JP6742565B2 - 学習装置、検証装置、データ処理システムおよびデータ処理方法 - Google Patents
学習装置、検証装置、データ処理システムおよびデータ処理方法 Download PDFInfo
- Publication number
- JP6742565B2 JP6742565B2 JP2020517000A JP2020517000A JP6742565B2 JP 6742565 B2 JP6742565 B2 JP 6742565B2 JP 2020517000 A JP2020517000 A JP 2020517000A JP 2020517000 A JP2020517000 A JP 2020517000A JP 6742565 B2 JP6742565 B2 JP 6742565B2
- Authority
- JP
- Japan
- Prior art keywords
- dnn
- verification
- data
- generation unit
- neural network
- 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
- 238000012795 verification Methods 0.000 title claims description 175
- 238000012545 processing Methods 0.000 title claims description 55
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 66
- 238000013524 data verification Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 43
- 238000013528 artificial neural network Methods 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Debugging And Monitoring (AREA)
Description
また、クライアントがデータをメタデータ化してからサーバへ送信することによって、サーバの処理負荷および伝送負荷の低減と処理のリアルタイム性とを実現する技術が提案されている。さらに、DNNを用いて、クライアントがデータをメタデータ化する技術も提案されている。
実施の形態1.
図1は、この発明の実施の形態1に係るデータ処理システム1の構成を示すブロック図である。データ処理システム1は、サーバ2およびクライアント3を備えており、サーバ2によって生成されたDNNがクライアント3によって利用される。サーバ2は、ユーザから受け付けた命令に従ってDNNモデルおよび検証用データを生成して、DNNモデルおよび検証用データをクライアント3に送信する。クライアント3は、サーバ2から受信した検証用データを用いてDNNモデルの性能検証を実施し、この検証の結果に基づいて各種アプリケーションでDNNモデルが運用可能か否かを判定する。
再リクエストの要因とは、例えば、事前に設定された機能および性能のうち、DNNで達成されていない機能および性能を示す情報である。サーバ2は、再リクエストの要因と検証結果を考慮してDNNの学習を繰り返すことで、要件を満たすDNNを最終的に生成することができる。
図3は、実施の形態1に係るデータ処理方法を示すフローチャートであり、サーバ2とクライアント3による一連の処理を示している。
サーバ2において、DNN生成部20は、クライアント3から受信したリクエストに応じて、ユーザからの命令に含まれた要件を満たすように学習されたDNNを生成する(ステップST1)。ユーザからの命令に含まれた要件には、DNNで実現したい機能、要求する性能およびフレームワークの種類がある。
図4は、DNN生成処理を示すフローチャートであって、図3におけるステップST1の処理の詳細を示している。DNN生成部20は、DNNに要求する要件が含まれた命令を受け付ける(ステップST1a)。DNN生成部20は、この命令に含まれたフレームワークの種類、目的の機能および要求する性能に基づいてDNNデータベース23を検索して、命令に含まれる要件を満たすと推定される学習済みDNNが存在するか否かを確認する(ステップST2a)。
図5は、BPによる検証用データ生成処理を示すフローチャートであり、図3におけるステップST2の処理の詳細を示している。検証用データ生成部21は、DNN生成部20から、学習済みのDNN、DNNの生成方法、DNN生成部20によるDNNの学習で達成されたDNNの達成性能、および命令に含まれる要件に対応するDNNの要求性能を入力する(ステップST1b)。続いて、検証用データ生成部21は、学習済みのDNNに対する任意の入力値と出力値を選択する(ステップST2b)。
検証用データ生成部21は、DNN生成部20から、学習済みのDNN、DNNの生成方法、DNN生成部20によるDNNの学習で達成されたDNNの達成性能、および命令に含まれる要件に対応するDNNの要求性能を入力する(ステップST1c)。
図7は、データ送信処理を示すフローチャートであり、図3におけるステップST3の処理の詳細を示している。
データ送信部22は、検証用データ生成部21から、送信データを入力する(ステップST1d)。送信データには、DNN生成部20から入力された学習済みDNN、および検証用データが含まれる。
図8は、実施の形態1に係るクライアント3の動作を示すフローチャートであり、図3におけるステップST4およびステップST5の具体的な処理を示している。
クライアント3において、データ検証部30が、サーバ2からの送信データを受信する(ステップST1e)。サーバ2からの送信データには、DNN生成部20によって生成された学習済みのDNNと、検証用データ生成部21によって生成された検証用データが含まれる。
学習済みDNNが性能要件を満たす場合(ステップST4e;YES)、データ検証部30は、学習済みDNNを各種アプリケーションへ出力する(ステップST5e)。これにより、各種アプリケーションによって学習済みDNNの使用が可能となる。
図9は、BPによるDNN性能検証処理を示すフローチャートであって、図8におけるステップST4eの処理の詳細を示している。
データ検証部30は、サーバ2から受信して復号したデータから、学習済みDNNと、検証用データとを取得する(ステップST1f)。検証用データには、学習済みDNNに対する入力値および出力値、これらの値を与えた学習済みDNNにBPを実施して得られた勾配値、および勾配値に関する閾値が含まれているものとする。
図10は、DNNの中間記述子を用いたDNN性能検証処理を示すフローチャートであり、図8におけるステップST4eの処理の詳細を示している。
データ検証部30は、サーバ2から受信して復号したデータから、学習済みDNNと、検証用データとを取得する(ステップST1g)。検証用データには、学習済みDNNに対する入力値、この値を与えた学習済みDNNから得られた中間記述子および中間記述子に関する閾値が含まれているものとする。
データ検証部30は、ステップST3gで算出した差分が検証用データに含まれる閾値よりも小さいか否かを確認する(ステップST4g)。
図11は、リクエスト再送信処理を示すフローチャートであり、図8におけるステップST6eの処理の詳細を示している。
リクエスト送信部31は、データ検証部30からリクエスト用データを入力する(ステップST1h)。リクエスト用データには、性能要件を満たさないと判定された学習済みDNN、再リクエストの要因およびその詳細内容が含まれる。
サーバ2におけるDNN生成部20、検証用データ生成部21およびデータ送信部22の機能は、処理回路によって実現される。すなわち、サーバ2は、図3におけるステップST1からステップST3までの処理を実行するための処理回路を備えている。この処理回路は、専用のハードウェアであってもよいが、メモリに記憶されたプログラムを実行するCPU(Central Processing Unit)であってもよい。
さらに、クライアント3におけるデータ検証部30およびリクエスト送信部31の機能は、処理回路によって実現される。すなわち、クライアント3は、図3におけるステップST4からステップST5までの処理を実行するための処理回路を備えている。この処理回路は、専用のハードウェアであってもよいが、メモリに記憶されたプログラムを実行するCPUであってもよい。
サーバ2におけるDNN生成部20、検証用データ生成部21およびデータ送信部22の機能を別々の処理回路で実現してもよく、これらの機能をまとめて1つの処理回路で実現してもよい。
クライアント3におけるデータ検証部30およびリクエスト送信部31の機能を別々の処理回路で実現してもよく、これらの機能をまとめて1つの処理回路で実現してもよい。
このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能を実現することができる。
例えば、データ検証部30は、専用のハードウェアである処理回路107で機能を実現し、リクエスト送信部31は、プロセッサ108がメモリ109に記憶されたプログラムを読み出して実行することによって機能を実現する。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能を実現することができる。
このような場合、クライアント3は、要求した要件をDNNが満たすか否かを検証し、この検証結果に基づいてDNNの設計を再度行い、この設計に応じた要件を満たすようにサーバ2にDNNを再学習させる必要がある。
これに対して、実施の形態1では、サーバ2が検証用データを生成してクライアント3に送信するので、クライアント3が、DNNの性能検証において検証用データを全て用意する必要がなく、DNNの検証処理を簡略化させることができる。
Claims (9)
- 検証用データを用いてディープニューラルネットワークが要件を満たすか否かの検証を行う検証装置から受信したリクエストに応じて、要件を満たすように学習されたディープニューラルネットワークを生成するDNN生成部と、
前記DNN生成部によって生成されたディープニューラルネットワークが要件を満たすか否かの検証に用いられる検証用データを生成する検証用データ生成部と、
前記DNN生成部によって生成されたディープニューラルネットワークおよび前記検証用データ生成部によって生成された検証用データを前記検証装置へ送信するデータ送信部とを備えたこと
を特徴とする学習装置。 - 前記DNN生成部は、ディープニューラルネットワークの機能、性能、フレームワークの種類および前記検証装置のハードウェア性能を要件として、ディープニューラルネットワークを学習すること
を特徴とする請求項1記載の学習装置。 - 前記検証用データ生成部は、前記DNN生成部によって生成されたディープニューラルネットワークに対して誤差逆伝播法を行って中間層のノードの重みを更新したときに得られた勾配値および勾配値に関する閾値を含む検証用データを生成すること
を特徴とする請求項1記載の学習装置。 - 前記検証用データ生成部は、前記DNN生成部によって生成されたディープニューラルネットワークで得られた中間記述子および中間記述子に関する閾値を含む検証用データを生成すること
を特徴とする請求項1記載の学習装置。 - 学習装置から受信した検証用データを用いて、前記学習装置によって生成されたディープニューラルネットワークが要件を満たすか否かの検証を行うデータ検証部と、
ディープニューラルネットワーク生成のリクエストを前記学習装置へ送信するリクエスト送信部とを備え、
前記リクエスト送信部は、前記データ検証部によってディープニューラルネットワークが要件を満たさないと検証されると、再リクエストの要因と検証結果を含むリクエストを前記学習装置へ再度送信すること
を特徴とする検証装置。 - 前記データ検証部は、前記学習装置から受信したディープニューラルネットワークに対して誤差逆伝播法を行って中間層のノードの重みを更新したときに得られた勾配値と検証用データに含まれる勾配値との差分を、検証用データに含まれる閾値と比較し、この比較の結果に基づいてディープニューラルネットワークが要件を満たすか否かを検証すること
を特徴とする請求項5記載の検証装置。 - 前記データ検証部は、前記学習装置から受信したディープニューラルネットワークから得られた中間記述子と検証用データに含まれる中間記述子との差分を、検証用データに含まれる閾値と比較し、この比較の結果に基づいてディープニューラルネットワークが要件を満たすか否かを検証すること
を特徴とする請求項5記載の検証装置。 - 請求項1から請求項4のいずれか1項記載の学習装置と、
請求項5から請求項7のいずれか1項記載の前記検証装置とを備えたこと
を特徴とするデータ処理システム。 - DNN生成部が、検証装置から受信したリクエストに応じて、要件を満たすように学習されたディープニューラルネットワークを生成するステップと、
検証用データ生成部が、前記DNN生成部によって生成されたディープニューラルネットワークが要件を満たすか否かの検証に用いられる検証用データを生成するステップと、
データ送信部が、前記DNN生成部によって生成されたディープニューラルネットワークおよび前記検証用データ生成部によって生成された検証用データを前記検証装置へ送信するステップと、
データ検証部が、学習装置から受信した検証用データを用いて、前記DNN生成部によって生成されたディープニューラルネットワークが要件を満たすか否かを検証するステップと、
リクエスト送信部が、前記データ検証部によってディープニューラルネットワークが要件を満たさないと検証されると、再リクエストの要因と検証結果を含むリクエストを前記学習装置へ再度送信するステップとを備えたこと
を特徴とするデータ処理方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/017538 WO2019211909A1 (ja) | 2018-05-02 | 2018-05-02 | 学習装置、検証装置、データ処理システムおよびデータ処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6742565B2 true JP6742565B2 (ja) | 2020-08-19 |
JPWO2019211909A1 JPWO2019211909A1 (ja) | 2020-08-20 |
Family
ID=68386382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020517000A Active JP6742565B2 (ja) | 2018-05-02 | 2018-05-02 | 学習装置、検証装置、データ処理システムおよびデータ処理方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6742565B2 (ja) |
WO (1) | WO2019211909A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102568010B1 (ko) * | 2020-11-20 | 2023-08-22 | (주)한국플랫폼서비스기술 | 쿼리 기반 딥러닝 추론 시스템을 이용한 공작 기계 예지 보전 시스템 및 그 방법 |
WO2022190801A1 (ja) * | 2021-03-10 | 2022-09-15 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、情報処理システム、情報処理方法及び記録媒体 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002342739A (ja) * | 2001-05-17 | 2002-11-29 | Kddi Corp | 通信ネットワークを介したニューラルネットワーク処理システム及びそのプログラムを格納したプログラム記憶媒体 |
JP6551101B2 (ja) * | 2015-09-17 | 2019-07-31 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
JP6561004B2 (ja) * | 2016-03-25 | 2019-08-14 | 株式会社デンソーアイティーラボラトリ | ニューラルネットワークシステム、端末装置、管理装置およびニューラルネットワークにおける重みパラメータの学習方法 |
-
2018
- 2018-05-02 JP JP2020517000A patent/JP6742565B2/ja active Active
- 2018-05-02 WO PCT/JP2018/017538 patent/WO2019211909A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JPWO2019211909A1 (ja) | 2020-08-20 |
WO2019211909A1 (ja) | 2019-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10546066B2 (en) | End-to-end learning of dialogue agents for information access | |
CN108520220B (zh) | 模型生成方法和装置 | |
CN110874484A (zh) | 基于神经网络和联邦学习的数据处理方法和系统 | |
JP6820054B2 (ja) | 外部アカウントを用いてリソースを管理するための方法およびデバイス | |
US20180157638A1 (en) | Joint language understanding and dialogue management | |
WO2017223009A1 (en) | Multi-domain joint semantic frame parsing | |
US10599975B2 (en) | Scalable parameter encoding of artificial neural networks obtained via an evolutionary process | |
US20170255884A1 (en) | System and method for spatial and visual processing in cognitive architecture | |
JP2019510287A (ja) | 適応型人工ニューラルネットワーク選択技法 | |
CN109117953A (zh) | 网络参数训练方法和系统、服务器、客户端及存储介质 | |
JP6742565B2 (ja) | 学習装置、検証装置、データ処理システムおよびデータ処理方法 | |
CN113196302A (zh) | 用于提供嵌入在媒体项中的包括神经网络描述的渲染引擎模型的方法和装置 | |
US11593704B1 (en) | Automatic determination of hyperparameters | |
WO2019185981A1 (en) | Generating or obtaining an updated neural network | |
CN112464921B (zh) | 障碍物检测信息生成方法、装置、设备和计算机可读介质 | |
CN111429501A (zh) | 深度图预测模型生成方法和装置、深度图预测方法和装置 | |
WO2023151333A1 (zh) | 视频处理方法、装置、设备及存储介质 | |
CN116881807A (zh) | 自动驾驶系统的评价方法、相关模型的训练方法和设备 | |
CN116668351A (zh) | 服务质量预测方法、装置、计算机设备及存储介质 | |
CN112446461A (zh) | 一种神经网络模型训练方法及装置 | |
CN113610228B (zh) | 神经网络模型的构建方法及装置 | |
CN116320053A (zh) | 协议传输接口参数的适配方法、装置、设备和介质 | |
CN113628052A (zh) | 基于预言机的区块链资产与合约处理方法、系统及装置 | |
CN111582482B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
US20170248916A1 (en) | Method and system for image processing and data transmission in network-based multi-camera environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200518 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200518 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200603 |
|
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: 20200630 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200728 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6742565 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |