JP7476976B2 - 推論装置、推論方法、及び推論プログラム - Google Patents
推論装置、推論方法、及び推論プログラム Download PDFInfo
- Publication number
- JP7476976B2 JP7476976B2 JP2022558771A JP2022558771A JP7476976B2 JP 7476976 B2 JP7476976 B2 JP 7476976B2 JP 2022558771 A JP2022558771 A JP 2022558771A JP 2022558771 A JP2022558771 A JP 2022558771A JP 7476976 B2 JP7476976 B2 JP 7476976B2
- Authority
- JP
- Japan
- Prior art keywords
- inference
- uncertain
- result
- comparison
- inference result
- 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
- 238000000034 method Methods 0.000 title claims description 21
- 238000012549 training Methods 0.000 claims description 44
- 238000009826 distribution Methods 0.000 description 75
- 238000003860 storage Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 206010019345 Heat stroke Diseases 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
<第1実施形態に係る学習装置の構成>
図1は、第1実施形態の学習装置10のハードウェア構成を示すブロック図である。
次に、第1実施形態に係る学習装置10の作用について説明する。
次に、第1実施形態に係る推論装置50の作用について説明する。
<第2実施形態に係る学習装置の構成>
第2実施形態の学習装置は、上記第1実施形態の学習装置10と同様であるため、同一符号を付して説明を省略する。
次に、第2実施形態の推論装置について説明する。第1実施形態と同様の構成となる部分については、同一符号を付して説明を省略する。
<第3実施形態の概要>
上記の第1実施形態及び第2実施形態では、対象データの説明変数と学習データ群の説明変数の分布とを比較する場合を例に説明していたが、本実施形態では、学習データに含まれる、説明変数とは異なる変数の値の分布と、対象データの当該変数の値とを比較する。
第3実施形態の学習装置は、上記第1実施形態の学習装置10と同様であるため、同一符号を付して説明を省略する。
第3実施形態の推論装置は、上記第1実施形態の推論装置50と同様であるため、同一符号を付して説明を省略する。
推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置であって、
メモリと、
前記メモリに接続された少なくとも1つのプロセッサと、
を含み、
前記プロセッサは、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する、
推論装置。
推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
前記推論処理は、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する、
非一時的記憶媒体。
15 入力部
16 表示部
20 学習データ記憶部
22 学習部
24 推論モデル記憶部
26 分布取得部
28 分布記憶部
50、150 推論装置
60 推論条件取得部
62 推論モデル記憶部
64 推論部
66 分布記憶部
68、168 比較部
70、170 通知部
150 推論装置
160 未来条件取得部
Claims (11)
- 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置であって、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定する比較部と、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する通知部と、
を含み、
前記推論モデルは、説明変数から目的変数を推論するモデルであり、
前記説明変数は、連続値である気温、及び離散値である気候を含み、
前記気温についての前記一定の基準は、前記対象データの気温が、前記学習データ群の気温の最大値に対応する基準値以下であり、前記学習データ群の気温の最小値に対応する基準値以上であることであり、
前記気温についての前記一定の基準は、前記学習データ群の気候が、前記対象データの気候と一致するデータ数が、基準数以上であることであり、
前記比較部は、少なくとも1つの説明変数の比較結果が、一定の基準を満たさない場合に、前記推論結果が不確かであると判定し、全ての説明変数の比較結果が、一定の基準を満たす場合に、前記推論結果が不確かでないと判定する推論装置。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置であって、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定する比較部と、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する通知部と、
を含み、
前記推論モデルは、説明変数から目的変数を推論するモデルであり、
前記比較部は、
前記対象データに含まれる、前記説明変数とは異なる条件変数と、前記学習データ群の各々に含まれる前記条件変数とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定する推論装置。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置であって、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定する比較部と、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する通知部と、
を含み、
前記比較部は、
更に、前記推論対象である前記対象データより未来の前記対象データと、前記学習データ群とを比較し、比較結果が、前記一定の基準を満たさない場合、未来の推論結果が不確かとなると判定し、
前記通知部は、未来の推論結果が不確かとなると判定された場合、未来の推論結果が不確かとなる旨をユーザに通知する推論装置。 - 前記データは、連続値を含み、
前記一定の基準は、前記対象データの連続値が、前記学習データ群の連続値の最大値に対応する基準値以下であり、前記学習データ群の連続値の最小値に対応する基準値以上であることである請求項2又は3記載の推論装置。 - 前記データは、離散値を含み、
前記一定の基準は、前記学習データ群の離散値が、前記対象データの離散値と一致するデータ数が、基準数以上であることである請求項2又は3記載の推論装置。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置における推論方法であって、
比較部が、推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
通知部が、不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する
ことを含み、
前記推論モデルは、説明変数から目的変数を推論するモデルであり、
前記説明変数は、連続値である気温、及び離散値である気候を含み、
前記気温についての前記一定の基準は、前記対象データの気温が、前記学習データ群の気温の最大値に対応する基準値以下であり、前記学習データ群の気温の最小値に対応する基準値以上であることであり、
前記気温についての前記一定の基準は、前記学習データ群の気候が、前記対象データの気候と一致するデータ数が、基準数以上であることであり、
前記比較することでは、少なくとも1つの説明変数の比較結果が、一定の基準を満たさない場合に、前記推論結果が不確かであると判定し、全ての説明変数の比較結果が、一定の基準を満たす場合に、前記推論結果が不確かでないと判定する推論方法。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置における推論方法であって、
比較部が、推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
通知部が、不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する
ことを含み、
前記推論モデルは、説明変数から目的変数を推論するモデルであり、
前記比較することでは、
前記対象データに含まれる、前記説明変数とは異なる条件変数と、前記学習データ群の各々に含まれる前記条件変数とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定する推論方法。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知する推論装置における推論方法であって、
比較部が、推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
通知部が、不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する
ことを含み、
前記比較することでは、
更に、前記推論対象である前記対象データより未来の前記対象データと、前記学習データ群とを比較し、比較結果が、前記一定の基準を満たさない場合、未来の推論結果が不確かとなると判定し、
前記通知することでは、未来の推論結果が不確かとなると判定された場合、未来の推論結果が不確かとなる旨をユーザに通知する推論方法。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知するための推論プログラムであって、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する
ことを含み、
前記推論モデルは、説明変数から目的変数を推論するモデルであり、
前記説明変数は、連続値である気温、及び離散値である気候を含み、
前記気温についての前記一定の基準は、前記対象データの気温が、前記学習データ群の気温の最大値に対応する基準値以下であり、前記学習データ群の気温の最小値に対応する基準値以上であることであり、
前記気温についての前記一定の基準は、前記学習データ群の気候が、前記対象データの気候と一致するデータ数が、基準数以上であることであり、
前記比較することでは、少なくとも1つの説明変数の比較結果が、一定の基準を満たさない場合に、前記推論結果が不確かであると判定し、全ての説明変数の比較結果が、一定の基準を満たす場合に、前記推論結果が不確かでないと判定する
ことをコンピュータに実行させるための推論プログラム。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知するための推論プログラムであって、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する
ことを含み、
前記推論モデルは、説明変数から目的変数を推論するモデルであり、
前記比較することでは、
前記対象データに含まれる、前記説明変数とは異なる条件変数と、前記学習データ群の各々に含まれる前記条件変数とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定する
ことをコンピュータに実行させるための推論プログラム。 - 推論モデルによる推論結果が不確かである場合、前記推論結果とともに前記推論結果が不確かである旨をユーザに通知するための推論プログラムであって、
推論対象である対象データと、前記推論モデルの学習に用いられたデータである学習データ群とを比較し、比較結果が、一定の基準を満たさない場合、不確かであると判定し、
不確かであると判定された場合、前記推論結果に加え、前記推論結果が不確かである旨をユーザに通知する
ことを含み、
前記比較することでは、
更に、前記推論対象である前記対象データより未来の前記対象データと、前記学習データ群とを比較し、比較結果が、前記一定の基準を満たさない場合、未来の推論結果が不確かとなると判定し、
前記通知することでは、未来の推論結果が不確かとなると判定された場合、未来の推論結果が不確かとなる旨をユーザに通知する
ことをコンピュータに実行させるための推論プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/040902 WO2022091368A1 (ja) | 2020-10-30 | 2020-10-30 | 推論装置、推論方法、及び推論プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022091368A1 JPWO2022091368A1 (ja) | 2022-05-05 |
JP7476976B2 true JP7476976B2 (ja) | 2024-05-01 |
Family
ID=81383830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022558771A Active JP7476976B2 (ja) | 2020-10-30 | 2020-10-30 | 推論装置、推論方法、及び推論プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230385661A1 (ja) |
JP (1) | JP7476976B2 (ja) |
WO (1) | WO2022091368A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279762A1 (en) | 2013-03-15 | 2014-09-18 | REMTCS Inc. | Analytical neural network intelligent interface machine learning method and system |
US20170164907A1 (en) | 2015-12-14 | 2017-06-15 | Samsung Electronics Co., Ltd. | Method and system for monitoring continuous biomedical signal |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5816143B2 (ja) * | 2012-08-22 | 2015-11-18 | 株式会社神戸製鋼所 | 材質推定値評価システム、材質推定値評価方法、及びコンピュータプログラム |
-
2020
- 2020-10-30 US US18/034,257 patent/US20230385661A1/en active Pending
- 2020-10-30 JP JP2022558771A patent/JP7476976B2/ja active Active
- 2020-10-30 WO PCT/JP2020/040902 patent/WO2022091368A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279762A1 (en) | 2013-03-15 | 2014-09-18 | REMTCS Inc. | Analytical neural network intelligent interface machine learning method and system |
US20170164907A1 (en) | 2015-12-14 | 2017-06-15 | Samsung Electronics Co., Ltd. | Method and system for monitoring continuous biomedical signal |
Also Published As
Publication number | Publication date |
---|---|
US20230385661A1 (en) | 2023-11-30 |
WO2022091368A1 (ja) | 2022-05-05 |
JPWO2022091368A1 (ja) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Fuzzy DEA: a perceptual evaluation method | |
CN109377542B (zh) | 三维模型渲染方法、装置及电子设备 | |
Wu et al. | Value of condition monitoring for optimal replacement in the proportional hazards model with continuous degradation | |
Avuglah et al. | Application of ARIMA models to road traffic accident cases in Ghana | |
CA2916896C (en) | Method and apparatus for automating network data analysis of user's activities | |
JP2015049626A (ja) | 災害情報提供システム | |
JP7476976B2 (ja) | 推論装置、推論方法、及び推論プログラム | |
CN116418653A (zh) | 基于多指标根因定位算法的故障定位方法及装置 | |
Liu et al. | Steady-state analysis of SECIR rumor spreading model in complex networks | |
Xu et al. | Availability optimisation of repairable system with preventive maintenance policy | |
Muhlmeyer et al. | Event triggered social media chatter: A new modeling framework | |
Wang et al. | Reliability of systems subject to competing failure propagation and probabilistic failure isolation | |
Jayatilaka et al. | Use of Artificial Intelligence on spatio-temporal data to generate insights during COVID-19 pandemic: A Review | |
Sparks et al. | Detection of multiple outbreaks using spatio-temporal EWMA-ordered statistics | |
Lin et al. | Reliability-based measures for a system with an uncertain parameter environment | |
Espinoza | Incommensurability: the failure to compare risks | |
CN116049752A (zh) | 时序数据异常检测方法、装置、设备及可读存储介质 | |
Islam et al. | Predictive modelling of fuel shortages during hurricane evacuation: An epidemiological approach | |
Fahmy et al. | Detection of linear trends in process mean | |
CN115545943A (zh) | 一种图谱的处理方法、装置及设备 | |
Shi et al. | The role a fuzzy implication plays in a multi-criteria decision algorithm | |
Xie et al. | Treatment of evacuation time uncertainty using polynomial chaos expansion | |
CN110266525B (zh) | Cdn服务器数量配置方法、设备及计算机可读存储介质 | |
Aghaie | Evaluating ISO 9001: 2000 implementation using fault tree analysis (FTA) | |
Ding et al. | RBOTUE: Rumor blocking considering outbreak threshold and user experience |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230313 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240207 |
|
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: 20240319 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240401 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7476976 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |