JP6509717B2 - 事例選択装置、分類装置、方法、及びプログラム - Google Patents
事例選択装置、分類装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6509717B2 JP6509717B2 JP2015240392A JP2015240392A JP6509717B2 JP 6509717 B2 JP6509717 B2 JP 6509717B2 JP 2015240392 A JP2015240392 A JP 2015240392A JP 2015240392 A JP2015240392 A JP 2015240392A JP 6509717 B2 JP6509717 B2 JP 6509717B2
- Authority
- JP
- Japan
- Prior art keywords
- case
- class
- cases
- learning
- frequency
- 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.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
また、事例頻度が低いクラスに属する事例から予測モデルを生成することができる分類装置、方法、及びプログラムを提供することを目的とする。
教師有り学習の枠組みの中で、出来るだけ少ない学習データ数の学習データを用いて出来るだけ高い精度の分類器を作成するための事例選択手法が存在する。
以下、図面を参照して本発明の第1の実施の形態を詳細に説明する。図4は、本発明の実施の形態の事例選択装置100を示すブロック図である。事例選択装置100は、CPUと、RAMと、事例選択処理ルーチンを実行するためのプログラムを記憶したROMとを備えたコンピュータで構成され、機能的には次に示すように構成されている。
次に、本実施の形態の事例選択装置100の作用について説明する。まず、複数の初期モデル学習用事例と、複数の事例とが事例選択装置100に入力されると、入力部10によって、入力された複数の初期モデル学習用事例及び複数の事例が、モデル構築用データベース22へ格納される。また、複数の初期モデル学習用事例に予め対応付けられた正解クラスが事例選択装置100に入力されると、入力部10によって、複数の初期モデル学習用事例に予め対応付けられた正解クラスが正解アノテーションデータベース24に格納される。そして、事例選択装置100によって、図10に示す能動的クラス分類処理ルーチンが実行される。
まず、ステップS200において、初期モデル生成部26は、モデル構築用データベース22から初期モデル学習用事例の各々を取得する。
まず、ステップS300において、事例頻度計算部28は、モデル構築用データベース22に格納された初期モデル学習用事例の各々を取得する。
まず、ステップS400において、確率推定部32は、上記ステップS100で得られた予測モデルCを取得する。
まず、ステップS500において、事例選択部36は、事例頻度データベース30からクラスの各々についての事例頻度を読み込み、集合Xとする。また、事例選択部36は、分類確率データベース34から事例の各々についてのクラスの各々に対する分類確率を読み込み、集合Pとする。
まず、ステップS600において、予測モデル生成部38は、モデル構築用データベース22に格納されている初期モデル学習用事例、及び事例選択部36によって選択された選択事例集合X’を合わせて訓練事例集合Eとする。
<システム構成>
次に、本発明の第2の実施の形態について説明する。なお、第2の実施の形態に係る事例選択装置の構成は、第1の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
<システム構成>
次に、本発明の第3の実施の形態について説明する。なお、第3の実施の形態に係る事例選択装置の構成は、第1の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
12 正解入力部
20 演算部
22 モデル構築用データベース
24 正解アノテーションデータベース
26 初期モデル生成部
28 事例頻度計算部
30 事例頻度データベース
32 確率推定部
34 分類確率データベース
36 事例選択部
38 予測モデル生成部
40 予測モデルデータベース
50 出力部
100 事例選択装置
Claims (8)
- 複数の初期モデル学習用事例と、前記複数の初期モデル学習用事例に予め対応付けられた正解クラスとに基づいて、事例が分類されるクラスを予測するための予測モデルを生成する初期モデル生成部と、
前記複数の初期モデル学習用事例の正解クラス、又は前記予測モデルに基づいて、前記クラスの各々の事例頻度を計算する事例頻度計算部と、
複数の事例の各々について、前記事例と前記初期モデル生成部によって生成された前記予測モデルとに基づいて、前記クラスの各々に対し、前記事例が前記クラスに分類される確率である分類確率を推定する確率推定部と、
前記事例頻度計算部によって計算された前記クラスの各々についての事例頻度と、前記確率推定部によって推定された前記事例の各々についての前記クラスの各々に対する前記分類確率とに基づいて、前記複数の事例から、事例頻度が低いクラスに対する分類確率が高い事例を、正解クラスの付与対象となる学習用事例として選択する事例選択部と、
を含む事例選択装置。 - 前記事例選択部は、前記事例頻度計算部によって計算された前記クラスの各々についての事例頻度と、前記確率推定部によって推定された前記事例の各々についての前記クラスの各々に対する前記分類確率とに基づいて、前記事例頻度が最小のクラスに対する前記分類確率が最大である前記事例を、前記正解クラスの付与対象となる学習用事例としてh個だけ選択する
請求項1に記載の事例選択装置。 - 前記事例選択部は、前記事例頻度計算部によって計算された前記クラスの各々についての事例頻度と、前記確率推定部によって推定された前記事例の各々についての前記クラスの各々に対する前記分類確率とに基づいて、前記事例頻度が最小のクラスに対する前記分類確率と、前記事例頻度が最大のクラスに対する前記分類確率との差が最大となる前記事例を、前記正解クラスの付与対象となる学習用事例としてh個だけ選択する
請求項1に記載の事例選択装置。 - 請求項1〜請求項3の何れか1項に記載の事例選択装置によって選択された前記学習用事例と、該学習用事例に付与された正解クラスとに基づいて、前記予測モデルを生成する予測モデル生成部を含む
分類装置。 - 初期モデル生成部、確率推定部、事例頻度計算部、及び事例選択部を含む事例選択装置における事例選択方法であって、
前記初期モデル生成部が、複数の初期モデル学習用事例と、前記複数の初期モデル学習用事例に予め対応付けられた正解クラスとに基づいて、事例が分類されるクラスを予測するための予測モデルを生成するステップと、
前記確率推定部が、前記複数の初期モデル学習用事例の正解クラス、又は前記予測モデルに基づいて、前記クラスの各々の事例頻度を計算するステップと、
前記事例頻度計算部が、複数の事例の各々について、前記事例と前記初期モデル生成部によって生成された前記予測モデルとに基づいて、前記クラスの各々に対し、前記事例が前記クラスに分類される確率である分類確率を推定するステップと、
前記事例選択部が、前記事例頻度計算部によって計算された前記クラスの各々についての事例頻度と、前記確率推定部によって推定された前記事例の各々についての前記クラスの各々に対する前記分類確率とに基づいて、前記複数の事例から、事例頻度が低いクラスに対する分類確率が高い事例を、正解クラスの付与対象となる学習用事例として選択するステップと、
を含む事例選択方法。 - 予測モデル生成部を含む分類装置における分類方法であって、
前記予測モデル生成部が、請求項5に記載の事例選択方法によって選択された前記学習用事例と、該学習用事例に付与された正解クラスとに基づいて、前記予測モデルを生成するステップを含む
分類方法。 - コンピュータを、請求項1〜請求項3の何れか1項に記載の事例選択装置の各部として機能させるためのプログラム。
- コンピュータを、請求項4に記載の分類装置の各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015240392A JP6509717B2 (ja) | 2015-12-09 | 2015-12-09 | 事例選択装置、分類装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015240392A JP6509717B2 (ja) | 2015-12-09 | 2015-12-09 | 事例選択装置、分類装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017107386A JP2017107386A (ja) | 2017-06-15 |
JP6509717B2 true JP6509717B2 (ja) | 2019-05-08 |
Family
ID=59059710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015240392A Active JP6509717B2 (ja) | 2015-12-09 | 2015-12-09 | 事例選択装置、分類装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6509717B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3896646A4 (en) | 2018-12-14 | 2022-01-26 | FUJIFILM Corporation | MINI-LOT LEARNING DEVICE, AND RELATED OPERATING PROGRAM AND METHOD OF OPERATING |
JP7096361B2 (ja) | 2018-12-14 | 2022-07-05 | 富士フイルム株式会社 | ミニバッチ学習装置とその作動プログラム、作動方法、および画像処理装置 |
CN113196335A (zh) | 2018-12-14 | 2021-07-30 | 富士胶片株式会社 | 小批量学习装置及其工作程序和工作方法 |
WO2020202594A1 (en) * | 2019-04-04 | 2020-10-08 | Nec Corporation | Learning system, method and program |
CN114467146A (zh) * | 2019-09-26 | 2022-05-10 | 株式会社润医 | 用于对部署机构中的人工智能模型进行专业化的训练方法以及用于对人工智能模型进行训练的装置 |
US20240005217A1 (en) * | 2020-11-30 | 2024-01-04 | Nec Corporation | Information processing device, information processing method, and recording medium |
WO2023145089A1 (ja) * | 2022-01-31 | 2023-08-03 | 株式会社Abeja | 人工知能システム及び人工知能の動作方法を実施するコンピュータシステム、並びにコンピュータプログラム記録媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8140450B2 (en) * | 2009-03-27 | 2012-03-20 | Mitsubishi Electric Research Laboratories, Inc. | Active learning method for multi-class classifiers |
JP6277818B2 (ja) * | 2014-03-26 | 2018-02-14 | 日本電気株式会社 | 機械学習装置、機械学習方法、及びプログラム |
-
2015
- 2015-12-09 JP JP2015240392A patent/JP6509717B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017107386A (ja) | 2017-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6509717B2 (ja) | 事例選択装置、分類装置、方法、及びプログラム | |
US10885383B2 (en) | Unsupervised cross-domain distance metric adaptation with feature transfer network | |
CN108182394B (zh) | 卷积神经网络的训练方法、人脸识别方法及装置 | |
WO2022121289A1 (en) | Methods and systems for mining minority-class data samples for training neural network | |
US9002101B2 (en) | Recognition device, recognition method, and computer program product | |
CN113614738A (zh) | 使用蒸馏的具有个体目标类别的多个模型的统一 | |
JP6235082B1 (ja) | データ分類装置、データ分類方法、およびプログラム | |
JP2019521443A (ja) | 適応型追加学習を用いた細胞のアノテーション法及びアノテーションシステム | |
US11610097B2 (en) | Apparatus and method for generating sampling model for uncertainty prediction, and apparatus for predicting uncertainty | |
Freytag et al. | Labeling examples that matter: Relevance-based active learning with gaussian processes | |
Zemmal et al. | A new hybrid system combining active learning and particle swarm optimisation for medical data classification | |
WO2021238279A1 (zh) | 数据分类方法、分类器训练方法及系统 | |
JP6199461B1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Zhou et al. | Active learning of Gaussian processes with manifold-preserving graph reduction | |
US20220327394A1 (en) | Learning support apparatus, learning support methods, and computer-readable recording medium | |
US20220078198A1 (en) | Method and system for generating investigation cases in the context of cybersecurity | |
JPWO2017188048A1 (ja) | 作成装置、作成プログラム、および作成方法 | |
US20230115987A1 (en) | Data adjustment system, data adjustment device, data adjustment method, terminal device, and information processing apparatus | |
JP5728534B2 (ja) | 統合識別器学習装置、統合識別器学習方法、及び統合識別器学習プログラム | |
Akın | A new hybrid approach based on genetic algorithm and support vector machine methods for hyperparameter optimization in synthetic minority over-sampling technique (SMOTE) | |
US20220027677A1 (en) | Information processing device, information processing method, and storage medium | |
JP2017220001A (ja) | 予測装置、予測方法及びプログラム | |
US20220207368A1 (en) | Embedding Normalization Method and Electronic Device Using Same | |
Zhang et al. | Quadratic graph attention network (Q-GAT) for robust construction of gene regulatory networks | |
Fabris et al. | Dependency network methods for hierarchical multi-label classification of gene functions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190125 |
|
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: 20190305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190403 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6509717 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |