[发明专利]车辆用学习系统、车辆用控制装置以及车辆用学习装置

说明书

提供一种车辆用学习系统、车辆用控制装置以及车辆用学习装置，所述车辆用学习系统具备搭载于车辆的第1执行装置、车辆的外部的第2执行装置及存储装置，存储装置存储映射数据，所述映射数据是规定映射的数据且包含通过机器学习而学习后的数据，所述映射是以基于车载传感器的检测值的输入数据为输入并输出输出值的映射，第1执行装置及第2执行装置通过协作执行取得处理、算出处理及关系评价处理，所述取得处理取得输入数据，所述算出处理将输入数据作为映射的输入而算出输出值，所述关系评价处理评价与输出值对应的变量以外的预定的变量与输出值的精度的关系，第1执行装置至少执行取得处理，第2执行装置至少执行所述关系评价处理。

技术领域

本发明涉及车辆用学习系统、车辆用控制装置以及车辆用学习装置。

背景技术

例如在日本特开平4-91348中提出了具备以作为转速的变化量的旋转变动量为输入、并输出表示在内燃机的多个汽缸中的各汽缸中是否产生了失火(不发火)的值的神经网络(neural network)的装置。

发明内容

通常，在提高通过机器学习而学习后的学习完成模型的可靠性方面，需要预先使用各种状况下的训练数据进行学习。但是，在搭载于车辆之前，关于在实际搭载于车辆的情况下可能产生的各种状况，不一定能够得到足够的训练数据。并且，在不能得到足够的训练数据的情况下，难以验证上述神经网络是否会在搭载于车辆的情况下在各种状况下输出正确的值。

本发明提供一种用于解决上述课题的车辆用学习系统、车辆用控制装置以及车辆用学习装置。

本发明的第1技术方案涉及的车辆用学习系统具备搭载于车辆的第1执行装置、所述车辆的外部的第2执行装置、以及存储装置。所述存储装置存储映射数据，所述映射数据是规定映射的数据且包含通过机器学习而学习后的数据，所述映射是以基于车载传感器的检测值的输入数据为输入、并输出具有与车辆的既定状态相关的信息的输出值的映射，所述第1执行装置及所述第2执行装置通过协作执行取得处理、算出处理以及关系评价处理，所述取得处理是取得所述输入数据的处理，所述算出处理是将通过所述取得处理取得的所述输入数据作为所述映射的输入而算出所述输出值的处理，所述关系评价处理是评价与所述输出值对应的变量以外的预定的变量与所述输出值的精度的关系的处理，所述第1执行装置至少执行所述取得处理，所述第2执行装置至少执行所述关系评价处理。

根据上述第1技术方案，由第2执行装置来评价基于伴随车辆的行驶而由第1执行装置取得的输入数据的映射的输出值的精度与对应于输出值的变量以外的预定的变量的关系。因此，在伴随车辆的运转而产生的各种状况下，能够验证预定的变量对输出值的精度产生的影响。

在上述第1技术方案中，可以是，所述预定的变量包含与所述输入数据对应的变量以外的变量。

根据上述第1技术方案，评价与输入数据对应的变量以外的变量与映射的输出值的精度的关系，所以能够对是否应该将上述以外的变量包含在向映射的输入变量中、是否应该根据上述以外的变量的值来划分利用的映射、根据上述以外的变量的值来划分利用的映射的情况下的该划分的方法是否妥当等进行验证。

在上述第1技术方案中，可以是，所述映射由被输入所述输入数据并输出所述输出值的函数近似器构成，可以是，所述第2执行装置执行基于所述关系评价处理的评价结果来更新所述映射数据的更新处理，可以是，所述更新处理包括划分处理，该划分处理是根据所述预定的变量的值将利用的所述映射数据划分为各自分开(各自独立)的数据的处理。

在预定的变量对输出值的精度产生影响的情况下，在提高精度方面，若假设预定的变量不包含在向函数近似器的输入变量中，则考虑将该预定的变量重新追加到输入变量中。另外，若假设在预定的变量包含在向函数近似器的输入变量中的情况下，则考虑例如在函数近似器为神经网络的情况下，能够通过增加中间层的层数等、除了输入维数以外使函数近似器的构造复杂化的方法，来更高精度地掌握预定的变量对输出值产生的影响。但是，这些都有可能使映射的构造复杂化而增大算出输出值所需要的运算的负荷。