# オートエンコーダで航空機エンジン異常を検知:ハネウェル特許分析

Autoencoderは、非ガイド学習方法で訓練された人工的なニューラルネットワークです。これは、データのエンコードされた表現を学び、学習エンコーディング表現を使用して入力データにできるだけ近いデータを生成することを目的としています。

Source: https://www.iplexlaw.co.kr/ja/blog/881215

ホーム / ニュース・知財情報 ニュース・知財情報 オートエンコーダで航空機エンジン異常を検知:ハネウェル特許分析 Autoencoderは、非ガイド学習方法で訓練された人工的なニューラルネットワークです。これは、データのエンコードされた表現を学び、学習エンコーディング表現を使用して入力データにできるだけ近いデータを生成することを目的としています。 AI・ソフトウェア 2023.07.07 公開 IPLEX 約4分で読めます Autoencoderは、非ガイド学習方法で訓練された人工的なニューラルネットワークです。これは、データのエンコードされた表現を学び、学習エンコーディング表現を使用して入力データにできるだけ近いデータを生成することを目的としています。 autoencoder は、トレーニング中にモデルが観察した入力データに近いデータのみを出力し、トレーニング中に観察されていないデータとリモートデータを出力することができます。 自動エンコーダは、異常検知に使用されます。 この記事では、「自動エンコーダでエンジンエラーを検知する方法」に関連したハネウェルの特許を紹介します。 画像をクリックすると、特許を見ることができます。 特許クレーム1 1。 1。 タービン エンジンの欠陥を検出するための欠陥の検出システム、比較する欠陥の検出システム: エンコードニューラルネットワーク、タービンエンジンからセンサーデータを受信するエンコーディングニューラルネットワーク、センサーデータからスコアの多様性を作成するエンコーディングニューラルネットワーク、センサーデータの減衰機能空間表現を構成する複数のスコア。 ここでエンコーディングネットワークは、歴史的センサーデータを使用して客観的な機能で訓練され、客観的な機能には、分散コンポーネントの合計とコワランスコンポーネントの合計が含まれています。エンコーディングニューラルネットワークでは、分散コンポーネントの合計を最大限に活用し、コワランスコンポーネントの合計を最小限に抑えることで、客観的な機能で訓練されます。 神経ネットワークを解読し、複数のスコアを受信するニューラルネットワークを解読し、センサーデータの再構築推定を作成します。 従来のエンジンエラー検出システムは、システムの変数間の線形関係に基づいてエラー検出を行なったので、非線形システム内のエラーを検出するのに有効ではなかった。 また、航空機のタービンエンジンのセンサーデータが非線形関係を持っていたので、従来のエンジン障害検出システムで航空機のタービンエンジンの故障を検知するのは困難でした。 現状の発明は、これらの問題を解決することを目指しています。 特許請求1によると、航空機タービンエンジンのセンサーデータがエンコーディングニューラルネットワークに入力されると、センサーデータの機能の空間的表現を含む複数のスコアが出力されます。 神経ネットワークを解読し、複数のスコアを受け取り、センサーデータの再構築推定を生成します。 その結果、特許クレーム1に記載されているネットワーク構造は、オートエンコーダです。 特許請求1では、エンコーディングニューラルネットワークのトレーニング方法は、詳細に記載されています。 特許クレーム1によると、エンコーディングニューラルネットワークは、ターゲット関数として履歴データ(データの訓練)を訓練し、目的関数は、分散されたコンポーネントの合計を最大化し、コワリエートコンポーネントの合計を最小限にするためのトレーニングとして記述されます。 一方、現行の発明によると、エンコーディングニューラルネットワークとデコードニューラルネットワークから出力されるデータ入力の違いに誤差があることが決定されます。 これは、オートエンコーダを使用して異常(エラー)を検出する一般的なコンテンツです。 この投稿で見た特許は、特許請求にドメインを制限するタービンエンジンの故障を検出するために使用される技術です。 もし、このドメイン制限なしに、エンコーディングニューラルネットワークは、データを受信し、減らされた空間表現を含む複数のスコアを出力し、ニューラルネットワークのデコードは、複数のスコアを受け取った入力データに関連する推定データを出力し、より広範な権利を有しているという疑いはありません。 AI技術に関する特許出願の場合、特許出願書を書くことは非常に重要です。これにより、最も広範囲にわたる権利を有します。 韓国語原文を読む この記事は公表時点の情報に基づいています。個別の事情については、当事務所にご相談ください。 この分野について相談 ↗ 記事一覧 IPLEXに相談 知的財産の課題を、 ご相談ください。 技術の内容と事業上のご要望を踏まえ、対応方針を共に検討します。 ↗ お問い合わせ 新しい記事 金容德がニューコンテンツ企業支援センターの入居企業・会員企業向けに知的財産研修を実施 ↗ 前の記事 スマートファクトリーとロボットの予知保全：ABB特許分析 ↗ 関連インサイト AI・ソフトウェア 2026.10.01 FiXを読む：ソフトマックス注意機構における特徴ごとの忘却制御 金容德弁理士がFiXの特徴単位ゲート、数値計算とページ型キャッシュを分析し、実験で示された効果と残る課題を整理します。 ↗ 記事を読む AI・ソフトウェア 2026.09.30 MHAR：特徴部分空間ごとに過去の層を読み分ける仕組み 韓国弁理士の金容德が、Multi-Head Attention Residualsの深さ方向の情報選択、実験結果、実装コストと技術的効果を検討します。 ↗ 記事を読む AI・ソフトウェア 2026.09.28 寄稿掲載：Claude Computer Useを手がかりに、AIエージェントの学習技術を特許から読み解く 金容德代表弁理士の寄稿がAI Timesに掲載されました。米国特許第12,585,862号を取り上げ、AIエージェントが画面操作を学ぶ仕組みを解説しています。 ↗ 記事を読む

- https://www.iplexlaw.co.kr/ja
- https://www.iplexlaw.co.kr/ja/blog/category/ai
- https://drive.google.com/file/d/1kae6e2Xc5lW3Z47s32ElHxauZNcsw8Dw/view
- https://www.iplexlaw.co.kr/forum/view/881215
- https://www.iplexlaw.co.kr/ja/contact
- https://www.iplexlaw.co.kr/ja/blog
- https://www.iplexlaw.co.kr/ja/contact
- https://www.iplexlaw.co.kr/ja/blog/891537
- https://www.iplexlaw.co.kr/ja/blog/879758
- https://www.iplexlaw.co.kr/ja/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ja/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ja/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ja/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ja/blog/claude-computer-use-agent-patent
- https://www.iplexlaw.co.kr/ja/blog/claude-computer-use-agent-patent