JP2022131558A - アンサンブル学習システムおよびアンサンブル学習プログラム - Google Patents
アンサンブル学習システムおよびアンサンブル学習プログラム Download PDFInfo
- Publication number
- JP2022131558A JP2022131558A JP2021030562A JP2021030562A JP2022131558A JP 2022131558 A JP2022131558 A JP 2022131558A JP 2021030562 A JP2021030562 A JP 2021030562A JP 2021030562 A JP2021030562 A JP 2021030562A JP 2022131558 A JP2022131558 A JP 2022131558A
- Authority
- JP
- Japan
- Prior art keywords
- discrimination
- unit
- evaluation index
- units
- ensemble learning
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000012360 testing method Methods 0.000 claims abstract description 53
- 238000010801 machine learning Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 28
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 25
- 238000000605 extraction Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004579 scanning voltage microscopy Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
Description
2,2A~2C 判別ユニット
2a 前処理部
2b 特徴量抽出部
2c 機械学習モデル
3 判別部
4 ユニット構築部
5 学習処理部
6 テスト実行部
7 評価指標算出部
Claims (16)
- アンサンブル学習システムにおいて、
データが共通で入力され、それぞれが学習済の機械学習モデルを有し、かつ、入力に対する判別結果の出力特性が互いに異なる複数の判別ユニットと、
前記複数の判別ユニットに対して、テストデータを用いたテストを実行するテスト実行部と、
前記テストデータの正解と、前記テストデータの入力に対する前記複数の判別ユニットのそれぞれの判別結果とに基づいて、テストでどの程度性能を発揮できたかを示す評価指標を算出する評価指標算出部と、
前記テスト後に、前記複数の判別ユニットの少なくとも一つの削除を伴う、前記複数の判別ユニットの再構築を許容するユニット構築部と
を有することを特徴とするアンサンブル学習システム。 - 前記複数の判別ユニットのそれぞれは、共通で入力されたデータに対して、所定の前処理を行う前処理部を有し、
前記前処理部は、前記判別ユニットによって処理内容が異なることを特徴とする請求項1に記載されたアンサンブル学習システム。 - 前記機械学習モデルは、前記判別ユニットによって異なることを特徴とする請求項1または2に記載されたアンサンブル学習システム。
- 前記評価指標算出部は、前記判別ユニット毎に、前記評価指標を個別に算出し、
前記ユニット構築部は、前記算出された個別の評価指標と、所定のしきい値とを比較することによって、前記判別ユニットを削除するか否かを判定することを特徴とする請求項1から3のいずれかに記載されたアンサンブル学習システム。 - 前記評価指標算出部は、前記複数の判別ユニットのそれぞれを所定のパターンで組み合わせ、当該組み合わせ毎に、前記アンサンブル学習システム全体としての評価指標を算出し、
前記ユニット構築部は、前記算出された全体の評価指標と、所定のしきい値とを比較することによって、特定の組み合わせパターンを前記再構築の選択肢から除外するか否かを判定することを特徴とする請求項1から3のいずれかに記載されたアンサンブル学習システム。 - 前記ユニット構築部は、前記全体の評価指標が最も良好な前記組み合わせを選択することを特徴とする請求項5に記載されたアンサンブル学習システム。
- 前記ユニット構築部は、前記全体の評価指標が同一値、または、同一とみなせる範囲内である場合、前記組み合わせを構成する前記判別ユニットの個数が最も少ないものを選択することを特徴とする請求項6に記載されたアンサンブル学習システム。
- 前記ユニット構築部は、ユーザの指示に応じて、前記テストの対象となる前記複数の判別ユニットを構築することを特徴とする請求項1に記載されたアンサンブル学習システム。
- アンサンブル学習プログラムにおいて、
データが共通で入力され、それぞれが機械学習モデルを有し、かつ、入力に対する判別結果の出力特性が互いに異なる複数の判別ユニットを構築する第1のステップと、
学習済の前記複数の判別ユニットに対して、テストデータを用いたテストを実行する第2のステップと、
前記テストデータの正解と、前記テストデータの入力に対する前記複数の判別ユニットのそれぞれの判別結果とに基づいて、テストでどの程度性能を発揮できたかを示す評価指標を算出する第3のステップと、
前記複数の判別ユニットの少なくとも一つの削除を伴う、前記複数の判別ユニットの再構築を許容する第4のステップと
を有する処理をコンピュータに実行させることを特徴とするアンサンブル学習プログラム。 - 前記複数の判別ユニットのそれぞれは、共通で入力されたデータに対して、所定の前処理を行う前処理部を有し、
前記前処理部は、前記判別ユニットによって処理内容が異なることを特徴とする請求項9に記載されたアンサンブル学習プログラム。 - 前記機械学習モデルは、前記判別ユニットによって異なることを特徴とする請求項9または10に記載されたアンサンブル学習プログラム。
- 前記第3のステップは、前記判別ユニット毎に、前記評価指標を個別に算出し、
前記第4のステップは、前記算出された個別の評価指標と、所定のしきい値とを比較することによって、前記判別ユニットを削除するか否かを判定することを特徴とする請求項9から11のいずれかに記載されたアンサンブル学習プログラム。 - 前記第3のステップは、前記複数の判別ユニットのそれぞれを所定のパターンで組み合わせ、当該組み合わせ毎に、前記アンサンブル学習システム全体としての評価指標を算出し、
前記第4のステップは、前記算出された全体の評価指標と、所定のしきい値とを比較することによって、特定の組み合わせパターンを前記再構築の選択肢から除外するか否かを判定することを特徴とする請求項9から12のいずれかに記載されたアンサンブル学習プログラム。 - 前記第4のステップは、前記全体の評価指標が最も高い前記組み合わせを選択することを特徴とする請求項13に記載されたアンサンブル学習プログラム。
- 前記第4のステップは、前記全体の評価指標が同一値、または、同一とみなせる範囲内である場合、前記組み合わせを構成する前記判別ユニットの個数が最も少ないものを選択することを特徴とする請求項14に記載されたアンサンブル学習プログラム。
- 前記第1のステップは、ユーザの指示に応じて、前記テストの対象となる前記複数の判別ユニットを構築することを特徴とする請求項9に記載されたアンサンブル学習プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021030562A JP7479591B2 (ja) | 2021-02-26 | 2021-02-26 | アンサンブル学習システムおよびアンサンブル学習プログラム |
PCT/JP2022/004633 WO2022181303A1 (ja) | 2021-02-26 | 2022-02-07 | アンサンブル学習システムおよびアンサンブル学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021030562A JP7479591B2 (ja) | 2021-02-26 | 2021-02-26 | アンサンブル学習システムおよびアンサンブル学習プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022131558A true JP2022131558A (ja) | 2022-09-07 |
JP2022131558A5 JP2022131558A5 (ja) | 2023-03-22 |
JP7479591B2 JP7479591B2 (ja) | 2024-05-09 |
Family
ID=83048256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021030562A Active JP7479591B2 (ja) | 2021-02-26 | 2021-02-26 | アンサンブル学習システムおよびアンサンブル学習プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7479591B2 (ja) |
WO (1) | WO2022181303A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5123759B2 (ja) | 2008-06-30 | 2013-01-23 | キヤノン株式会社 | パターン検出器の学習装置、学習方法及びプログラム |
JP6659120B2 (ja) | 2015-11-06 | 2020-03-04 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
-
2021
- 2021-02-26 JP JP2021030562A patent/JP7479591B2/ja active Active
-
2022
- 2022-02-07 WO PCT/JP2022/004633 patent/WO2022181303A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022181303A1 (ja) | 2022-09-01 |
JP7479591B2 (ja) | 2024-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990432B (zh) | 目标识别模型训练方法、装置及电子设备 | |
CN111652317B (zh) | 基于贝叶斯深度学习的超参数图像分割方法 | |
CN110135505B (zh) | 图像分类方法、装置、计算机设备及计算机可读存储介质 | |
JPWO2019026104A1 (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
CN114898151A (zh) | 一种基于深度学习与支持向量机融合的图像分类方法 | |
US20220245422A1 (en) | System and method for machine learning architecture for out-of-distribution data detection | |
KR102488789B1 (ko) | 인공지능 기반 단일 클래스 이상 탐지 모델을 이용한 예측 분류 방법, 장치 및 프로그램 | |
JP2017102906A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN111008570B (zh) | 一种基于压缩-激励伪三维网络的视频理解方法 | |
CN115994900A (zh) | 基于迁移学习的无监督缺陷检测方法和系统、存储介质 | |
CN115564983A (zh) | 目标检测方法、装置、电子设备、存储介质及其应用 | |
US20210357729A1 (en) | System and method for explaining the behavior of neural networks | |
CN114037001A (zh) | 基于wgan-gp-c和度量学习的机械泵小样本故障诊断方法 | |
CN112115996B (zh) | 图像数据的处理方法、装置、设备及存储介质 | |
CN111860601A (zh) | 预测大型真菌种类的方法及装置 | |
EP3696771A1 (en) | System for processing an input instance, method, and medium | |
WO2022181303A1 (ja) | アンサンブル学習システムおよびアンサンブル学習プログラム | |
CN115620083A (zh) | 模型训练方法、人脸图像质量评价方法、设备及介质 | |
CN115410250A (zh) | 阵列式人脸美丽预测方法、设备及存储介质 | |
Liang et al. | Figure-ground image segmentation using genetic programming and feature selection | |
JP2016062249A (ja) | 識別辞書学習システム、認識辞書学習方法および認識辞書学習プログラム | |
CN114220041A (zh) | 目标识别方法、电子设备及存储介质 | |
CN106803080B (zh) | 一种基于形状玻尔兹曼机的补全式行人检测方法 | |
He et al. | Fabric defect detection based on improved object as point | |
CN117275076B (zh) | 基于特征的人脸质量评估模型的构建方法及应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230311 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240227 |
|
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: 20240306 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240405 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7479591 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |