JP2019159693A - 情報処理装置、情報処理端末、及びプログラム - Google Patents
情報処理装置、情報処理端末、及びプログラム Download PDFInfo
- Publication number
- JP2019159693A JP2019159693A JP2018044447A JP2018044447A JP2019159693A JP 2019159693 A JP2019159693 A JP 2019159693A JP 2018044447 A JP2018044447 A JP 2018044447A JP 2018044447 A JP2018044447 A JP 2018044447A JP 2019159693 A JP2019159693 A JP 2019159693A
- Authority
- JP
- Japan
- Prior art keywords
- correct answer
- model parameter
- answer rate
- unit
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Stored Programmes (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、実施の形態に係るニューラルネットワークの構成を模式的に示す図である。以下、図1を参照して、実施の形態の概要を述べる。
図2は、実施の形態に係る情報処理装置1の機能構成を模式的に示す図である。情報処理装置1は、記憶部10と制御部11とを備える。
図6は、実施の形態に係る情報処理装置1が実行する情報処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば情報処理装置1が起動したときに開始する。
以上説明したように、実施の形態に係る情報処理装置1によれば、異なる正答率の学習モデルを提供することができる。
上記では、情報処理端末2は、オンラインでは正答率の高い学習モデルを実行し、オフラインでは正答率が低く設定された学習モデルを実行する場合について説明した。しかしながら、例えば情報処理端末2の計算リソースが十分にあり、情報処理端末2のみで正答率が高く計算負荷の大きい学習モデルを実行できる場合には、情報処理装置1は、情報処理端末2にフルサイズの学習モデルを提供してもよい。
10・・・記憶部
11・・・制御部
110・・・機械学習部
111・・・パラメータ改変部
1110・・・選択部
1111・・・置換部
1112・・・比較部
1113・・・改変制御部
112・・・正答率算出部
113・・・許可正答率取得部
114・・・改変パターン選択部
115・・・モデルパラメータ送信部
116・・・タスクデータ取得部
117・・・検出実行部
118・・・結果送信部
2・・・情報処理端末
20・・・記憶部
21・・・制御部
210・・・モデルパラメータ取得部
211・・・利用制限数取得部
212・・・検出実行部
213・・・モデルパラメータ選択部
S・・・情報処理システム
N・・・通信ネットワーク
Claims (7)
- 目的タスクを検出するためのニューラルネットワークのモデルパラメータを生成する機械学習部と、
前記モデルパラメータの一部を改変した改変パラメータを生成するパラメータ改変部と、
前記改変パラメータにおけるテスト用入力データの正答率を算出する正答率算出部と、
前記パラメータ改変部に改変させるモデルパラメータの改変パターン毎に、前記正答率算出部が算出した正答率を紐づけて記憶する記憶部と、
を備える情報処理装置。 - 前記パラメータ改変部は、
前記ニューラルネットワークを構成する複数の層のうち、前記モデルパラメータを改変するための層を選択する選択部と、
前記選択部が選択した層のモデルパラメータを所定の値に置換する置換部と、
置換後の前記正答率と、前記モデルパラメータの改変の目標とする目標正答率とを比較する比較部と、
(1)前記正答率が前記目標正答率よりも高い場合、前記選択部に選択した層よりも入力層側の層を再選択させ、(2)前記正答率が前記目標正答率よりも低い場合、前記選択部に前記選択した層よりも出力層側の層を再選択させ、(3)前記正答率と前記目標正答率との差が所定の範囲に収まる場合、前記置換部が置換したモデルパラメータを改変パラメータとして出力する改変制御部と、
を備える請求項1に記載の情報処理装置。 - 前記情報処理装置とは異なる情報処理端末から当該情報処理端末のユーザに許可されている正答率を取得する許可正答率取得部と、
前記記憶部が記憶している正答率のうち、前記許可正答率取得部が取得した正答率に類似する正答率に対応する改変パターンを選択する改変パターン選択部と、
選択された前記改変パターンに基づいて改変された前記モデルパラメータを、通信ネットワークを介して前記情報処理端末に送信するモデルパラメータ送信部と、
をさらに備える請求項1又は2に記載の情報処理装置。 - 通信ネットワークを介して前記情報処理装置とは異なる情報処理端末から前記ニューラルネットワークに入力するタスクデータを取得するタスクデータ取得部と、
前記パラメータ改変部による改変がなされていない前記モデルパラメータに前記タスクデータを入力した結果を取得する検出実行部と、
前記通信ネットワークを介して前記検出実行部が取得した結果を前記情報処理端末に送信する結果送信部と、
をさらに備える請求項1から3のいずれか1項に記載の情報処理装置。 - 目的タスクを検出するために生成されたニューラルネットワークに関するモデルパラメータであって、前記目的タスクの正答率が高い方の第1モデルパラメータと、前記第1モデルパラメータよりも前記目的タスクの正答率が低い第2モデルパラメータと、の2つのモデルパラメータを取得するモデルパラメータ取得部と、
前記2つのモデルパラメータのうち、前記第1モデルパラメータの使用回数の上限値を取得する利用制限数取得部と、
前記第1モデルパラメータと前記第2モデルパラメータとのいずれか一方のモデルパラメータに検出対象のタスクデータを入力した結果を取得する検出実行部と、
前記検出実行部による前記第1モデルパラメータの使用回数が前記上限値を下回る場合前記第1モデルパラメータを選択し、前記使用回数が前記上限値に到達した場合前記第2モデルパラメータを選択するモデルパラメータ選択部と、を備え、
前記検出実行部は、前記モデルパラメータ選択部が選択したモデルパラメータを用いて、タスクデータの出力結果を取得する、
情報処理端末。 - コンピュータに、
目的タスクを検出するためのニューラルネットワークのモデルパラメータを生成させる機能と、
前記モデルパラメータの一部を改変した改変パラメータを生成させる機能と、
前記改変パラメータにおけるテスト用入力データの正答率を算出させる機能と、
改変するモデルパラメータの改変パターン毎に、前記算出した正答率を紐づけて記憶部に記憶させる機能と、
を実現させるプログラム。 - コンピュータに、
目的タスクを検出するために生成されたニューラルネットワークに関するモデルパラメータであって、前記目的タスクの正答率が高い方の第1モデルパラメータと、前記第1モデルパラメータよりも前記目的タスクの正答率が低い第2モデルパラメータと、の2つのモデルパラメータを取得する機能と、
前記2つのモデルパラメータのうち、前記第1モデルパラメータの使用回数の上限値を取得する機能と、
前記第1モデルパラメータの使用回数の累積が前記上限値を下回る場合前記第1モデルパラメータを選択し、前記使用回数の累積が前記上限値に到達した場合前記第2モデルパラメータを選択する機能と、
選択されたモデルパラメータを用いて、タスクデータの出力結果を取得する機能と、
を実現させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018044447A JP6901423B2 (ja) | 2018-03-12 | 2018-03-12 | 情報処理装置、情報処理端末、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018044447A JP6901423B2 (ja) | 2018-03-12 | 2018-03-12 | 情報処理装置、情報処理端末、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019159693A true JP2019159693A (ja) | 2019-09-19 |
JP6901423B2 JP6901423B2 (ja) | 2021-07-14 |
Family
ID=67996987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018044447A Active JP6901423B2 (ja) | 2018-03-12 | 2018-03-12 | 情報処理装置、情報処理端末、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6901423B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020158058A1 (ja) * | 2019-01-31 | 2020-08-06 | 日立オートモティブシステムズ株式会社 | 演算装置 |
WO2021044902A1 (ja) | 2019-09-02 | 2021-03-11 | Kddi株式会社 | 通信装置及び通信システム |
JP2021051640A (ja) * | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012018450A (ja) * | 2010-07-06 | 2012-01-26 | Keio Gijuku | ニューラルネットワークシステム、ニューラルネットワークシステムの構築方法およびニューラルネットワークシステムの制御プログラム |
WO2017154284A1 (ja) * | 2016-03-09 | 2017-09-14 | ソニー株式会社 | 情報処理方法および情報処理装置 |
JP2017182114A (ja) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | 情報処理装置、情報処理方法および情報提供方法 |
-
2018
- 2018-03-12 JP JP2018044447A patent/JP6901423B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012018450A (ja) * | 2010-07-06 | 2012-01-26 | Keio Gijuku | ニューラルネットワークシステム、ニューラルネットワークシステムの構築方法およびニューラルネットワークシステムの制御プログラム |
WO2017154284A1 (ja) * | 2016-03-09 | 2017-09-14 | ソニー株式会社 | 情報処理方法および情報処理装置 |
JP2017182114A (ja) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | 情報処理装置、情報処理方法および情報提供方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020158058A1 (ja) * | 2019-01-31 | 2020-08-06 | 日立オートモティブシステムズ株式会社 | 演算装置 |
JP2020123269A (ja) * | 2019-01-31 | 2020-08-13 | 日立オートモティブシステムズ株式会社 | 演算装置 |
JP7099968B2 (ja) | 2019-01-31 | 2022-07-12 | 日立Astemo株式会社 | 演算装置 |
WO2021044902A1 (ja) | 2019-09-02 | 2021-03-11 | Kddi株式会社 | 通信装置及び通信システム |
JP2021051640A (ja) * | 2019-09-26 | 2021-04-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
JP7230755B2 (ja) | 2019-09-26 | 2023-03-01 | いすゞ自動車株式会社 | モデル作成装置及びモデル作成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6901423B2 (ja) | 2021-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Coleman et al. | Analysis of dawnbench, a time-to-accuracy machine learning performance benchmark | |
US20200356901A1 (en) | Target variable distribution-based acceptance of machine learning test data sets | |
Ashari et al. | Fast sparse matrix-vector multiplication on GPUs for graph applications | |
Oñorbe et al. | How to zoom: bias, contamination and Lagrange volumes in multimass cosmological simulations | |
McColl et al. | A performance evaluation of open source graph databases | |
WO2018179765A1 (ja) | 情報処理装置、情報処理方法、及びコンピュータ可読記憶媒体 | |
Liu et al. | Optimal weighted pointwise ensemble of radial basis functions with different basis functions | |
JP2018523885A (ja) | ユーザ挙動を異常として分類すること | |
US10496768B2 (en) | Simulating a production environment using distributed computing technologies | |
US11720825B2 (en) | Framework for multi-tenant data science experiments at-scale | |
WO2018157752A1 (en) | Approximate random number generator by empirical cumulative distribution function | |
US20160171121A1 (en) | Method, Controller, Program, and Data Storage System for Performing Reconciliation Processing | |
JP2019159694A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6901423B2 (ja) | 情報処理装置、情報処理端末、及びプログラム | |
JP2019053541A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Versteeg et al. | Opaque service virtualisation: a practical tool for emulating endpoint systems | |
CN111966361A (zh) | 用于确定待部署模型的方法、装置、设备及其存储介质 | |
US10248462B2 (en) | Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program | |
JP2023022831A (ja) | コンピュータシステム、コンピュータ実装方法、プログラム、及びコンピュータ実装システム(学習因果関係) | |
US9858363B2 (en) | Estimating think times using a measured response time | |
Anjos et al. | BIGhybrid: a simulator for MapReduce applications in hybrid distributed infrastructures validated with the Grid5000 experimental platform | |
TWI758223B (zh) | 具有動態最小批次尺寸之運算方法,以及用於執行該方法之運算系統及電腦可讀儲存媒體 | |
Tanneru et al. | Quantifying uncertainty in natural language explanations of large language models | |
Tsung et al. | An implementation of scalable high throughput data platform for logging semiconductor testing results | |
Taheri et al. | Genetic algorithm in finding Pareto frontier of optimizing data transfer versus job execution in grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201208 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210608 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210617 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6901423 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |