JPWO2021059527A5 - 学習装置、学習方法、及び、プログラム - Google Patents
学習装置、学習方法、及び、プログラム Download PDFInfo
- Publication number
- JPWO2021059527A5 JPWO2021059527A5 JP2021548298A JP2021548298A JPWO2021059527A5 JP WO2021059527 A5 JPWO2021059527 A5 JP WO2021059527A5 JP 2021548298 A JP2021548298 A JP 2021548298A JP 2021548298 A JP2021548298 A JP 2021548298A JP WO2021059527 A5 JPWO2021059527 A5 JP WO2021059527A5
- Authority
- JP
- Japan
- Prior art keywords
- data set
- recognition
- learning
- assigned
- categories
- 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
- 238000000034 method Methods 0.000 title claims description 8
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims 2
Description
上記の課題を解決するため、本発明の一つの観点は、学習用データセットを用いて学習を行う学習装置であって、
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記学習装置は、
前記学習用データセットを供給するデータセット供給手段と、
供給された学習用データセット中の認識対象データに対する認識結果を出力する認識手段と、
前記学習用データセットに基づいて交差行列を算出する交差行列算出手段と、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出する認識損失算出手段と、
前記認識損失に基づいて前記認識手段のパラメータを更新する更新手段と、
を備える。
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記学習装置は、
前記学習用データセットを供給するデータセット供給手段と、
供給された学習用データセット中の認識対象データに対する認識結果を出力する認識手段と、
前記学習用データセットに基づいて交差行列を算出する交差行列算出手段と、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出する認識損失算出手段と、
前記認識損失に基づいて前記認識手段のパラメータを更新する更新手段と、
を備える。
本発明の他の観点は、学習用データセットを用いた学習方法であって、
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記学習方法は、
前記学習用データセットを供給し、
認識手段により、供給された学習用データセット中の認識対象データに対する認識結果を出力し、
前記学習用データセットに基づいて交差行列を算出し、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出し、
前記認識損失に基づいて前記認識手段のパラメータを更新する。
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記学習方法は、
前記学習用データセットを供給し、
認識手段により、供給された学習用データセット中の認識対象データに対する認識結果を出力し、
前記学習用データセットに基づいて交差行列を算出し、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出し、
前記認識損失に基づいて前記認識手段のパラメータを更新する。
本発明のさらにほかの観点は、学習用データセットを用いた学習処理のプログラムであって、
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記プログラムは、
前記学習用データセットを供給し、
認識手段により、供給された学習用データセット中の認識対象データに対する認識結果を出力し、
前記学習用データセットに基づいて交差行列を算出し、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出し、
前記認識損失に基づいて前記認識手段のパラメータを更新する学習処理をコンピュータに実行させる。
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記プログラムは、
前記学習用データセットを供給し、
認識手段により、供給された学習用データセット中の認識対象データに対する認識結果を出力し、
前記学習用データセットに基づいて交差行列を算出し、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出し、
前記認識損失に基づいて前記認識手段のパラメータを更新する学習処理をコンピュータに実行させる。
Claims (7)
- 学習用データセットを用いて学習を行う学習装置であって、
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記学習装置は、
前記学習用データセットを供給するデータセット供給手段と、
供給された学習用データセット中の認識対象データに対する認識結果を出力する認識手段と、
前記学習用データセットに基づいて交差行列を算出する交差行列算出手段と、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出する認識損失算出手段と、
前記認識損失に基づいて前記認識手段のパラメータを更新する更新手段と、
を備える学習装置。 - 前記交差行列算出手段は、前記学習用データセット中の認識対象データが各部分データセットに属する割合である第1の事前分布と、前記部分データセットに含まれる各カテゴリーの割合である第2の事前分布と、前記部分データセットの各々について割り当てられている前記責任範囲を示す符号と、に基づいて前記交差行列を算出する請求項1に記載の学習装置。
- 前記第1の事前分布を前記学習用データセットから推定する第1の推定手段と、
前記第2の事前分布を前記学習用データセットから推定する第2の推定手段と、
を備える請求項2に記載の学習装置。 - 前記交差行列算出手段は、前記第1の事前分布、前記第2の事前分布及び前記責任範囲を示す符号を用いて遷移行列を算出し、当該遷移行列の逆行列を用いて前記交差行列を算出する請求項2又は3に記載の学習装置。
- 前記認識損失算出手段は、前記学習用データセットに含まれる全ての認識対象データに対する認識結果と、前記認識対象とする全てのカテゴリーとの間の損失を、前記交差行列の要素を重みとして重み付け加算して前記認識損失を算出する請求項1乃至4のいずれか一項に記載の学習装置。
- 学習用データセットを用いた学習方法であって、
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記学習方法は、
前記学習用データセットを供給し、
認識手段により、供給された学習用データセット中の認識対象データに対する認識結果を出力し、
前記学習用データセットに基づいて交差行列を算出し、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出し、
前記認識損失に基づいて前記認識手段のパラメータを更新する学習方法。 - 学習用データセットを用いた学習処理のプログラムであって、
前記学習用データセットは、認識対象とする全てのカテゴリーの少なくとも一部が責任範囲として割り当てられた複数の部分データセットを含み、
認識対象とする全てのカテゴリーが前記複数の部分データセットのいずれかに割り当てられており、
前記部分データセットに含まれる各認識対象データには、当該部分データセットに割り当てられた前記責任範囲に属するカテゴリーのいずれか、又は、当該認識対象のカテゴリーが当該部分データセットの責任範囲に属さないことを示す正解データが付与されており、
前記プログラムは、
前記学習用データセットを供給し、
認識手段により、供給された学習用データセット中の認識対象データに対する認識結果を出力し、
前記学習用データセットに基づいて交差行列を算出し、
前記認識結果、前記交差行列、及び、前記認識対象データに付与されている正解データを用いて認識損失を算出し、
前記認識損失に基づいて前記認識手段のパラメータを更新する学習処理をコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/038343 WO2021059527A1 (ja) | 2019-09-27 | 2019-09-27 | 学習装置、学習方法、及び、記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021059527A1 JPWO2021059527A1 (ja) | 2021-04-01 |
JPWO2021059527A5 true JPWO2021059527A5 (ja) | 2022-05-24 |
JP7283554B2 JP7283554B2 (ja) | 2023-05-30 |
Family
ID=75166874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021548298A Active JP7283554B2 (ja) | 2019-09-27 | 2019-09-27 | 学習装置、学習方法、及び、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220335712A1 (ja) |
JP (1) | JP7283554B2 (ja) |
WO (1) | WO2021059527A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3832491A1 (en) * | 2019-12-06 | 2021-06-09 | Idemia Identity & Security France | Methods for processing a plurality of candidate annotations of a given instance of an image, and for learning parameters of a computational model |
CN114677566B (zh) * | 2022-04-08 | 2023-10-17 | 北京百度网讯科技有限公司 | 深度学习模型的训练方法、对象识别方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10558932B1 (en) * | 2014-04-23 | 2020-02-11 | Google Llc | Multi-machine distributed learning systems |
US20180330275A1 (en) * | 2017-05-09 | 2018-11-15 | Microsoft Technology Licensing, Llc | Resource-efficient machine learning |
JP6725452B2 (ja) * | 2017-05-26 | 2020-07-22 | 日本電信電話株式会社 | 分類装置、分類方法および分類プログラム |
US20200193220A1 (en) * | 2018-12-18 | 2020-06-18 | National Sun Yat-Sen University | Method for data imputation and classification and system for data imputation and classification |
-
2019
- 2019-09-27 US US17/641,875 patent/US20220335712A1/en active Pending
- 2019-09-27 JP JP2021548298A patent/JP7283554B2/ja active Active
- 2019-09-27 WO PCT/JP2019/038343 patent/WO2021059527A1/ja active Application Filing
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020227383A8 (en) | Combining machine learning with domain knowledge and first principles for modeling in the process industries | |
JPWO2021059527A5 (ja) | 学習装置、学習方法、及び、プログラム | |
CN108287471B (zh) | Mimo偏格式无模型控制器基于系统误差的参数自整定方法 | |
JP2016523402A5 (ja) | ||
CN107457780B (zh) | 控制机械臂运动的方法及装置、存储介质和终端设备 | |
CN110261247B (zh) | 金属材料各向异性屈服及硬化本构参数同步表征方法 | |
CN104076809B (zh) | 数据处理装置以及数据处理方法 | |
JP2016207166A5 (ja) | ||
KR20200072588A (ko) | Cnn기반의 딥러닝 모델 학습장치 및 그 방법 | |
CN104462015B (zh) | 处理非高斯Lévy噪声的分数阶线性离散系统状态更新方法 | |
GB2603064A (en) | Improved machine learning for technical systems | |
JP2019091493A5 (ja) | ||
CN108170029B (zh) | Mimo全格式无模型控制器基于偏导信息的参数自整定方法 | |
CN105975385A (zh) | 一种基于模糊神经网络的虚拟机能耗预测方法及系统 | |
JP2011248478A5 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JPWO2022044064A5 (ja) | 機械学習データ生成プログラム、機械学習データ生成方法および機械学習データ生成装置 | |
JP2018128995A5 (ja) | ||
JP2019185127A5 (ja) | ニューラルネットワークの学習装置およびその制御方法 | |
CN108022004A (zh) | 一种多模型加权组合电力负荷预报的自适应权重训练方法 | |
JP2017512522A5 (ja) | ||
JP2019219981A5 (ja) | 処理装置、方法、およびプログラム | |
JPWO2020009139A5 (ja) | 制御装置、システム、制御方法、方策更新方法、及び生成方法 | |
JP2019159888A5 (ja) | ||
JPWO2020255414A5 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
JP2018081350A5 (ja) |