技术摘要：
提供适合性判定装置、适合性判定方法和程序，能够判定将输入数据向处理模块输出的设备的适合性。处理模块为通过使用多个学习用数据而生成的已学习模型。多个学习用数据中的各个学习用数据包含输入数据以及与输入数据对应的输出数据的正解标签，与处理模块对应着第1元数  全部
背景技术：
日本特开2014-45242号公报(专利文献1)公开了生成虚拟传感器的虚拟传感器生 成装置。在该虚拟传感器生成装置中，检测出存在于规定范围内的实际传感器，通过使用检 测出的实际传感器来生成虚拟传感器(参照专利文献1)。 现有技术文献 专利文献 专利文献1：日本特开2014-45242号公报
技术实现要素：
发明要解决的课题 上述专利文献1所公开的虚拟传感器例如包含实际传感器(设备的一例)和处理模 块。处理模块例如为通过使用多个学习用数据而生成的已学习模型，通过对由实际传感器 输出的感测数据(输入数据的一例)实施处理，生成与输入数据不同的输出数据。 在这样的情况下，当将由具有与在学习用数据的生成中使用的设备完全不同的属 性的设备输出的数据输入到处理模块时，可能产生如下情形：已学习模型的原来的功能无 法发挥，其结果，虚拟传感器无法发挥期望的功能。 本发明是为了解决这样的问题而完成的，其目的在于提供一种提供能够判定将输 入数据向处理模块输出的设备的适合性的适合性判定装置、适合性判定方法和程序。 用于解决课题的手段 本发明的一个方面的适合性判定装置构成为判定将输入数据向处理模块输出的 主体的适合性。处理模块为通过使用多个学习用数据而生成的已学习模型，并构成为根据 至少一个输入数据来生成与输入数据不同的输出数据。多个学习用数据中的各个学习用数 据包含输入数据以及与输入数据对应的输出数据的正解标签。与处理模块对应着第1元数 据。第1元数据是根据分别与相同的正解标签对应的多个输入数据的概率密度函数来生成 的。适合性判定装置具有第1取得部和判定部。第1取得部构成为取得第1元数据。判定部构 成为根据第1元数据判定适合性。 如上所述，处理模块为通过使用多个学习用数据而生成的已学习模型。已学习模 型以输出了学习用数据的设备的属性为前提，因此，在被输入了由完全不同的属性的设备 输出的数据的情况下未必会输出期望的结果。在该适合性判定装置中，根据分别与相同的 正解标签(包含在学习用数据中。)对应的多个输入数据(包含在学习用数据中。)的概率密 度函数来生成第1元数据，根据第1元数据判定设备的适合性。即，在该适合性判定装置中， 在充分考虑输出了学习用数据的设备的属性的基础上，判定设备的适合性。因此，根据该适 合性判定装置，能够更加准确地判定将输入数据向处理模块输出的设备的适合性。 4 CN 111602410 A 说　明　书 2/12 页 此外，上述适合性判定装置也可以还具有缓冲器和概率密度函数生成部。缓冲器 构成为暂时存储由上述主体向处理模块输出的输入数据。概率密度函数生成部构成为生成 缓冲器所存储的多个输入数据的概率密度函数。判定部也可以构成为根据第1元数据和由 概率密度函数生成部生成的概率密度函数来判定设备的适合性。 在该适合性判定装置中，根据由设备向处理模块输出的多个输入数据的概率密度 函数和第1元数据来判定设备的适合性。因此，根据该适合性判定装置，由于还考虑由设备 向处理模块输出的多个输入数据的概率密度函数，所以能够更加准确地判定将输入数据向 处理模块输出的设备的适合性。 此外，第1元数据也可以为分别与相同的正解标签对应的多个输入数据的概率密 度函数。判定部也可以构成为在第1元数据与由概率密度函数生成部生成的概率密度函数 的类似度为规定值以上的情况下，判定为上述主体适合。 在该适合性判定装置中，在第1元数据与由概率密度函数生成部生成的概率密度 函数的类似度为规定值以上的情况下，判定为设备适合。即，在该适合性判定装置中，判定 为输出的趋势与输出了学习用数据的设备接近的设备适合。因此，根据该适合性判定装置， 由于判定基准适当，所以能够更加准确地判定将输入数据向处理模块输出的设备的适合 性。 此外，也可以与上述主体对应着第2元数据。第2元数据是根据分别由上述主体向 处理模块输出的多个输入数据的概率密度函数来生成的。在将该多个输入数据中的各个输 入数据输入到处理模块的情况下，处理模块输出相同的输出数据。适合性判定装置也可以 还具有第2取得部。第2取得部构成为取得第2元数据。判定部也可以构成为根据第1元数据 和第2元数据来判定设备的适合性。 在该适合性判定装置中，根据第1元数据和第2元数据判定设备的适合性。因此，根 据该适合性判定装置，由于通过参照第2元数据来充分考虑了将输入数据向处理模块输出 的设备的属性，所以能够更加准确地判定将输入数据向处理模块输出的设备的适合性。 此外，第1元数据也可以为分别与相同的正解标签对应的多个输入数据的概率密 度函数。第2元数据也可以为分别由设备向处理模块输出的多个输入数据的概率密度函数。 判定部也可以构成为在第1元数据与第2元数据的类似度为规定值以上的情况下，判定为设 备适合。 在该适合性判定装置中，在第1元数据与第2元数据的类似度为规定值以上的情况 下，判定为设备适合。即，在该适合性判定装置中，判定为输出的趋势与输出了学习用数据 的设备接近的设备适合。因此，根据该适合性判定装置，由于判定基准适当，所以能够更加 准确地判定将输入数据向处理模块输出的设备的适合性。 此外，上述主体可以为传感器，输入数据也可以为由传感器输出的感测数据。 此外，处理模块也可以构成为根据多个输入数据生成输出数据。 此外，也可以由处理模块和将输入数据向处理模块输出的设备形成虚拟传感器。 在本发明的另一方面的元数据生成方法中，判定将输入数据向处理模块输出的主 体的适合性。处理模块为通过使用多个学习用数据而生成的已学习模型，并构成为根据至 少一个输入数据来生成与输入数据不同的输出数据。多个学习用数据中的各个学习用数据 包含输入数据以及与输入数据对应的输出数据的正解标签。与处理模块对应着第1元数据。 5 CN 111602410 A 说　明　书 3/12 页 第1元数据是根据分别与相同的正解标签对应的多个输入数据的概率密度函数来生成的。 适合性判定方法包含以下步骤：取得第1元数据的步骤；以及根据第1元数据判定适合性的 步骤。 在该适合性判定方法中，根据分别与相同的正解标签(包含在学习用数据中。)对 应的多个输入数据(包含在学习用数据中。)的概率密度函数来生成第1元数据，根据第1元 数据判定设备的适合性。即，在该适合性判定方法中，在充分考虑输出了学习用数据的设备 的属性的基础上，判定设备的适合性。因此，根据该适合性判定方法，能够更加准确地判定 将输入数据向处理模块输出的设备的适合性。 本发明的另一方面的程序使计算机执行判定将输入数据向处理模块输出的主体 的适合性的处理。处理模块为通过使用多个学习用数据而生成的已学习模型，并构成为根 据至少一个输入数据来生成与输入数据不同的输出数据。多个学习用数据中的各个学习用 数据包含输入数据以及与输入数据对应的输出数据的正解标签。与处理模块对应着第1元 数据。第1元数据是根据分别与相同的正解标签对应的多个输入数据的概率密度函数来生 成的。程序构成为使计算机执行以下步骤：取得第1元数据的步骤；以及根据第1元数据判定 设备的适合性的步骤。 当通过计算机执行该程序时，根据分别与相同的正解标签(包含在学习用数据 中。)对应的多个输入数据(包含在学习用数据中。)的概率密度函数来生成第1元数据，根据 第1元数据判定设备的适合性。即，当通过计算机执行该程序时，在充分考虑输出了学习用 数据的设备的属性的基础上，判定设备的适合性。因此，根据该程序，能够更加准确地判定 将输入数据向处理模块输出的设备的适合性。 发明效果 根据本发明，可以提供能够判定将输入数据向处理模块输出的设备的适合性的适 合性判定装置、适合性判定方法和程序。 附图说明 图1是用于说明适合性判定装置的概要的图。 图2是示出实施方式1中的传感器网络系统的一例的图。 图3是示出实施方式1中的虚拟传感器管理服务器的硬件结构的一例的图。 图4是示出学习用数据DB(数据库)的一例的图。 图5是示出第1元数据DB的一例的图。 图6是示出虚拟传感器管理服务器的软件结构的一部分(包含第1元数据生成模 块。)的一例的图。 图7是示出实施方式1中的虚拟传感器管理服务器的软件结构的一部分(包含适合 性判定模块。)的一例的图。 图8是示出第1元数据的生成动作的一例的流程图。 图9是示出实施方式1中的感测设备的适合性判定动作的一例的流程图。 图10是示出实施方式2中的传感器网络系统的图。 图11是示出实施方式2中的虚拟传感器管理服务器的硬件结构的图。 图12是示出第2元数据DB的一例的图。 6 CN 111602410 A 说　明　书 4/12 页 图13是示出实施方式2中的虚拟传感器管理服务器的软件结构的一部分(包含适 合性判定模块。)的一例的图。 图14是示出实施方式2中的感测设备的适合性判定动作的一例的流程图。