JPWO2019092931A1 - 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム - Google Patents
判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム Download PDFInfo
- Publication number
- JPWO2019092931A1 JPWO2019092931A1 JP2019551882A JP2019551882A JPWO2019092931A1 JP WO2019092931 A1 JPWO2019092931 A1 JP WO2019092931A1 JP 2019551882 A JP2019551882 A JP 2019551882A JP 2019551882 A JP2019551882 A JP 2019551882A JP WO2019092931 A1 JPWO2019092931 A1 JP WO2019092931A1
- Authority
- JP
- Japan
- Prior art keywords
- label
- value
- objective variable
- threshold value
- training data
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive 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
Abstract
Description
図1は、本発明による判別モデル生成装置の第1の実施形態の構成例を示すブロック図である。本実施形態の判別モデル生成装置100は、記憶部10と、ラベル算出部20と、学習器30とを備えている。
次に、本発明による判別モデル生成装置の第2の実施形態を説明する。第1の実施形態では、ラベル算出部20が、各学習データについて、目的変数の値としきい値との差に応じて正例らしさまたは負例らしさを表すラベルを算出する方法を説明した。本実施形態では、各学習データについて、正例のデータとしたときの重み(正例の重み)と、負例のデータとしたときの重み(負例の重み)をそれぞれラベルとして算出する方法を説明する。
次に、本発明による判別モデル生成装置の第3の実施形態を説明する。本実施形態では、複数の判別モデルを学習し、より評価の高い判別モデルを選択する方法を説明する。図9は、本発明による判別モデル生成装置の第3の実施形態の構成例を示すブロック図である。本実施形態の判別モデル生成装置300は、記憶部10と、算出部22と、学習器32と、評価部40とを備えている。記憶部10が記憶する内容は、第1の実施形態と同様である。
次に、本発明の第4の実施形態を説明する。第1の実施形態から第3の実施形態では、算出されたラベルに基づいて判別モデルを生成する判別モデル生成装置について説明した。一方、学習データに対応付けるラベルを算出する機能で一つの装置が実現されていてもよい。
20 ラベル算出部
21 重み算出部
22 算出部
30,31,32 学習器
40 評価部
100,200,300 判別モデル生成装置
400 ラベル生成装置
Claims (14)
- 正例または負例を判別するためのしきい値と、学習データに含まれる目的変数の値との差に応じて、当該学習データに付加するラベルを算出する算出部と、
算出されたラベルを対応付けた学習データを用いて、判別モデルを学習する学習部とを備えた
ことを特徴とする判別モデル生成装置。 - 算出部は、各学習データについて、目的変数の値がしきい値に比べて大きくなるほど、より正例らしさを表すラベルを算出し、目的変数の値がしきい値に比べて小さくなるほど、より負例らしさを表すラベルを算出する
請求項1記載の判別モデル生成装置。 - 算出部は、学習データから、正例のデータおよび負例のデータを生成し、目的変数の値がしきい値に比べて大きくなるほど大きくなるように正例の重みをラベルとして算出し、目的変数の値がしきい値に比べて小さくなるほど大きくなるように負例の重みをラベルとして算出する
請求項1または請求項2記載の判別モデル生成装置。 - 算出部は、正例の重みの合計および負例の重みの合計に基づいて、当該正例の重みおよび負例の重みを調整する
請求項3記載の判別モデル生成装置。 - 算出部は、目的変数について単調非減少、かつ、値域が0から1の間の値をとる関数を用いて、ラベルを算出する
請求項1から請求項4のうちのいずれか1項に記載の判別モデル生成装置。 - 学習データに含まれる目的変数の値としきい値とを比較したときに負例と判別される当該学習データについて、正例らしさを表すラベルを算出する
請求項1から請求項5のうちのいずれか1項に記載の判別モデル生成装置。 - 算出部は、目的変数の値がしきい値と等しい場合に正例らしさおよび負例らしさが同等になるシグモイド関数を用いてラベルを算出する
請求項1から請求項6のうちのいずれか1項に記載の判別モデル生成装置。 - 学習された判別モデルを評価する評価部を備え、
算出部は、複数の観点に基づいて、各学習データに対して複数のラベルを算出し、
学習部は、前記観点ごとに判別モデルを学習し、
前記評価部は、学習された各判別モデルの評価を行う
請求項1から請求項7のうちのいずれか1項に記載の判別モデル生成装置。 - 正例または負例を判別するためのしきい値と、学習データに含まれる目的変数の値との差に応じて、当該学習データに付加するラベルを算出し、
算出されたラベルを対応付けた学習データを用いて、判別モデルを学習する
ことを特徴とする判別モデル生成方法。 - 各学習データについて、目的変数の値がしきい値に比べて大きくなるほど、より正例らしさを表すラベルを算出し、目的変数の値がしきい値に比べて小さくなるほど、より負例らしさを表すラベルを算出する
請求項9記載の判別モデル生成方法。 - 学習データから、正例のデータおよび負例のデータを生成し、
目的変数の値がしきい値に比べて大きくなるほど大きくなるように正例の重みをラベルとして算出し、目的変数の値がしきい値に比べて小さくなるほど大きくなるように負例の重みをラベルとして算出する
請求項9または請求項10記載の判別モデル生成方法。 - コンピュータに、
正例または負例を判別するためのしきい値と、学習データに含まれる目的変数の値との差に応じて、当該学習データに付加するラベルを算出する算出処理、および、
算出されたラベルを対応付けた学習データを用いて、判別モデルを学習する学習処理とを実行させる
ための判別モデル生成プログラム。 - コンピュータに、
算出処理で、各学習データについて、目的変数の値がしきい値に比べて大きくなるほど、より正例らしさを表すラベルを算出させ、目的変数の値がしきい値に比べて小さくなるほど、より負例らしさを表すラベルを算出させる
請求項12記載の判別モデル生成プログラム。 - 正例または負例を判別するためのしきい値と、学習データに含まれる目的変数の値との差に応じて、当該学習データに付加するラベルを算出する算出部を備えた
ことを特徴とするラベル生成装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017214687 | 2017-11-07 | ||
JP2017214687 | 2017-11-07 | ||
PCT/JP2018/027610 WO2019092931A1 (ja) | 2017-11-07 | 2018-07-24 | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019092931A1 true JPWO2019092931A1 (ja) | 2020-11-12 |
JP7070584B2 JP7070584B2 (ja) | 2022-05-18 |
Family
ID=66438347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019551882A Active JP7070584B2 (ja) | 2017-11-07 | 2018-07-24 | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200272906A1 (ja) |
JP (1) | JP7070584B2 (ja) |
WO (1) | WO2019092931A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6595151B2 (ja) * | 2017-06-29 | 2019-10-23 | 株式会社Preferred Networks | 訓練方法、訓練装置、プログラム及び非一時的コンピュータ可読媒体 |
WO2020170304A1 (ja) * | 2019-02-18 | 2020-08-27 | 日本電気株式会社 | 学習装置及び方法、予測装置及び方法、並びにコンピュータ可読媒体 |
JP2021068136A (ja) * | 2019-10-23 | 2021-04-30 | 株式会社日立製作所 | 計算機システム、学習方法、及びプログラム |
JP7472496B2 (ja) * | 2020-01-15 | 2024-04-23 | 日本電気株式会社 | モデル生成装置、モデル生成方法、及び、記録媒体 |
CN112509600A (zh) * | 2020-12-11 | 2021-03-16 | 平安科技(深圳)有限公司 | 模型的训练方法、装置、语音转换方法、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011203991A (ja) * | 2010-03-25 | 2011-10-13 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040146936A1 (en) * | 2002-06-21 | 2004-07-29 | Bader Joel S | System and method for identifying cellular pathways and interactions |
GB2471036B (en) * | 2008-03-03 | 2012-08-22 | Videoiq Inc | Object matching for tracking, indexing, and search |
CN103310221B (zh) * | 2012-03-16 | 2016-04-13 | 富士通株式会社 | 图像处理装置、图像处理方法以及设备 |
CA2952576C (en) * | 2014-06-20 | 2022-07-26 | Miovision Technologies Incorporated | Machine learning platform for performing large scale data analytics |
US20160071022A1 (en) * | 2014-09-04 | 2016-03-10 | International Business Machines Corporation | Machine Learning Model for Level-Based Categorization of Natural Language Parameters |
-
2018
- 2018-07-24 WO PCT/JP2018/027610 patent/WO2019092931A1/ja active Application Filing
- 2018-07-24 JP JP2019551882A patent/JP7070584B2/ja active Active
- 2018-07-24 US US16/761,568 patent/US20200272906A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011203991A (ja) * | 2010-03-25 | 2011-10-13 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7070584B2 (ja) | 2022-05-18 |
US20200272906A1 (en) | 2020-08-27 |
WO2019092931A1 (ja) | 2019-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7070584B2 (ja) | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム | |
WO2018121690A1 (zh) | 对象属性检测、神经网络训练、区域检测方法和装置 | |
CN112990432A (zh) | 目标识别模型训练方法、装置及电子设备 | |
JP5454827B1 (ja) | 文書評価装置、文書評価方法、及びプログラム | |
US11593299B2 (en) | Data analysis device, data analysis method and data analysis program | |
JP2018045516A (ja) | 分類装置、分類方法およびプログラム | |
US20220253725A1 (en) | Machine learning model for entity resolution | |
CN105095494A (zh) | 一种对分类数据集进行测试的方法 | |
CN110969200A (zh) | 基于一致性负样本的图像目标检测模型训练方法及装置 | |
JP2019197355A (ja) | クラスタリング装置、クラスタリング方法およびプログラム | |
JP6962123B2 (ja) | ラベル推定装置及びラベル推定プログラム | |
Kamath et al. | Performance analysis of the pretrained efficientdet for real-time object detection on raspberry pi | |
CN109615080B (zh) | 无监督模型评估方法、装置、服务器及可读存储介质 | |
JP6988995B2 (ja) | 画像生成装置、画像生成方法および画像生成プログラム | |
CN113379059B (zh) | 用于量子数据分类的模型训练方法以及量子数据分类方法 | |
WO2021200392A1 (ja) | データ調整システム、データ調整装置、データ調整方法、端末装置及び情報処理装置 | |
JP7363910B2 (ja) | 表示方法、表示プログラム及び情報処理装置 | |
WO2021061951A1 (en) | Distance-based learning confidence model | |
JP2017151679A (ja) | 識別装置及び識別プログラム | |
CN112749978B (zh) | 检测方法、装置、设备、存储介质以及程序产品 | |
JP7363912B2 (ja) | 表示方法、表示プログラム及び情報処理装置 | |
JP7363911B2 (ja) | 表示方法、表示プログラム及び情報処理装置 | |
Farhad et al. | Keep Your Distance: Determining Sampling and Distance Thresholds in Machine Learning Monitoring | |
WO2021079446A1 (ja) | 表示方法、表示プログラム及び情報処理装置 | |
CN112926663A (zh) | 分类模型的训练方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200424 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220111 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220418 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7070584 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |