JPWO2019102984A1 - 学習装置、識別装置及びプログラム - Google Patents
学習装置、識別装置及びプログラム Download PDFInfo
- Publication number
- JPWO2019102984A1 JPWO2019102984A1 JP2019555305A JP2019555305A JPWO2019102984A1 JP WO2019102984 A1 JPWO2019102984 A1 JP WO2019102984A1 JP 2019555305 A JP2019555305 A JP 2019555305A JP 2019555305 A JP2019555305 A JP 2019555305A JP WO2019102984 A1 JPWO2019102984 A1 JP WO2019102984A1
- Authority
- JP
- Japan
- Prior art keywords
- learning
- cell
- target data
- element values
- unit
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
Description
本発明の第1実施形態による学習・識別装置について、図1乃至図7を用いて説明する。図1は、本実施形態による学習・識別装置の構成例を示す概略図である。図2は、本実施形態による学習・識別装置におけるニューラルネットワーク部の構成例を示す概略図である。図3は、本実施形態による学習・識別装置における学習セルの構成例を示す概略図である。図4は、本実施形態による学習・識別装置における学習方法を示すフローチャートである。図5は、学習対象データ及びその要素値の一例を示す図である。図6は、本実施形態による学習・識別装置における識別方法を示すフローチャートである。図7は、本実施形態による学習・識別装置のハードウェア構成例を示す概略図である。
ωij=(i番目の画素における黒の出現回数)/(学習回数) …(3)
本発明の第2実施形態による学習・識別装置について、図8及び図9を用いて説明する。第1実施形態による学習・識別装置と同様の構成要素には同一の符号を付し、説明を省略し或いは簡潔にする。図8は、本実施形態による学習・識別装置の構成例を示す概略図である。図9は、学習対象データ及び識別対象データに対して行う前処理の一例を示す図である。
本発明の第3実施形態による学習装置について、図10を用いて説明する。第1及び第2実施形態による学習・識別装置と同様の構成要素には同一の符号を付し、説明を省略し或いは簡潔にする。図10は、本実施形態による学習装置の構成例を示す概略図である。
本発明の第4実施形態による識別装置について、図11を用いて説明する。第1及び第2実施形態による学習・識別装置と同様の構成要素には同一の符号を付し、説明を省略し或いは簡潔にする。図11は、本実施形態による識別装置の構成例を示す概略図である。
本発明は、上記実施形態に限らず種々の変形が可能である。
学習対象データに基づく複数の要素値が入力されるニューラルネットワーク部と、
前記ニューラルネットワーク部の学習を行う学習部と、を有し、
前記ニューラルネットワーク部は、前記複数の要素値の各々に所定の重み付けをする複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含む複数の学習セルを有し、
前記学習部は、前記学習セルの出力値に応じて、前記学習セルの前記複数の入力ノードの重み付け係数を更新し、又は、前記ニューラルネットワーク部に新たな学習セルを追加する
ことを特徴とする学習装置。
前記学習部は、前記複数の要素値と前記学習セルの出力値との間の相関値が所定の閾値未満の場合に、前記新たな学習セルを追加する
ことを特徴とする付記1記載の学習装置。
前記学習部は、前記複数の要素値の各々を、前記新たな学習セルの複数の入力ノードの各々の重み付け係数の初期値として設定する
ことを特徴とする付記2記載の学習装置。
前記学習部は、前記複数の要素値と前記学習セルの出力値との間の相関値が所定の閾値以上の場合に、前記学習セルの前記複数の入力ノードの前記重み付け係数を更新する
ことを特徴とする付記1記載の学習装置。
前記学習部は、前記相関値が前記閾値以上である前記学習セルが複数存在する場合に、前記相関値が最も大きい前記学習セルの前記複数の入力ノードの前記重み付け係数を更新する
ことを特徴とする付記4記載の学習装置。
前記複数の学習セルの各々は、教師情報を示す複数のカテゴリのうちのいずれかに紐付けられており、
前記学習部は、入力された前記学習対象データが属するカテゴリに紐付けられた前記学習セルの前記重み付け係数を更新する
ことを特徴とする付記4又は5記載の学習装置。
前記学習部は、前記学習セルの前記複数の入力ノードの各々の前記重み付け係数を、対応する前記入力ノードから入力された前記要素値に基づいて更新する
ことを特徴とする付記4乃至6のいずれか1項に記載の学習装置。
前記相関値は、前記学習セルの前記出力値に関する尤度である
ことを特徴とする付記2乃至7のいずれか1項に記載の学習装置。
前記尤度は、前記複数の入力ノードの各々に設定されている重み付け係数に応じた前記学習セルの出力の最大値に対する前記複数の要素値を入力したときの前記学習セルの前記出力値の比率である
ことを特徴とする付記8記載の学習装置。
所定の前処理を行った後の前記学習対象データから前記複数の要素値を抽出する抽出部を更に有する
ことを特徴とする付記1乃至9のいずれか1項に記載の学習装置。
前記前処理は、正規化処理、プーリング処理又は特徴抽出処理である
ことを特徴とする付記10記載の学習装置。
前記複数の学習セルを含む前記ニューラルネットワーク部を構築し演算を実行するための作業領域となる記憶部と、前記ニューラルネットワーク部における演算処理を制御する制御部と、を更に有し、
前記制御部は、前記記憶部に構築した前記ニューラルネットワーク部における前記複数の要素値に対する前記複数の学習セルにおける演算処理を並列して実行する
ことを特徴とする付記1乃至11のいずれか1項に記載の学習装置。
識別対象データに基づく複数の要素値が入力されるニューラルネットワーク部と、
前記ニューラルネットワーク部の出力に基づき前記識別対象データを識別する識別部と、を有し、
前記ニューラルネットワーク部は、前記複数の要素値の各々に所定の重み付けをする複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含む複数の学習セルを有し、
前記複数の学習セルの各々は、教師情報を示す複数のカテゴリのうちのいずれかに紐付けられており、
前記学習セルの前記複数の入力ノードは、前記複数の要素値の各々が対応するカテゴリに応じた所定の重みで入力されるように構成されており、
前記識別部は、前記学習セルの出力値と前記学習セルに紐付けられたカテゴリとに基づいて、前記識別対象データの属するカテゴリを識別する
ことを特徴とする識別装置。
前記識別部は、前記複数の要素値と前記学習セルの出力値との間の相関値が最も大きい前記学習セルに紐付けられたカテゴリを、前記識別対象データの属するカテゴリを識別する
ことを特徴とする付記13記載の識別装置。
前記識別部は、前記複数の学習セルの中から、前記複数の要素値の値と前記学習セルの出力値との間の相関値が大きい順に所定の数の前記学習セルを抽出し、抽出した前記学習セルに対して最も多く紐付けられたカテゴリを、前記識別対象データの属するカテゴリを識別する
ことを特徴とする付記13記載の識別装置。
前記複数の要素値を用いて前記学習セルの前記複数の入力ノードの各々の重み付け係数を更新する学習部を更に有する
ことを特徴とする付記13乃至15のいずれか1項に記載の識別装置。
学習対象データに基づく複数の要素値が入力される複数の入力ノードと、前記複数の要素値の各々に対して所定の重みで加算して出力する出力ノードと、を各々が含む複数の学習セルを有するニューラルネットワーク部を有する学習装置の学習方法であって、
学習対象データに基づく複数の要素値を、前記学習セルの前記複数の入力ノードに入力し、
前記学習セルの出力値に応じて、前記学習セルの前記複数の入力ノードの重み付け係数を更新し、又は、前記ニューラルネットワーク部に新たな学習セルを追加することにより、前記ニューラルネットワーク部を学習する
ことを特徴とする学習方法。
識別対象データに基づく複数の要素値が入力される複数の入力ノードと、前記複数の要素値に対して所定の重み付けをして加算して出力する出力ノードと、を各々が含み、各々が教師情報を示す複数のカテゴリのうちのいずれかに紐付けられた複数の学習セルを有するニューラルネットワーク部を有する識別装置を用いた識別方法であって、
識別対象データに基づく複数の要素値を、前記複数の学習セルの前記複数の入力ノードに入力し、
前記学習セルの出力値と前記学習セルに紐付けられたカテゴリとに基づいて、前記識別対象データの属するカテゴリを識別する
ことを特徴とする識別方法。
学習対象データに基づいて学習を行う学習装置において実行されるプログラムであって、コンピュータを、
学習対象データに基づく複数の要素値が入力される複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含む複数の学習セルを有するニューラルネットワーク部、
前記学習セルの出力値に応じて、前記学習セルの前記複数の入力ノードの重み付け係数を更新し、又は、前記ニューラルネットワーク部に新たな学習セルを追加する手段、
として機能させるプログラム。
識別対象データに基づいて識別を行う識別装置において実行されるプログラムであって、コンピュータを、
識別対象データに基づく複数の要素値が入力される複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含み、各々が教師情報を示す複数のカテゴリのうちのいずれかに紐付けられた複数の学習セルを有するニューラルネットワーク部、
前記学習セルの出力値と前記学習セルに紐付けられたカテゴリとに基づいて、前記識別対象データの属するカテゴリを識別する手段、
として機能させるプログラム。
付記19又は20に記載のプログラムを記録したコンピュータが読み取り可能な記録媒体。
12…前処理部
20…ニューラルネットワーク部
22,24…セル
26…学習セル
30…判定部
40…学習部
42…重み修正部
44…学習セル生成部
50…識別部
60…出力部
100…学習・識別装置
200…CPU
202…主記憶部
204…通信部
206…入出力インターフェース部
208…システムバス
210…出力装置
212…入力装置
214…記憶装置
300…学習装置
400…識別装置
前記識別部は、前記複数の要素値と前記学習セルの出力値との間の相関値が最も大きい前記学習セルに紐付けられたカテゴリを、前記識別対象データの属するカテゴリと識別する
ことを特徴とする付記13記載の識別装置。
前記識別部は、前記複数の学習セルの中から、前記複数の要素値の値と前記学習セルの出力値との間の相関値が大きい順に所定の数の前記学習セルを抽出し、抽出した前記学習セルに対して最も多く紐付けられたカテゴリを、前記識別対象データの属するカテゴリと識別する
ことを特徴とする付記13記載の識別装置。
Claims (21)
- 学習対象データに基づく複数の要素値が入力されるニューラルネットワーク部と、
前記ニューラルネットワーク部の学習を行う学習部と、を有し、
前記ニューラルネットワーク部は、前記複数の要素値の各々に所定の重み付けをする複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含む複数の学習セルを有し、
前記学習部は、前記学習セルの出力値に応じて、前記学習セルの前記複数の入力ノードの重み付け係数を更新し、又は、前記ニューラルネットワーク部に新たな学習セルを追加する
ことを特徴とする学習装置。 - 前記学習部は、前記複数の要素値と前記学習セルの出力値との間の相関値が所定の閾値未満の場合に、前記新たな学習セルを追加する
ことを特徴とする請求項1記載の学習装置。 - 前記学習部は、前記複数の要素値の各々を、前記新たな学習セルの複数の入力ノードの各々の重み付け係数の初期値として設定する
ことを特徴とする請求項2記載の学習装置。 - 前記学習部は、前記複数の要素値と前記学習セルの出力値との間の相関値が所定の閾値以上の場合に、前記学習セルの前記複数の入力ノードの前記重み付け係数を更新する
ことを特徴とする請求項1記載の学習装置。 - 前記学習部は、前記相関値が前記閾値以上である前記学習セルが複数存在する場合に、前記相関値が最も大きい前記学習セルの前記複数の入力ノードの前記重み付け係数を更新する
ことを特徴とする請求項4記載の学習装置。 - 前記複数の学習セルの各々は、教師情報を示す複数のカテゴリのうちのいずれかに紐付けられており、
前記学習部は、入力された前記学習対象データが属するカテゴリに紐付けられた前記学習セルの前記重み付け係数を更新する
ことを特徴とする請求項4又は5記載の学習装置。 - 前記学習部は、前記学習セルの前記複数の入力ノードの各々の前記重み付け係数を、対応する前記入力ノードから入力された前記要素値に基づいて更新する
ことを特徴とする請求項4乃至6のいずれか1項に記載の学習装置。 - 前記相関値は、前記学習セルの前記出力値に関する尤度である
ことを特徴とする請求項2乃至7のいずれか1項に記載の学習装置。 - 前記尤度は、前記複数の入力ノードの各々に設定されている重み付け係数に応じた前記学習セルの出力の最大値に対する前記複数の要素値を入力したときの前記学習セルの前記出力値の比率である
ことを特徴とする請求項8記載の学習装置。 - 所定の前処理を行った後の前記学習対象データから前記複数の要素値を抽出する抽出部を更に有する
ことを特徴とする請求項1乃至9のいずれか1項に記載の学習装置。 - 前記前処理は、正規化処理、プーリング処理又は特徴抽出処理である
ことを特徴とする請求項10記載の学習装置。 - 前記複数の学習セルを含む前記ニューラルネットワーク部を構築し演算を実行するための作業領域となる記憶部と、前記ニューラルネットワーク部における演算処理を制御する制御部と、を更に有し、
前記制御部は、前記記憶部に構築した前記ニューラルネットワーク部における前記複数の要素値に対する前記複数の学習セルにおける演算処理を並列して実行する
ことを特徴とする請求項1乃至11のいずれか1項に記載の学習装置。 - 識別対象データに基づく複数の要素値が入力されるニューラルネットワーク部と、
前記ニューラルネットワーク部の出力に基づき前記識別対象データを識別する識別部と、を有し、
前記ニューラルネットワーク部は、前記複数の要素値の各々に所定の重み付けをする複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含む複数の学習セルを有し、
前記複数の学習セルの各々は、教師情報を示す複数のカテゴリのうちのいずれかに紐付けられており、
前記学習セルの前記複数の入力ノードは、前記複数の要素値の各々が対応するカテゴリに応じた所定の重みで入力されるように構成されており、
前記識別部は、前記学習セルの出力値と前記学習セルに紐付けられたカテゴリとに基づいて、前記識別対象データの属するカテゴリを識別する
ことを特徴とする識別装置。 - 前記識別部は、前記複数の要素値と前記学習セルの出力値との間の相関値が最も大きい前記学習セルに紐付けられたカテゴリを、前記識別対象データの属するカテゴリを識別する
ことを特徴とする請求項13記載の識別装置。 - 前記識別部は、前記複数の学習セルの中から、前記複数の要素値の値と前記学習セルの出力値との間の相関値が大きい順に所定の数の前記学習セルを抽出し、抽出した前記学習セルに対して最も多く紐付けられたカテゴリを、前記識別対象データの属するカテゴリを識別する
ことを特徴とする請求項13記載の識別装置。 - 前記複数の要素値を用いて前記学習セルの前記複数の入力ノードの各々の重み付け係数を更新する学習部を更に有する
ことを特徴とする請求項13乃至15のいずれか1項に記載の識別装置。 - 学習対象データに基づく複数の要素値が入力される複数の入力ノードと、前記複数の要素値の各々に対して所定の重みで加算して出力する出力ノードと、を各々が含む複数の学習セルを有するニューラルネットワーク部を有する学習装置の学習方法であって、
学習対象データに基づく複数の要素値を、前記学習セルの前記複数の入力ノードに入力し、
前記学習セルの出力値に応じて、前記学習セルの前記複数の入力ノードの重み付け係数を更新し、又は、前記ニューラルネットワーク部に新たな学習セルを追加することにより、前記ニューラルネットワーク部を学習する
ことを特徴とする学習方法。 - 識別対象データに基づく複数の要素値が入力される複数の入力ノードと、前記複数の要素値に対して所定の重み付けをして加算して出力する出力ノードと、を各々が含み、各々が教師情報を示す複数のカテゴリのうちのいずれかに紐付けられた複数の学習セルを有するニューラルネットワーク部を有する識別装置を用いた識別方法であって、
識別対象データに基づく複数の要素値を、前記複数の学習セルの前記複数の入力ノードに入力し、
前記学習セルの出力値と前記学習セルに紐付けられたカテゴリとに基づいて、前記識別対象データの属するカテゴリを識別する
ことを特徴とする識別方法。 - 学習対象データに基づいて学習を行う学習装置において実行されるプログラムであって、コンピュータを、
学習対象データに基づく複数の要素値が入力される複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含む複数の学習セルを有するニューラルネットワーク部、
前記学習セルの出力値に応じて、前記学習セルの前記複数の入力ノードの重み付け係数を更新し、又は、前記ニューラルネットワーク部に新たな学習セルを追加する手段、
として機能させるプログラム。 - 識別対象データに基づいて識別を行う識別装置において実行されるプログラムであって、コンピュータを、
識別対象データに基づく複数の要素値が入力される複数の入力ノードと、重み付けをした前記複数の要素値を加算して出力する出力ノードと、を各々が含み、各々が教師情報を示す複数のカテゴリのうちのいずれかに紐付けられた複数の学習セルを有するニューラルネットワーク部、
前記学習セルの出力値と前記学習セルに紐付けられたカテゴリとに基づいて、前記識別対象データの属するカテゴリを識別する手段、
として機能させるプログラム。 - 請求項19又は20に記載のプログラムを記録したコンピュータが読み取り可能な記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017224329 | 2017-11-22 | ||
JP2017224329 | 2017-11-22 | ||
PCT/JP2018/042781 WO2019102984A1 (ja) | 2017-11-22 | 2018-11-20 | 学習装置及び学習方法、識別装置及び識別方法、プログラム並びに記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019102984A1 true JPWO2019102984A1 (ja) | 2020-07-09 |
JP6908302B2 JP6908302B2 (ja) | 2021-07-21 |
Family
ID=66631047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019555305A Active JP6908302B2 (ja) | 2017-11-22 | 2018-11-20 | 学習装置、識別装置及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11599791B2 (ja) |
JP (1) | JP6908302B2 (ja) |
CN (1) | CN111373418A (ja) |
WO (1) | WO2019102984A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11599791B2 (en) * | 2017-11-22 | 2023-03-07 | Nec Solution Innovators, Ltd. | Learning device and learning method, recognition device and recognition method, program, and storage medium |
US10863127B1 (en) * | 2018-08-21 | 2020-12-08 | Perceive Corporation | Compressive sensing based image capture using multi-lens array |
US11922314B1 (en) * | 2018-11-30 | 2024-03-05 | Ansys, Inc. | Systems and methods for building dynamic reduced order physical models |
KR20200072307A (ko) * | 2018-12-12 | 2020-06-22 | 삼성전자주식회사 | 뉴럴 네트워크에서의 부하 균형을 위한 장치 및 방법 |
JP6787444B1 (ja) * | 2019-05-23 | 2020-11-18 | 沖電気工業株式会社 | ニューラルネットワーク軽量化装置、ニューラルネットワーク軽量化方法およびプログラム |
US11610134B2 (en) | 2019-07-08 | 2023-03-21 | Vianai Systems, Inc. | Techniques for defining and executing program code specifying neural network architectures |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0991263A (ja) | 1995-09-20 | 1997-04-04 | Hitachi Medical Corp | ニューラルネットワーク構造最適化装置ならびに方法 |
JPH09259101A (ja) | 1996-03-22 | 1997-10-03 | Nec Corp | カテゴリ分類方法 |
JP2001051968A (ja) | 1999-08-05 | 2001-02-23 | Fuji Xerox Co Ltd | ニューラルネットワーク構築方法及びニューラルネットワーク処理装置 |
JP2002251601A (ja) | 2001-02-22 | 2002-09-06 | Fuji Xerox Co Ltd | ニューラルネットワーク処理装置 |
JP2003317073A (ja) | 2002-04-24 | 2003-11-07 | Fuji Xerox Co Ltd | ニューラルネットワーク処理装置 |
US8301356B2 (en) * | 2008-10-06 | 2012-10-30 | GM Global Technology Operations LLC | Engine out NOx virtual sensor using cylinder pressure sensor |
US9495619B2 (en) * | 2014-12-30 | 2016-11-15 | Facebook, Inc. | Systems and methods for image object recognition based on location information and object categories |
JP2017194782A (ja) * | 2016-04-19 | 2017-10-26 | ソニー株式会社 | 情報処理装置及び情報処理方法 |
WO2018023356A1 (en) * | 2016-08-01 | 2018-02-08 | Microsoft Technology Licensing, Llc | Machine translation method and apparatus |
US10949736B2 (en) * | 2016-11-03 | 2021-03-16 | Intel Corporation | Flexible neural network accelerator and methods therefor |
JP7005191B2 (ja) * | 2017-06-30 | 2022-01-21 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置、及びプログラム |
DE102017219365B4 (de) * | 2017-10-27 | 2023-03-30 | Zf Friedrichshafen Ag | Vorrichtung und Verfahren zur adaptiven Fahrzeugregelung |
US11599791B2 (en) * | 2017-11-22 | 2023-03-07 | Nec Solution Innovators, Ltd. | Learning device and learning method, recognition device and recognition method, program, and storage medium |
CN112262399A (zh) * | 2018-06-11 | 2021-01-22 | 日本电气方案创新株式会社 | 行动学习设备、行动学习方法、行动学习系统、程序以及记录介质 |
-
2018
- 2018-11-20 US US16/648,807 patent/US11599791B2/en active Active
- 2018-11-20 CN CN201880074223.9A patent/CN111373418A/zh active Pending
- 2018-11-20 JP JP2019555305A patent/JP6908302B2/ja active Active
- 2018-11-20 WO PCT/JP2018/042781 patent/WO2019102984A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019102984A1 (ja) | 2019-05-31 |
US11599791B2 (en) | 2023-03-07 |
JP6908302B2 (ja) | 2021-07-21 |
US20200285957A1 (en) | 2020-09-10 |
CN111373418A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6908302B2 (ja) | 学習装置、識別装置及びプログラム | |
CN111695415B (zh) | 图像识别方法及相关设备 | |
JP4618098B2 (ja) | 画像処理システム | |
CN112598643B (zh) | 深度伪造图像检测及模型训练方法、装置、设备、介质 | |
CN112418292B (zh) | 一种图像质量评价的方法、装置、计算机设备及存储介质 | |
CN112308115B (zh) | 一种多标签图像深度学习分类方法及设备 | |
US11449734B2 (en) | Neural network reduction device, neural network reduction method, and storage medium | |
CN113011529B (zh) | 文本分类模型的训练方法、装置、设备及可读存储介质 | |
CN113642400A (zh) | 基于2s-agcn的图卷积动作识别方法、装置及设备 | |
CN113255617A (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN114781611A (zh) | 自然语言处理方法、语言模型训练方法及其相关设备 | |
CN111694954A (zh) | 图像分类方法、装置和电子设备 | |
CN111753995A (zh) | 一种基于梯度提升树的局部可解释方法 | |
JP7073171B2 (ja) | 学習装置、学習方法及びプログラム | |
CN115879508A (zh) | 一种数据处理方法及相关装置 | |
WO2021059527A1 (ja) | 学習装置、学習方法、及び、記録媒体 | |
KR102408189B1 (ko) | 인공 신경망의 학습을 위해 표 형태의 데이터를 전처리 하는 방법 | |
WO2021145185A1 (ja) | 行動認識装置、行動認識方法、プログラム及び記録媒体 | |
JP6801751B1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
EP3940601A1 (en) | Information processing apparatus, information processing method, and information program | |
WO2021025094A1 (ja) | 行動学習装置、行動学習方法、行動決定装置、行動決定方法、行動学習システム、プログラム、及び記録媒体 | |
CN117274692A (zh) | 一种基于新遗传编程结构及基因修饰的图像分类方法 | |
CN118015707A (zh) | 一种手语识别系统中手语动作与非手语动作辨别分类方法、存储介质和电子设备 | |
CN116361657A (zh) | 用于对灰样本标签进行消歧的方法、系统和存储介质 | |
CN117474072A (zh) | 一种图卷积神经网络模型训练方法、装置及设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210310 |
|
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: 20210601 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210624 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6908302 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |