JP2021125003A - 計算機、識別器の学習方法、および分析システム - Google Patents
計算機、識別器の学習方法、および分析システム Download PDFInfo
- Publication number
- JP2021125003A JP2021125003A JP2020018575A JP2020018575A JP2021125003A JP 2021125003 A JP2021125003 A JP 2021125003A JP 2020018575 A JP2020018575 A JP 2020018575A JP 2020018575 A JP2020018575 A JP 2020018575A JP 2021125003 A JP2021125003 A JP 2021125003A
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- classifier
- evaluation
- unit
- 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
- 238000000034 method Methods 0.000 title claims description 80
- 238000004458 analytical method Methods 0.000 title claims description 31
- 239000013598 vector Substances 0.000 claims abstract description 94
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 134
- 238000012549 training Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 abstract description 18
- 239000000523 sample Substances 0.000 description 123
- 238000010801 machine learning Methods 0.000 description 37
- 230000006870 function Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 239000003153 chemical reaction reagent Substances 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013526 transfer learning Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000003018 immunoassay Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0475—Generative networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】計算機は、学習データを格納する記憶部と、学習データを用いて識別器を生成するための学習処理を実行する学習部と、学習データを生成する生成部と、を備え、生成部は、記憶部に格納される学習データを用いて識別器が扱う特徴量ベクトルを算出し、特徴量ベクトルに基づいて、特徴量空間における学習データの分布を分析することによって、特徴量空間における識別器の識別結果が変化する境界を特定し、境界の近傍に存在する学習データを用いて新規学習データを生成する。
【選択図】図2
Description
101 機械学習装置
102 自動分析装置
111 インターフェース部
112 演算部
113 メモリ
114 バス
121 制御部
122 採取部
123 分析部
124 撮像部
125 識別部
131 ユーザインターフェース
132 容器
133 採取対象
201 入力部
202 記憶部
203 学習部
204 疑似サンプル生成部
205 識別器評価部
206 出力部
300 ネットワーク
301 入力層
302 隠れ層
303 出力層
Claims (13)
- 演算装置、前記演算装置に接続される記憶装置、および前記演算装置に接続されるインターフェースを有し、任意の事象を識別する識別器を生成する計算機であって、
第1入力データおよび第1教師データから構成される学習データを格納する記憶部と、
前記記憶部に格納される前記学習データを用いて、前記識別器を生成するための学習処理を実行する学習部と、
前記学習データを生成する生成部と、を備え、
前記生成部は、
前記記憶部に格納される前記学習データの前記第1入力データを用いて前記識別器が扱う特徴量ベクトルを算出し、
前記学習データの前記特徴量ベクトルに基づいて、前記特徴量ベクトルがなす特徴量空間における前記学習データの分布を分析することによって、前記特徴量空間における前記識別器の識別結果が変化する境界を特定し、
前記境界の近傍に存在する前記学習データである代表学習データの前記特徴量ベクトルを用いて第1疑似入力データを生成し、
前記第1疑似入力データと、前記代表学習データの前記第1教師データとから構成される新規学習データを生成し、前記記憶部に格納することを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記生成部は、
前記特徴量空間における前記学習データの分布の分析結果に基づいて、前記学習データが疎な領域を特定し、
前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成し、
前記第2疑似入力データと、前記特定された領域に含まれる前記学習データの前記第1教師データとから構成される新規学習データを生成し、前記記憶部に格納することを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記記憶部は、第2入力データおよび第2教師データから構成される評価データを格納し、
