来从多个参数的组合中决定解析模型的参数的组合。

3、此外，例如，专利文献2的机器学习装置从外部取得由基本的学习结果构成的基本学习信息，对学习对象进行学习，以使得将所取得的基本学习信息调优(tuning)。该机器学习装置通过执行利用了预先准备的示教数据集的第1次主动学习来将基本学习信息调优，分别判定是否需要基于示教数据集的对各图像的图像加工处理，对判定为应实施图像加工处理的各图像分别实施所需的图像加工处理，来生成加工图像，通过执行以所生成的各加工图像的图像数据为示教数据的第2次主动学习，来将基本学习信息调优。

4、但在上述现有的技术中，虽然能将机器学习模型最优化，但并未提及将输入到机器学习模型的特征量最优化，需要进一步的改善。

5、先行技术文献

6、专利文献

7、专利文献1：jp特开2019-215750号公报

8、专利文献2：jp专利第6861124号公报

技术实现思路

1、本公开为了解决上述的问题而提出，目的在于，提供能将输入到机器学习模型的特征量最优化的技术。

2、本公开所涉及的信息处理方法是计算机中的信息处理方法，取得表示由传感器测定的测定对象的特征的特征量，通过将所述特征量输入到机器学习模型来预测所述测定对象的状态，取得用于使所述机器学习模型的状态预测精度提升并且修正所述传感器的设计参数的多个设计参数修正方法，基于所述特征量和所述状态的预测结果来从所述多个设计参数修正方法中决定最优的设计参数修正方法，输出所决定的所述最优的设计参数修正方法。

3、根据本公开，能将输入到机器学习模型的特征量最优化。

技术特征：

1.一种信息处理方法，是计算机中的信息处理方法，

2.根据权利要求1所述的信息处理方法，其中，

3.根据权利要求2所述的信息处理方法，其中，

4.根据权利要求2或3所述的信息处理方法，其中，

5.根据权利要求4所述的信息处理方法，其中，

6.根据权利要求1～3中任一项所述的信息处理方法，其中，

7.根据权利要求1～3中任一项所述的信息处理方法，其中，

8.一种信息处理装置，具备：

9.一种信息处理程序，使计算机如下那样发挥功能：

技术总结信息处理装置取得表示由传感器测定的测定对象的特征的特征量，通过将特征量输入到机器学习模型来预测测定对象的状态，取得用于使机器学习模型的状态预测精度提升并且修正传感器的设计参数的多个设计参数修正方法，基于特征量和状态的预测结果，来从多个设计参数修正方法中决定最优的设计参数修正方法，输出所决定的最优的设计参数修正方法。技术研发人员：祖父江靖之,冈田雅司受保护的技术使用者：松下电器（美国）知识产权公司技术研发日：技术公布日：2024/11/4