JP7196933B2 - 学習装置および学習方法 - Google Patents
学習装置および学習方法 Download PDFInfo
- Publication number
- JP7196933B2 JP7196933B2 JP2020558814A JP2020558814A JP7196933B2 JP 7196933 B2 JP7196933 B2 JP 7196933B2 JP 2020558814 A JP2020558814 A JP 2020558814A JP 2020558814 A JP2020558814 A JP 2020558814A JP 7196933 B2 JP7196933 B2 JP 7196933B2
- Authority
- JP
- Japan
- Prior art keywords
- output
- attribute information
- prediction
- correspondence
- unknown
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する予測手段と
を備える学習装置。
付記1の学習装置。
前記予測出力に寄与する属性情報を視認可能に表示する出力部を備える
付記1または付記2の学習装置。
付記3の学習装置。
前記予測出力が計算される過程をグラフ表示する出力部を備える
付記1または付記2の学習装置。
計算された前記出力と未知タスクまたは未知クラスに対応する属性情報との対応関係を推論し、
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する
学習方法。
付記6の学習方法。
前記予測出力に寄与する属性情報を視認可能に表示器に表示する
付記6または付記7の学習方法。
付記8の学習方法。
前記予測出力が計算される過程を表示器にグラフ表示する
付記6または付記7の学習方法。
既知のタスクまたは既知のクラスに対して学習済みの予測器のテスト入力データに対する出力を計算する処理と、
計算された前記出力と未知タスクまたは未知クラスに対応する属性情報との対応関係を推論する処理と、
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する処理と
を実行させるための学習プログラム。
前記対応関係を推論するときに、複数のテスト入力データ点を用いた場合に、事前知識を考慮するアルゴリズムを使用させる
付記11の学習プログラム。
前記対応関係を推論するときに、前記予測出力に寄与する属性情報の数を絞るようなアルゴリズムを使用させ、
前記予測出力に寄与する属性情報を視認可能に表示器に表示させる
付記11または付記12の学習プログラム。
前記予測出力に寄与する属性情報の影響の程度を表す数値を前記表示器に表示させる
付記13の学習プログラム
前記対応関係を推論するときに、処理結果の解釈が容易化されるアルゴリズムを使用させ、
前記予測出力が計算される過程を表示器にグラフ表示させる
付記11または付記12の学習プログラム。
既知のタスクまたは既知のクラスに対して学習済みの予測器のテスト入力データに対する出力を計算し、
計算された前記出力と未知タスクまたは未知クラスに対応する属性情報との対応関係を推論し、
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する
学習方法。
10 入力部
20 演算部
21 予測器記憶部
22 既知属性記憶部
23 テストデータ記憶部
24 予測部
31 初期化部
32 対応関係推論部
33 対応関係記憶部
34 予測実行部
40 出力部
110 対応関係推論手段
120 予測手段
1000 CPU
1001 記憶装置
1002 メモリ
Claims (10)
- 既知のタスクまたは既知のクラスに対して学習済みの予測器のテスト入力データに対する出力を計算し、計算した前記出力と未知タスクまたは未知クラスに対応する属性情報との対応関係を推論する対応関係推論手段と、
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する予測手段と
を備える学習装置。 - 前記対応関係推論手段は、複数のテスト入力データ点を用いたときに、事前知識を考慮するアルゴリズムを使用する
請求項1に記載の学習装置。 - 前記対応関係推論手段は、前記予測出力に寄与する属性情報の数を絞るようなアルゴリズムを使用し、
前記予測出力に寄与する属性情報を視認可能に表示する出力部を備える
請求項1または請求項2に記載の学習装置。 - 前記出力部は、前記予測出力に寄与する属性情報の影響の程度を表す数値を表示する
請求項3に記載の学習装置。 - 前記対応関係推論手段は、処理結果の解釈が容易化されるアルゴリズムを使用し、
前記予測出力が計算される過程をグラフ表示する出力部を備える
請求項1または請求項2に記載の学習装置。 - 既知のタスクまたは既知のクラスに対して学習済みの予測器のテスト入力データに対する出力を計算し、
計算された前記出力と未知タスクまたは未知クラスに対応する属性情報との対応関係を推論し、
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する
学習方法。 - 前記対応関係を推論するときに、複数のテスト入力データ点を用いた場合に、事前知識を考慮するアルゴリズムを使用する
請求項6に記載の学習方法。 - 前記対応関係を推論するときに、前記予測出力に寄与する属性情報の数を絞るようなアルゴリズムを使用し、
前記予測出力に寄与する属性情報を視認可能に表示器に表示する
請求項6または請求項7に記載の学習方法。 - 前記予測出力に寄与する属性情報の影響の程度を表す数値を前記表示器に表示する
請求項8に記載の学習方法。 - コンピュータに、
既知のタスクまたは既知のクラスに対して学習済みの予測器のテスト入力データに対する出力を計算する処理と、
計算された前記出力と未知タスクまたは未知クラスに対応する属性情報との対応関係を推論する処理と、
推論された前記対応関係を用いて、前記未知タスクまたは前記未知クラスに対応する属性情報に対する予測出力を計算する処理と
を実行させるための学習プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/045321 WO2020121378A1 (ja) | 2018-12-10 | 2018-12-10 | 学習装置および学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020121378A1 JPWO2020121378A1 (ja) | 2021-10-07 |
JP7196933B2 true JP7196933B2 (ja) | 2022-12-27 |
Family
ID=71075742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020558814A Active JP7196933B2 (ja) | 2018-12-10 | 2018-12-10 | 学習装置および学習方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220027760A1 (ja) |