前記計算機は、前記記憶部に格納される前記評価データを用いて前記識別器を評価する評価部を備え、
前記生成部は、
前記評価データの前記第2入力データを用いて前記特徴量ベクトルを算出し、
前記評価データの前記特徴量ベクトルに基づいて、前記特徴量空間における前記評価データの分布を分析することによって、前記評価データが疎な領域を特定し、
前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成し、
前記第2疑似入力データと、前記特定された領域に含まれる前記評価データの前記第2教師データとから構成される新規評価データを生成し、前記記憶部に格納することを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記第1疑似入力データは、前記特徴量空間における前記代表学習データの近傍に位置する前記特徴量ベクトルに基づいて生成されることを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記記憶部は、第2入力データおよび第2教師データから構成される評価データを格納し、
前記計算機は、前記記憶部に格納される前記評価データを用いて前記識別器を評価する評価部を備え、
前記学習部は、第1識別器を生成した後に、前記生成部によって生成された前記学習データが前記記憶部に格納された場合、再度、前記学習処理を実行することによって第2識別器を生成し、
前記評価部は、
前記評価データの前記第2入力データを、前記第1識別器および前記第2識別器に入力して得られた出力値と前記評価データの前記第2教師データとを比較することによって、前記第1識別器および前記第2識別器の前記評価データに対する識別結果を取得し、前記記憶部に格納し、
前記第1識別器および前記第2識別器の前記評価データに対する識別結果に基づいて、前記評価データに対する識別結果の変化を分析し、
前記評価データに対する識別結果の変化の分析結果に基づいて、前記第1識別器および前記第2識別器のいずれを採用するかを決定することを特徴とする計算機。 - 請求項5に記載の計算機であって、
前記評価データに対する識別結果の変化の分析結果を提示するための表示情報を生成し、出力する出力部を備えることを特徴とする計算機。 - 計算機が実行する、任意の事象を識別する識別器の学習方法であって、
前記計算機は、演算装置、前記演算装置に接続される記憶装置、および前記演算装置に接続されるインターフェースを有し、
前記記憶装置には、第1入力データおよび第1教師データから構成される学習データが格納され、
前記識別器の学習方法は、
前記演算装置が、前記記憶装置に格納される前記学習データを用いて前記識別器を生成するための学習処理を実行する第1のステップと、
前記演算装置が、前記記憶装置に格納される前記学習データを用いて新規学習データを生成し、前記記憶装置に前記新規学習データを格納する第2のステップと、を含み、
前記第2のステップは、
前記演算装置が、前記記憶装置に格納される前記学習データの前記第1入力データを用いて前記識別器が扱う特徴量ベクトルを算出するステップと、
前記演算装置が、前記学習データの前記特徴量ベクトルに基づいて、前記特徴量ベクトルがなす特徴量空間における前記学習データの分布を分析することによって、前記特徴量空間における前記識別器の識別結果が変化する境界を特定するステップと、
前記演算装置が、前記境界の近傍に存在する前記学習データである代表学習データの前記特徴量ベクトルを用いて第1疑似入力データを生成するステップと、
前記演算装置が、前記第1疑似入力データと、前記代表学習データの前記第1教師データとから構成される前記新規学習データを生成するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記第2のステップは、
前記演算装置が、前記特徴量空間における前記学習データの分布の分析結果に基づいて、前記学習データが疎な領域を特定するステップと、
前記演算装置が、前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成するステップと、
前記演算装置が、前記第2疑似入力データと、前記特定された領域に含まれる前記学習データの前記第1教師データとから構成される新規学習データを生成するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記記憶装置には、第2入力データおよび第2教師データから構成される評価データが格納され、
前記識別器の学習方法は、
前記演算装置が、前記評価データの前記第2入力データを用いて前記特徴量ベクトルを算出するステップと、
前記演算装置が、前記評価データの前記特徴量ベクトルに基づいて、前記特徴量空間における前記評価データの分布を分析することによって、前記評価データが疎な領域を特定するステップと、
前記演算装置が、前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成するステップと、
前記演算装置が、前記第2疑似入力データと、前記特定された領域に含まれる前記評価データの前記第2教師データとから構成される新規評価データを生成し、前記記憶装置に格納するステップと、
前記演算装置が、前記記憶装置に格納される前記評価データを用いて前記識別器を評価するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記第1疑似入力データは、前記特徴量空間における前記代表学習データの近傍に位置する前記特徴量ベクトルに基づいて生成されることを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記記憶装置は、第2入力データおよび第2教師データから構成される評価データを格納し、
前記識別器の学習方法は、
前記演算装置が、第1識別器を生成した後に、前記新規学習データが前記記憶装置に格納された場合、再度、前記学習処理を実行することによって、第2識別器を生成するステップと、
前記演算装置が、前記評価データの前記第2入力データを、前記第1識別器および前記第2識別器に入力して得られた出力値と前記評価データの前記第2教師データとを比較することによって、前記第1識別器および前記第2識別器の前記評価データに対する識別結果を取得するステップと、
前記演算装置が、前記第1識別器および前記第2識別器の前記評価データに対する識別結果に基づいて、前記評価データに対する識別結果の変化を分析するステップと、
前記演算装置が、前記評価データに対する識別結果の変化の分析結果に基づいて、前記第1識別器および前記第2識別器のいずれを採用するかを決定するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項11に記載の識別器の学習方法であって、
前記演算装置が、前記評価データに対する識別結果の変化の分析結果を提示するための表示情報を生成し、出力するステップを含むことを特徴とする識別器の学習方法。 - 請求項1および請求項6のいずれかの一項に記載の計算機と、前記計算機によって生成された識別器を用いた分析を行う分析装置とを備えることを特徴とする分析システム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020018575A JP7353198B2 (ja) | 2020-02-06 | 2020-02-06 | 計算機、識別器の学習方法、および分析システム |
US17/795,291 US20230072040A1 (en) | 2020-02-06 | 2021-01-18 | Computing machine, learning method of classifier, and analysis system |
CN202180008949.4A CN114945940A (zh) | 2020-02-06 | 2021-01-18 | 计算机、识别器的学习方法以及分析系统 |
PCT/JP2021/001513 WO2021157330A1 (ja) | 2020-02-06 | 2021-01-18 | 計算機、識別器の学習方法、および分析システム |
EP21751391.0A EP4102454A4 (en) | 2020-02-06 | 2021-01-18 | CALCULATOR, DISCRIMINATOR LEARNING METHOD AND ANALYSIS SYSTEM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020018575A JP7353198B2 (ja) | 2020-02-06 | 2020-02-06 | 計算機、識別器の学習方法、および分析システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021125003A true JP2021125003A (ja) | 2021-08-30 |
JP2021125003A5 JP2021125003A5 (ja) | 2022-07-27 |
JP7353198B2 JP7353198B2 (ja) | 2023-09-29 |
Family
ID=77199228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020018575A Active JP7353198B2 (ja) | 2020-02-06 | 2020-02-06 | 計算機、識別器の学習方法、および分析システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230072040A1 (ja) |
EP (1) | EP4102454A4 (ja) |
JP (1) | JP7353198B2 (ja) |
CN (1) | CN114945940A (ja) |
WO (1) | WO2021157330A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023157094A1 (ja) * | 2022-02-15 | 2023-08-24 | 富士通株式会社 | モデル訓練プログラム、モデル訓練方法及び情報処理装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7463186B2 (ja) * | 2020-05-26 | 2024-04-08 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
US20230243059A1 (en) * | 2022-01-31 | 2023-08-03 | Applied Materials, Inc. | Wafer immersion in semiconductor processing chambers |
WO2024047758A1 (ja) * | 2022-08-30 | 2024-03-07 | 富士通株式会社 | 訓練データ分布推定プログラム、装置、及び方法 |
WO2024075251A1 (ja) * | 2022-10-06 | 2024-04-11 | 株式会社安川電機 | データ生成システム、産業機械、データ生成方法、およびデータ生成プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1185719A (ja) | 1997-09-03 | 1999-03-30 | Matsushita Electric Ind Co Ltd | パラメータ推定装置 |
JP2014178229A (ja) | 2013-03-15 | 2014-09-25 | Dainippon Screen Mfg Co Ltd | 教師データ作成方法、画像分類方法および画像分類装置 |
JP6118752B2 (ja) | 2014-03-28 | 2017-04-19 | セコム株式会社 | 学習データ生成装置 |
JP6661398B2 (ja) | 2016-02-03 | 2020-03-11 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
JP7011904B2 (ja) | 2017-07-31 | 2022-01-27 | 株式会社日立ハイテク | 装置、試料における気泡の状態の判別方法、及び分析システム |
JP6829364B2 (ja) | 2018-07-31 | 2021-02-10 | 株式会社コナミデジタルエンタテインメント | ゲームシステム、及びそれに用いるコンピュータプログラム |
-
2020
- 2020-02-06 JP JP2020018575A patent/JP7353198B2/ja active Active
-
2021
- 2021-01-18 EP EP21751391.0A patent/EP4102454A4/en active Pending
- 2021-01-18 US US17/795,291 patent/US20230072040A1/en active Pending
- 2021-01-18 CN CN202180008949.4A patent/CN114945940A/zh active Pending
- 2021-01-18 WO PCT/JP2021/001513 patent/WO2021157330A1/ja unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023157094A1 (ja) * | 2022-02-15 | 2023-08-24 | 富士通株式会社 | モデル訓練プログラム、モデル訓練方法及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
EP4102454A4 (en) | 2024-03-06 |
JP7353198B2 (ja) | 2023-09-29 |
CN114945940A (zh) | 2022-08-26 |
US20230072040A1 (en) | 2023-03-09 |
WO2021157330A1 (ja) | 2021-08-12 |
EP4102454A1 (en) | 2022-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021157330A1 (ja) | 計算機、識別器の学習方法、および分析システム | |
JP7208480B2 (ja) | 学習プログラム、検出プログラム、学習装置、検出装置、学習方法および検出方法 | |
JP6781415B2 (ja) | ニューラルネットワーク学習装置、方法、プログラム、およびパターン認識装置 | |
CN111753985B (zh) | 基于神经元覆盖率的图像深度学习模型测试方法与装置 | |
US20220067588A1 (en) | Transforming a trained artificial intelligence model into a trustworthy artificial intelligence model | |
CN110969200B (zh) | 基于一致性负样本的图像目标检测模型训练方法及装置 | |
CN111723815B (zh) | 模型训练方法、图像处理方法、装置、计算机系统和介质 | |
CN108229675B (zh) | 神经网络的训练方法、物体检测方法、装置和电子设备 | |
CN108596883A (zh) | 一种基于深度学习和距离约束的航拍图像防震锤滑移故障诊断方法 | |
CN113963190A (zh) | 变更图像的系统和方法 | |
CN115063664A (zh) | 用于工业视觉检测的模型学习方法、训练方法及系统 | |
CN113343123B (zh) | 一种生成对抗多关系图网络的训练方法和检测方法 | |
JP2006127446A (ja) | 画像処理装置、画像処理方法、プログラムおよび記録媒体 | |
CN111723833A (zh) | 信息处理装置和信息处理方法 | |
CN109934352B (zh) | 智能模型的自动进化方法 | |
CN116665174A (zh) | 面向视觉感知算法的危险测试用例生成方法及相关设备 | |
CN114445716B (zh) | 关键点检测方法、装置、计算机设备、介质及程序产品 | |
JP2020204800A (ja) | 学習用データセット生成システム、学習サーバ、及び学習用データセット生成プログラム | |
CN114283114A (zh) | 图像处理方法、装置、设备及存储介质 | |
JP2019023801A (ja) | 画像認識装置、画像認識方法、及び画像認識プログラム | |
US20240071057A1 (en) | Microscopy System and Method for Testing a Sensitivity of an Image Processing Model | |
JP7266075B2 (ja) | データ選別支援装置、データ選別支援方法及びデータ選別支援プログラム | |
CN112115996B (zh) | 图像数据的处理方法、装置、设备及存储介质 | |
JP7365261B2 (ja) | コンピュータシステムおよびプログラム | |
US20220237895A1 (en) | Class determination system, class determination method, and class determination program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220719 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220719 |
|
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: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230919 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7353198 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |