Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019049688) DISPOSITIF DE DÉTECTION DE SON ANORMAL, DISPOSITIF D'APPRENTISSAGE DE MODÈLE D'ANOMALIE, DISPOSITIF DE DÉTECTION D'ANOMALIE, PROCÉDÉ DE DÉTECTION DE SON ANORMAL, DISPOSITIF DE GÉNÉRATION DE SON ANORMAL, DISPOSITIF DE GÉNÉRATION DE DONNÉES ANORMALES, PROCÉDÉ DE GÉNÉRATION DE SON ANORMAL, ET PROGRAMME
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/049688 N° de la demande internationale : PCT/JP2018/031345
Date de publication : 14.03.2019 Date de dépôt international : 24.08.2018
CIB :
G01M 99/00 (2011.01) ,G05B 23/02 (2006.01) ,G06N 99/00 (2010.01)
G PHYSIQUE
01
MÉTROLOGIE; ESSAIS
M
ESSAI D'ÉQUILIBRAGE STATIQUE OU DYNAMIQUE DES MACHINES, DES STRUCTURES OU DES OUVRAGES; ESSAI DES STRUCTURES, DES OUVRAGES OU DES APPAREILS, NON PRÉVU AILLEURS
99
Matière non prévue dans les autres groupes de la présente sous-classe
G PHYSIQUE
05
COMMANDE; RÉGULATION
B
SYSTÈMES DE COMMANDE OU DE RÉGULATION EN GÉNÉRAL; ÉLÉMENTS FONCTIONNELS DE TELS SYSTÈMES; DISPOSITIFS DE CONTRÔLE OU D'ESSAIS DE TELS SYSTÈMES OU ÉLÉMENTS
23
Essai ou contrôle des systèmes de commande ou de leurs éléments
02
Essai ou contrôle électrique
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
99
Matière non prévue dans les autres groupes de la présente sous-classe
Déposants :
日本電信電話株式会社 NIPPON TELEGRAPH AND TELEPHONE CORPORATION [JP/JP]; 東京都千代田区大手町一丁目5番1号 5-1, Otemachi 1-chome, Chiyoda-ku, Tokyo 1008116, JP
Inventeurs :
小泉 悠馬 KOIZUMI, Yuma; JP
河内 祐太 KAWACHI, Yuta; JP
原田 登 HARADA, Noboru; JP
齊藤 翔一郎 SAITO, Shoichiro; JP
中川 朗 NAKAGAWA, Akira; JP
村田 伸 MURATA, Shin; JP
Mandataire :
中尾 直樹 NAKAO, Naoki; JP
中村 幸雄 NAKAMURA, Yukio; JP
義村 宗洋 YOSHIMURA, Takahiro; JP
Données relatives à la priorité :
2017-17105806.09.2017JP
2018-00397915.01.2018JP
Titre (EN) ABNORMAL SOUND DETECTING DEVICE, ABNORMALITY MODEL LEARNING DEVICE, ABNORMALITY DETECTING DEVICE, ABNORMAL SOUND DETECTING METHOD, ABNORMAL SOUND GENERATING DEVICE, ABNORMAL DATA GENERATING DEVICE, ABNORMAL SOUND GENERATING METHOD, AND PROGRAM
(FR) DISPOSITIF DE DÉTECTION DE SON ANORMAL, DISPOSITIF D'APPRENTISSAGE DE MODÈLE D'ANOMALIE, DISPOSITIF DE DÉTECTION D'ANOMALIE, PROCÉDÉ DE DÉTECTION DE SON ANORMAL, DISPOSITIF DE GÉNÉRATION DE SON ANORMAL, DISPOSITIF DE GÉNÉRATION DE DONNÉES ANORMALES, PROCÉDÉ DE GÉNÉRATION DE SON ANORMAL, ET PROGRAMME
(JA) 異常音検知装置、異常モデル学習装置、異常検知装置、異常音検知方法、異常音生成装置、異常データ生成装置、異常音生成方法、およびプログラム
Abrégé :
(EN) The objective of the present invention is to improve accuracy of unsupervised abnormal sound detection using a small number of items of abnormal sound data. A threshold setting unit (13) uses a normal model that has learned using normal sound data, and an abnormal model representing abnormal sound data to calculate a degree of abnormality for each of a plurality of items of abnormal sound data, and sets the minimum value thereof as a threshold. A weighting updating unit (14) uses a plurality of items of normal sound data, the abnormal sound data and the threshold to update weightings in the abnormal model such that all the abnormal sound data are determined to be abnormal and the probability that normal sound data are determined to be abnormal is minimized.
(FR) L'objectif de la présente invention est d'améliorer la précision de détection de son anormal non supervisé au moyen d'un faible nombre de données sonores anormales. Une unité de définition de seuil (13) utilise un modèle normal qui a subi un apprentissage au moyen de données sonores normales, et un modèle anormal représentant des données sonores anormales pour calculer un degré d'anomalie pour chacun d'une pluralité de données sonores anormales, et définit la valeur minimale de celles-ci en tant que seuil. Une unité de mise à jour de pondération (14) utilise une pluralité de données sonores normales, les données sonores anormales et le seuil pour mettre à jour des pondérations dans le modèle anormal de sorte que toutes les données sonores anormales soient déterminées comme étant anormales et la probabilité que des données sonores normales soient déterminées comme étant anormales est réduite au minimum.
(JA) 少数の異常音データを用いて教師なし異常音検知の精度を向上する。閾値決定部(13)は、正常音データを用いて学習した正常モデルと異常音データを表現した異常モデルとを用いて複数の異常音データそれぞれについて異常度を算出し、その最小値を閾値として決定する。重み更新部(14)は、複数の正常音データと異常音データと閾値とを用いて、異常音データすべてが異常と判定され、正常音データが異常と判定される確率が最小となるように、異常モデルの重みを更新する。
front page image
États désignés : 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, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB) (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : japonais (JA)
Langue de dépôt : japonais (JA)