JP7382633B2 - 学習モデル構築装置、学習モデル構築方法及びコンピュータプログラム - Google Patents
学習モデル構築装置、学習モデル構築方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7382633B2 JP7382633B2 JP2019220445A JP2019220445A JP7382633B2 JP 7382633 B2 JP7382633 B2 JP 7382633B2 JP 2019220445 A JP2019220445 A JP 2019220445A JP 2019220445 A JP2019220445 A JP 2019220445A JP 7382633 B2 JP7382633 B2 JP 7382633B2
- Authority
- JP
- Japan
- Prior art keywords
- input
- training
- neural network
- data
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims description 75
- 238000004590 computer program Methods 0.000 title claims description 4
- 238000012549 training Methods 0.000 claims description 139
- 238000004519 manufacturing process Methods 0.000 claims description 93
- 238000013528 artificial neural network Methods 0.000 claims description 84
- 238000010801 machine learning Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 8
- 238000010304 firing Methods 0.000 description 23
- 238000000034 method Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 238000004821 distillation Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012421 spiking Methods 0.000 description 1
- 238000013530 stochastic neural network Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Description
学習モデル構築装置1は、構築用入力データと、プロダクション出力と、発火ルール情報とに基づいて、変換対象のプロダクションシステム9を機械学習の手法によって学習するニューラルネットワークへ変換する。構築用入力データは、プロダクションシステム9に入力される情報である。プロダクション出力は、構築用入力データが入力された場合のプロダクションシステム9の出力である。発火ルール情報は、構築用入力データが入力された場合にプロダクションシステム9において発火するルール(以下「発火ルール」という。)を示す情報である。
第1訓練情報取得部111が、第1訓練情報を取得する(ステップS101)。次に、第2訓練情報取得部112が、第2訓練情報を取得する(ステップS102)。次に、第1層学習部113が、第1訓練情報の構築用入力データを訓練データの説明変数として用い第1訓練情報の発火ルール情報を訓練データの目的変数として用いる機械学習の手法を用いて、第1学習済みモデルを生成する(ステップS103)。次に、第2層学習部114が、第2訓練情報の発火ルール情報を訓練データの説明変数として用い第2訓練情報のプロダクション出力を訓練データの目的変数として用いる機械学習の手法を用いて、第2学習済みモデルを生成する(ステップS104)。
第2のニューラルネットワークは、第2訓練情報だけでなく、さらに、プロダクション入出力訓練情報に基づいて学習してもよい。プロダクション入出力訓練情報は、構築用入力データとプロダクション出力との組のデータである。
Claims (7)
- 機械学習の手法によって学習するニューラルネットワークへ変換される対象であるプロダクションシステムに入力される構築用入力データと、前記構築用入力データが入力された場合に前記プロダクションシステムにおいて発火するルールを示す情報とを示す第1訓練情報を取得する第1訓練情報取得部と、
前記構築用入力データが入力された場合に前記プロダクションシステムにおいて発火するルールを示す情報と、前記構築用入力データが入力された場合の前記プロダクションシステムの出力であるプロダクション出力とを示す第2訓練情報を取得する第2訓練情報取得部と、
前記第1訓練情報の構築用入力データを訓練データの説明変数として用い、前記第1訓練情報のルールを示す情報を訓練データの目的変数として用いる機械学習の手法によって学習する第1のニューラルネットワークである第1層学習部と、
前記第2訓練情報のルールを示す情報を訓練データの説明変数として用い、前記第2訓練情報のプロダクション出力を訓練データの目的変数として用いる機械学習の手法によって学習する第2のニューラルネットワークである第2層学習部と、
前記第1層学習部によって得られる学習済みモデルである第1学習済みモデルの出力が前記第2層学習部によって得られる学習済みモデルである第2学習済みモデルに入力される学習済みモデルである第3学習済みモデルを前記第1のニューラルネットワークと前記第2のニューラルネットワークとを用いて表現するように前記第1のニューラルネットワークと前記第2のニューラルネットワークとを接続するスタッキング部と、
を備える学習モデル構築装置。 - 前記第3学習済みモデルに入力されるデータを訓練データの説明変数として用い、前記データが入力された場合の前記第3学習済みモデルの出力を訓練データの目的変数として用いる機械学習の手法によって学習する第3のニューラルネットワークである第3層学習部、
をさらに備える請求項1に記載の学習モデル構築装置。 - 前記第3のニューラルネットワークは、前記第3学習済みモデルの生成後に、さらに、追加で入力された訓練データである追加訓練データに基づいてさらに学習する、
請求項2に記載の学習モデル構築装置。 - 説明変数が前記プロダクションシステムに入力された場合のプロダクション出力と説明変数の情報に対してユーザが決定した教師データとの一致度が所定の一致度である基準一致度よりも低いという条件を第1説明変数条件とし、前記第1説明変数条件を満たす前記説明変数に対してユーザが決定した教師データであるという条件を第1目的変数条件とし、説明変数が前記プロダクションシステムに入力された場合のプロダクション出力と説明変数の情報に対してユーザが決定した教師データとの一致度が前記基準一致度以上という条件を第2説明変数条件とし、前記第2説明変数条件を満たす前記説明変数に対してユーザが決定した教師データであるという条件を第2目的変数条件として、説明変数が前記第1説明変数条件を満たし目的変数が前記第1目的変数条件を満たす訓練データと、説明変数が前記第2説明変数条件を満たし目的変数が前記第2目的変数条件を満たす訓練データと、を前記追加訓練データは含む、
請求項3に記載の学習モデル構築装置。 - 前記第2のニューラルネットワークは、さらに、構築用入力データとプロダクション出力との組のデータであるプロダクション入出力訓練情報に基づいて学習する、
請求項1から4のいずれか一項に記載の学習モデル構築装置。
- 機械学習の手法によって学習するニューラルネットワークへ変換される対象であるプロダクションシステムに入力される構築用入力データと、前記構築用入力データが入力された場合に前記プロダクションシステムにおいて発火するルールを示す情報とを示す第1訓練情報を取得する第1訓練情報取得ステップと、
前記構築用入力データが入力された場合に前記プロダクションシステムにおいて発火するルールを示す情報と、前記構築用入力データが入力された場合の前記プロダクションシステムの出力であるプロダクション出力とを示す第2訓練情報を取得する第2訓練情報取得ステップと、
前記第1訓練情報の構築用入力データを訓練データの説明変数として用い、前記第1訓練情報のルールを示す情報を訓練データの目的変数として用いる機械学習の手法によって第1のニューラルネットワークが学習する第1層学習ステップと、
前記第2訓練情報のルールを示す情報を訓練データの説明変数として用い、前記第2訓練情報のプロダクション出力を訓練データの目的変数として用いる機械学習の手法によって第2のニューラルネットワークが学習する第2層学習ステップと、
前記第1層学習ステップにおいて得られた学習済みモデルである第1学習済みモデルの出力が前記第2層学習ステップにおいて得られた学習済みモデルである第2学習済みモデルに入力される学習済みモデルである第3学習済みモデルを前記第1のニューラルネットワークと前記第2のニューラルネットワークとを用いて表現するように前記第1のニューラルネットワークと前記第2のニューラルネットワークとを接続するスタッキングステップと、
を有する学習モデル構築方法。 - 請求項1から請求項5のいずれか一項に記載の学習モデル構築装置としてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220445A JP7382633B2 (ja) | 2019-12-05 | 2019-12-05 | 学習モデル構築装置、学習モデル構築方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220445A JP7382633B2 (ja) | 2019-12-05 | 2019-12-05 | 学習モデル構築装置、学習モデル構築方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021089655A JP2021089655A (ja) | 2021-06-10 |
JP7382633B2 true JP7382633B2 (ja) | 2023-11-17 |
Family
ID=76220312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019220445A Active JP7382633B2 (ja) | 2019-12-05 | 2019-12-05 | 学習モデル構築装置、学習モデル構築方法及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7382633B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023119460A1 (ja) * | 2021-12-22 | 2023-06-29 | 日本電気株式会社 | 質問予測システム、質問予測方法およびプログラム記録媒体 |
EP4332847A1 (en) | 2022-05-11 | 2024-03-06 | Aizoth Inc. | Coupled learner formation device, coupled learner formation program, and non-transitory recording medium with a coupled learner formation program recorded therein |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6463572B1 (ja) | 2017-07-24 | 2019-02-06 | アクシオンリサーチ株式会社 | 対象システムの内部状態を推定する支援システム |
WO2019229931A1 (ja) | 2018-05-31 | 2019-12-05 | 日本電気株式会社 | 情報処理装置、制御方法、及びプログラム |
-
2019
- 2019-12-05 JP JP2019220445A patent/JP7382633B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6463572B1 (ja) | 2017-07-24 | 2019-02-06 | アクシオンリサーチ株式会社 | 対象システムの内部状態を推定する支援システム |
WO2019229931A1 (ja) | 2018-05-31 | 2019-12-05 | 日本電気株式会社 | 情報処理装置、制御方法、及びプログラム |
Non-Patent Citations (1)
Title |
---|
佐藤嘉則 ほか,"ニューラルネットワークに基づくプロダクションシステムの実現方式",電子情報通信学会技術研究報告,社団法人電子情報通信学会,1993年07月,Vol. 93,No. 154,p. 33-40,AI93-29 |
Also Published As
Publication number | Publication date |
---|---|
JP2021089655A (ja) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210390416A1 (en) | Variable parameter probability for machine-learning model generation and training | |
US11790238B2 (en) | Multi-task neural networks with task-specific paths | |
EP3485432B1 (en) | Training machine learning models on multiple machine learning tasks | |
US20200210847A1 (en) | Ensembling of neural network models | |
US9785886B1 (en) | Cooperative execution of a genetic algorithm with an efficient training algorithm for data-driven model creation | |
KR102483643B1 (ko) | 모델을 학습하는 방법 및 장치 및 상기 뉴럴 네트워크를 이용한 인식 방법 및 장치 | |
JP6610278B2 (ja) | 機械学習装置、機械学習方法及び機械学習プログラム | |
US20210365782A1 (en) | Method and apparatus for generating neural network model, and computer-readable storage medium | |
WO2020088330A1 (en) | Latent space and text-based generative adversarial networks (latext-gans) for text generation | |
US20190073591A1 (en) | Execution of a genetic algorithm having variable epoch size with selective execution of a training algorithm | |
KR20160102690A (ko) | 신경망 학습 방법 및 장치, 및 인식 방법 및 장치 | |
JP7382633B2 (ja) | 学習モデル構築装置、学習モデル構築方法及びコンピュータプログラム | |
JP6892424B2 (ja) | ハイパーパラメータチューニング方法、装置及びプログラム | |
WO2017197330A1 (en) | Two-stage training of a spoken dialogue system | |
WO2019006541A1 (en) | SYSTEM AND METHOD FOR AUTOMATIC CONSTRUCTION OF LEARNING MACHINES USING LEARNING MACHINES | |
US11836590B2 (en) | User intent classification using a multi-agent reinforcement learning framework | |
WO2019163718A1 (ja) | 学習装置、音声認識順位推定装置、それらの方法、およびプログラム | |
JP6325762B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
CN113965313B (zh) | 基于同态加密的模型训练方法、装置、设备以及存储介质 | |
US20240095535A1 (en) | Executing a genetic algorithm on a low-power controller | |
JP2020198135A (ja) | ハイパーパラメータチューニング方法、装置及びプログラム | |
CN112733433A (zh) | 装备测试性策略优化方法和装置 | |
KR102378187B1 (ko) | 자동화된 기계학습에 기반한 모델 추천 방법 및 장치 | |
WO2023228290A1 (ja) | 学習装置、学習方法、及びプログラム | |
JP7462206B2 (ja) | 学習装置、学習方法、及び学習プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221017 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230920 |
|
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: 20231003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7382633 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |