JPWO2021090518A5 - 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
- JPWO2021090518A5 JPWO2021090518A5 JP2021554809A JP2021554809A JPWO2021090518A5 JP WO2021090518 A5 JPWO2021090518 A5 JP WO2021090518A5 JP 2021554809 A JP2021554809 A JP 2021554809A JP 2021554809 A JP2021554809 A JP 2021554809A JP WO2021090518 A5 JPWO2021090518 A5 JP WO2021090518A5
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- grouping
- classes
- class
- probabilities
- 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 4
- 230000001131 transforming effect Effects 0.000 claims 4
- 230000009466 transformation Effects 0.000 claims 3
Description
本発明の一つの観点では、学習装置は、
予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力する予測手段と、
前記クラス毎の予測確率に基づいて、前記予測確率が上位のk個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出するグループ化手段と、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出する損失算出手段と、
算出された損失に基づいて、前記予測モデルを更新するモデル更新手段と、
を備える。
予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力する予測手段と、
前記クラス毎の予測確率に基づいて、前記予測確率が上位のk個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出するグループ化手段と、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出する損失算出手段と、
算出された損失に基づいて、前記予測モデルを更新するモデル更新手段と、
を備える。
本発明の他の観点では、プログラムは、
予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力し、
前記クラス毎の予測確率に基づいて、前記予測確率が上位k個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出し、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出し、
算出された損失に基づいて、前記予測モデルを更新する処理をコンピュータに実行させる。
予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力し、
前記クラス毎の予測確率に基づいて、前記予測確率が上位k個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出し、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出し、
算出された損失に基づいて、前記予測モデルを更新する処理をコンピュータに実行させる。
Claims (10)
- 予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力する予測手段と、
前記クラス毎の予測確率に基づいて、前記予測確率が上位のk個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出するグループ化手段と、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出する損失算出手段と、
算出された損失に基づいて、前記予測モデルを更新するモデル更新手段と、
を備える学習装置。 - 前記グループ化クラスの予測確率は、当該グループ化クラスを構成するk個のクラスのいずれかに正解が含まれる確率である請求項1に記載の学習装置。
- 前記グループ化手段は、前記予測手段が出力したクラス毎の予測確率を大きさ順に並び替え、前記k個のクラスを決定する請求項1又は2に記載の学習装置。
- 前記グループ化手段は、前記グループ化クラスを構成するk個のクラスの予測確率を当該グループ化クラスの予測確率に置き換えた変形予測結果と、前記グループ化クラスを構成するk個のクラスの目標データの値を当該グループ化クラスの目標データの値に置き換えた変形目標データと、を生成する変形手段を備え、
前記損失算出手段は、前記変形予測結果と、前記変形目標データとに基づいて前記損失を計算する請求項1乃至3のいずれか一項に記載の学習装置。 - 前記変形手段は、前記グループ化クラスを構成するk個のクラスの予測確率の和を当該グループ化クラスの予測確率とし、前記グループ化クラスを構成するk個のクラスに含まれる目標データの値の和を当該グループ化クラスの目標データの値とする請求項4に記載の学習装置。
- 前記グループ化手段は、前記グループ化クラスを構成するk個のクラスの予測確率を用いて目標データを変形して変形目標データを生成する変形手段を備え、
前記損失算出手段は、前記予測手段から出力された予測結果と、前記変形目標データとに基づいて前記損失を計算する請求項1乃至3のいずれか一項に記載の学習装置。 - 前記変形手段は、前記グループ化クラスを構成するk個のクラスの目標データの値の和を、当該k個のクラスの予測確率に応じて配分した値を、前記k個のクラス各々の目標データの値とする請求項6に記載の学習装置。
- 前記グループ化手段は、前記予測手段が出力したクラス毎の予測確率と、既定値とに基づいて前記kの値を決定する請求項1乃至7のいずれか一項に記載の学習装置。
- 予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力し、
前記クラス毎の予測確率に基づいて、前記予測確率が上位のk個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出し、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出し、
算出された損失に基づいて、前記予測モデルを更新する学習方法。 - 予測モデルを用いて入力データを複数のクラスに分類し、クラス毎の予測確率を予測結果として出力し、
前記クラス毎の予測確率に基づいて、前記予測確率が上位k個に含まれるk個のクラスにより構成されるグループ化クラスを生成し、当該グループ化クラスの予測確率を算出し、
前記グループ化クラスを含む複数のクラスの予測確率に基づいて損失を算出し、
算出された損失に基づいて、前記予測モデルを更新する処理をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/043909 WO2021090484A1 (ja) | 2019-11-08 | 2019-11-08 | 学習装置、情報統合システム、学習方法、及び、記録媒体 |
JPPCT/JP2019/043909 | 2019-11-08 | ||
PCT/JP2020/008844 WO2021090518A1 (ja) | 2019-11-08 | 2020-03-03 | 学習装置、情報統合システム、学習方法、及び、記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021090518A1 JPWO2021090518A1 (ja) | 2021-05-14 |
JPWO2021090518A5 true JPWO2021090518A5 (ja) | 2022-06-28 |
JP7287490B2 JP7287490B2 (ja) | 2023-06-06 |
Family
ID=75848295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021554809A Active JP7287490B2 (ja) | 2019-11-08 | 2020-03-03 | 学習装置、学習方法、及び、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220405534A1 (ja) |
JP (1) | JP7287490B2 (ja) |
WO (2) | WO2021090484A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361593B (zh) * | 2021-06-03 | 2023-12-19 | 阿波罗智联(北京)科技有限公司 | 生成图像分类模型的方法、路侧设备及云控平台 |
CN113255824B (zh) * | 2021-06-15 | 2023-12-08 | 京东科技信息技术有限公司 | 训练分类模型和数据分类的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5060224B2 (ja) * | 2007-09-12 | 2012-10-31 | 株式会社東芝 | 信号処理装置及びその方法 |
JP5660078B2 (ja) * | 2012-05-31 | 2015-01-28 | カシオ計算機株式会社 | 多クラス識別器、方法、およびプログラム |
-
2019
- 2019-11-08 WO PCT/JP2019/043909 patent/WO2021090484A1/ja active Application Filing
-
2020
- 2020-03-03 US US17/772,793 patent/US20220405534A1/en active Pending
- 2020-03-03 WO PCT/JP2020/008844 patent/WO2021090518A1/ja active Application Filing
- 2020-03-03 JP JP2021554809A patent/JP7287490B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gan et al. | A hybrid algorithm to optimize RBF network architecture and parameters for nonlinear time series prediction | |
US20190188611A1 (en) | Multi-step time series forecasting with residual learning | |
KR102190303B1 (ko) | Cnn기반의 딥러닝 모델 학습장치 및 그 방법 | |
SG10201805974UA (en) | Neural network system and operating method of neural network system | |
JP2018526733A5 (ja) | ||
JP2016103262A (ja) | ニューラルネットワーク構造拡張方法、次元縮小方法、及びその方法を用いた装置 | |
JP2019511033A5 (ja) | ||
KR102036968B1 (ko) | 전문화에 기반한 신뢰성 높은 딥러닝 앙상블 방법 및 장치 | |
JPWO2021090518A5 (ja) | 学習装置、学習方法、及び、プログラム | |
JP6892424B2 (ja) | ハイパーパラメータチューニング方法、装置及びプログラム | |
JP2019124990A (ja) | 解探索処理装置および解探索処理方法 | |
JP2019096255A5 (ja) | 下水道管渠内水位予測装置及び下水道管渠内水位予測プログラム | |
CN104732067A (zh) | 一种面向流程对象的工业过程建模预测方法 | |
CN112733458A (zh) | 一种基于自适应变分模态分解的工程结构信号处理方法 | |
JP2023139286A (ja) | 回路情報、情報処理方法、プログラムおよび情報処理システム | |
CN107145944A (zh) | 基于fpga高效训练的遗传算法及系统 | |
JPWO2020240871A5 (ja) | パラメータ学習装置、パラメータ学習方法、及びプログラム | |
JPWO2020240870A5 (ja) | パラメータ学習装置、パラメータ学習方法、及びプログラム | |
JP2017058848A (ja) | 情報処理システム、情報処理方法、及び、プログラム | |
WO2021059527A1 (ja) | 学習装置、学習方法、及び、記録媒体 | |
US20210232895A1 (en) | Flexible Parameter Sharing for Multi-Task Learning | |
US11670403B2 (en) | Method and apparatus for generating chemical structure using neural network | |
Kouzoupis | Structure-exploiting numerical methods for tree-sparse optimal control problems | |
Varnamkhasti et al. | A genetic algorithm based on sexual selection for the multidimensional 0/1 knapsack problems | |
JPWO2021059375A5 (ja) | 学習装置、学習方法、及び、プログラム |