JP (1) | JP7196933B2 (ja) |
WO (1) | WO2020121378A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114444696A (zh) * | 2020-11-03 | 2022-05-06 | 华为云计算技术有限公司 | 一种任务学习系统、方法及相关设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011123574A (ja) | 2009-12-08 | 2011-06-23 | Canon Inc | 推論装置、推論方法、及びプログラム |
-
2018
- 2018-12-10 JP JP2020558814A patent/JP7196933B2/ja active Active
- 2018-12-10 US US17/297,181 patent/US20220027760A1/en active Pending
- 2018-12-10 WO PCT/JP2018/045321 patent/WO2020121378A1/ja active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011123574A (ja) | 2009-12-08 | 2011-06-23 | Canon Inc | 推論装置、推論方法、及びプログラム |
Non-Patent Citations (1)
Title |
---|
太田貴大ほか,回帰木を用いた識別器のモールディングによる文字認識の高速化,電子情報通信学会技術研究報告,日本,社団法人電子情報通信学会,2009年12月10日,第109巻, 第344号,pp.1-6,ISSN:0913-5685 |
Also Published As
Publication number | Publication date |
---|---|
WO2020121378A1 (ja) | 2020-06-18 |
JPWO2020121378A1 (ja) | 2021-10-07 |
US20220027760A1 (en) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150254554A1 (en) | Information processing device and learning method | |
Shouzhen et al. | Linguistic induced generalized aggregation distance operators and their application to decision making | |
JP6311851B2 (ja) | 共クラスタリングシステム、方法およびプログラム | |
US20140317034A1 (en) | Data classification | |
JP6971514B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US10635078B2 (en) | Simulation system, simulation method, and simulation program | |
Anandhi et al. | Regression techniques in software effort estimation using cocomo dataset | |
Mendonça et al. | Approximating network centrality measures using node embedding and machine learning | |
CN114219562A (zh) | 模型的训练方法、企业信用评估方法和装置、设备、介质 | |
Mori et al. | Inference in hybrid Bayesian networks with large discrete and continuous domains | |
JP7196933B2 (ja) | 学習装置および学習方法 | |
Rachmawan et al. | Optimization of missing value imputation using reinforcement programming | |
WO2018154662A1 (ja) | 価格最適化システム、価格最適化方法および価格最適化プログラム | |
JP6687011B2 (ja) | クラスタリングシステム、方法およびプログラム | |
CN109728958B (zh) | 一种网络节点信任预测方法、装置、设备及介质 | |
CN112154459A (zh) | 模型解释 | |
Jadli et al. | A Novel LSTM-GRU-Based Hybrid Approach for Electrical Products Demand Forecasting. | |
KR20210042709A (ko) | 기업 관계 데이터를 이용한 주가 예측 방법 및 서버 | |
JP7424373B2 (ja) | 分析装置、分析方法及び分析プログラム | |
CN108629062A (zh) | 用于定价优化的方法、装置和系统 | |
Li et al. | Short-term bus passenger flow forecast based on deep learning | |
Judy et al. | Parallel fuzzy cognitive map using evolutionary feature reduction for big data classification problem | |
Shokry et al. | Mixed-integer multiparametric approach based on machine learning techniques | |
Hong et al. | Fuzzy nonlinear regression model based on LS-SVM in feature space | |
JP6577515B2 (ja) | 分析装置、分析方法及び分析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210514 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
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: 20221115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221128 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7196933 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |