JP7409495B2 - 機械学習プログラム,機械学習方法および機械学習装置 - Google Patents
機械学習プログラム,機械学習方法および機械学習装置 Download PDFInfo
- Publication number
- JP7409495B2 JP7409495B2 JP2022522091A JP2022522091A JP7409495B2 JP 7409495 B2 JP7409495 B2 JP 7409495B2 JP 2022522091 A JP2022522091 A JP 2022522091A JP 2022522091 A JP2022522091 A JP 2022522091A JP 7409495 B2 JP7409495 B2 JP 7409495B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- model
- machine learning
- verification
- clusters
- 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
- 238000010801 machine learning Methods 0.000 title claims description 33
- 238000012795 verification Methods 0.000 claims description 108
- 238000012545 processing Methods 0.000 claims description 62
- 238000000034 method Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 24
- 230000015654 memory Effects 0.000 description 14
- 238000012549 training Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
クラスタリング処理部101は、このような階層型クラスタリング手法を用いて教師データに偏りが認識されるクラスタリングを実現する。
モデル作成用クラスタは、機械学習によってモデルを生成するために用いられるデータによる第1のグループであってもよい。また、モデル検証用クラスタは、生成されたモデルの出力精度を検証するために用いられるデータによる第2のグループであってもよい。
予測対象データには、第1フェーズにおいてはモデル作成用データが用いられ、第2フェーズにおいてはモデル検証用データが用いられる。すなわち、予測処理部104は、第1フェーズにおいては、モデル作成用データを複数のモデルのそれぞれに入力し、各モデルの出力をアンサンブルした結果を最終的な出力(予測結果)とする。
図7は実施形態の一例としての計算機システム1の予測処理部104による処理を説明するための図である。この図7に示す例においては、2つのモデル#1,#2に予測対象データ、すなわち、モデル作成用データもしくはモデル検証用データが入力されている。各モデル#1,#2からそれぞれ出力される予測結果がアンサンブルされ、予測結果(予測対象データの予測結果)が出力される。
ステップS2において、モデル作成部103は、機械学習にモデル作成用データ(教師データ)を用いてモデルを作成する。
10 CPU
11 メモリ
12 アクセラレータ
13 通信バス
100 学習処理部
101 クラスタリング処理部
102 データ作成部
103 モデル作成部
104 予測処理部
105 検証部
Claims (8)
- 複数のデータをクラスタリングすることで生成された複数のクラスタ単位で、前記複数のデータをモデル作成用データまたはモデル検証用データに分類し、
前記モデル作成用データを用いた機械学習によってモデルを生成し、
前記モデル検証用データを用いて、生成された前記モデルの出力精度を検証する、
処理をコンピュータに実行させることを特徴とする機械学習プログラム。 - 前記クラスタリングは、階層型クラスタリングである、
ことを特徴とする請求項1に記載の機械学習プログラム。 - 前記モデル作成用データに分類された前記クラスタは複数あり、
前記モデル検証用データに分類された前記クラスタは複数ある、
ことを特徴とする請求項1または2に記載の機械学習プログラム。 - 前記モデルは、前記モデル作成用データのうち第1のデータを用いた機械学習により生成され、
前記モデル作成用データのうち第2のデータを用いた機械学習により他のモデルを生成する、
処理を前記コンピュータに実行させることを特徴とする請求項1乃至3のいずれか1項に記載の機械学習プログラム。 - 前記検証する処理は、前記モデル検証用データに含まれる第3のデータの前記モデルへの入力に応じて前記モデルが出力した第1の結果と、前記第3のデータの前記他のモデルへの入力に応じて前記他のモデルが出力した第2の結果とに基づいて、第1の出力精度を算出する処理を含む、
ことを特徴とする請求項4に記載の機械学習プログラム。 - 前記検証する処理は、前記モデル検証用データに含まれる第4のデータの前記モデルへの入力に応じて前記モデルが出力した第3の結果と、前記第4のデータの前記他のモデルへの入力に応じて前記他のモデルが出力した第4の結果とに基づいて算出された第2の出力精度と、前記第1の出力精度とに基づいて実行される、
ことを特徴とする請求項5項に記載の機械学習プログラム。 - 複数のデータをクラスタリングすることで生成された複数のクラスタ単位で、前記複数のデータをモデル作成用データまたはモデル検証用データに分類する処理と、
前記モデル作成用データを用いた機械学習によってモデルを生成する処理と、
前記モデル検証用データを用いて、生成された前記モデルの出力精度を検証する処理と、
を行なうことを特徴とする機械学習方法。 - 複数のデータをクラスタリングすることで生成された複数のクラスタ単位で、前記複数のデータをモデル作成用データまたはモデル検証用データに分類し、
前記モデル作成用データを用いた機械学習によってモデルを生成し、
前記モデル検証用データを用いて、生成された前記モデルの出力精度を検証する、
処理部を有することを特徴とする機械学習装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/018777 WO2021229630A1 (ja) | 2020-05-11 | 2020-05-11 | 機械学習プログラム,機械学習方法および機械学習装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021229630A1 JPWO2021229630A1 (ja) | 2021-11-18 |
JPWO2021229630A5 JPWO2021229630A5 (ja) | 2022-11-07 |
JP7409495B2 true JP7409495B2 (ja) | 2024-01-09 |
Family
ID=78525983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022522091A Active JP7409495B2 (ja) | 2020-05-11 | 2020-05-11 | 機械学習プログラム,機械学習方法および機械学習装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230021674A1 (ja) |
EP (1) | EP4152222A4 (ja) |
JP (1) | JP7409495B2 (ja) |
CN (1) | CN115427984A (ja) |
WO (1) | WO2021229630A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016133895A (ja) | 2015-01-16 | 2016-07-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP2018190125A (ja) | 2017-05-01 | 2018-11-29 | 日本電信電話株式会社 | 抽出装置、分析システム、抽出方法及び抽出プログラム |
JP2019045929A (ja) | 2017-08-30 | 2019-03-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP2019159538A (ja) | 2018-03-09 | 2019-09-19 | オムロン株式会社 | データセット検証装置、データセット検証方法、およびデータセット検証プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6971112B2 (ja) | 2017-09-29 | 2021-11-24 | 株式会社Screenホールディングス | 教師データ作成支援装置、分類装置および教師データ作成支援方法 |
-
2020
- 2020-05-11 CN CN202080099907.1A patent/CN115427984A/zh active Pending
- 2020-05-11 WO PCT/JP2020/018777 patent/WO2021229630A1/ja unknown
- 2020-05-11 EP EP20934908.3A patent/EP4152222A4/en active Pending
- 2020-05-11 JP JP2022522091A patent/JP7409495B2/ja active Active
-
2022
- 2022-10-04 US US17/959,341 patent/US20230021674A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016133895A (ja) | 2015-01-16 | 2016-07-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP2018190125A (ja) | 2017-05-01 | 2018-11-29 | 日本電信電話株式会社 | 抽出装置、分析システム、抽出方法及び抽出プログラム |
JP2019045929A (ja) | 2017-08-30 | 2019-03-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP2019159538A (ja) | 2018-03-09 | 2019-09-19 | オムロン株式会社 | データセット検証装置、データセット検証方法、およびデータセット検証プログラム |
Also Published As
Publication number | Publication date |
---|---|
EP4152222A1 (en) | 2023-03-22 |
CN115427984A (zh) | 2022-12-02 |
WO2021229630A1 (ja) | 2021-11-18 |
EP4152222A4 (en) | 2023-06-07 |
JPWO2021229630A1 (ja) | 2021-11-18 |
US20230021674A1 (en) | 2023-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017437537B2 (en) | Training tree-based machine-learning modeling algorithms for predicting outputs and generating explanatory data | |
TW202137068A (zh) | 循環神經網路內的距離度量與分群的方法 | |
JP5656202B2 (ja) | 特徴抽出装置、特徴抽出方法、及び、そのプログラム | |
Chakraborty et al. | Hellinger net: A hybrid imbalance learning model to improve software defect prediction | |
JP2007328507A (ja) | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム | |
CN110288199A (zh) | 产品质量预测的方法 | |
JP2019159836A (ja) | 学習プログラム、学習方法および学習装置 | |
KR20220026804A (ko) | 역강화학습 기반 배달 수단 탐지 장치 및 방법 | |
JP7172612B2 (ja) | データ拡張プログラム、データ拡張方法およびデータ拡張装置 | |
US20020095393A1 (en) | Computer program for and method of discrete event computer simulation incorporating biological paradigm for providing optimized decision support | |
JP7409495B2 (ja) | 機械学習プログラム,機械学習方法および機械学習装置 | |
JP2022502725A (ja) | 人工知能基盤の悪質延滞探知装置及び方法 | |
JP2020061007A (ja) | 学習プログラム、学習方法および学習装置 | |
CN117076993A (zh) | 基于云原生的多智能体博弈决策系统及方法 | |
CN112926574A (zh) | 图像识别方法、图像识别装置和系统 | |
JP6725194B2 (ja) | 学習済みモデルを生成する方法、データを分類する方法、コンピュータおよびプログラム | |
Rausch et al. | Sensitivity analysis and uncertainty quantification of state-based discrete-event simulation models through a stacked ensemble of metamodels | |
KR102309002B1 (ko) | 환자별 유전자 특성에 기초하여 암의 예후 예측에 활용할 바이오 마커를 선정하는 전자 장치 및 그 동작 방법 | |
JP2000339005A (ja) | 制御対象の最適化制御方法及び制御装置 | |
JP2023518789A (ja) | 人工知能モジュールを更新するためにデータセットを選択するための方法 | |
JP7172067B2 (ja) | 学習プログラム、学習方法および学習装置 | |
KR102472596B1 (ko) | 레이어 적응적 임계값 결정 기반 딥러닝 모델 앙상블 장치 및 방법 | |
US20060074829A1 (en) | Method and system for generating object classification models | |
KR102535010B1 (ko) | 가중치 기반 앙상블 모델 선택 시스템 및 방법 | |
JP7405148B2 (ja) | 情報処理装置、学習方法、及び、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: 20220906 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231113 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20231113 |
|
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: 20231121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231204 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7409495 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |