JPWO2021220450A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021220450A5 JPWO2021220450A5 JP2022518529A JP2022518529A JPWO2021220450A5 JP WO2021220450 A5 JPWO2021220450 A5 JP WO2021220450A5 JP 2022518529 A JP2022518529 A JP 2022518529A JP 2022518529 A JP2022518529 A JP 2022518529A JP WO2021220450 A5 JPWO2021220450 A5 JP WO2021220450A5
- Authority
- JP
- Japan
- Prior art keywords
- input data
- identification
- learning model
- objective function
- class
- 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
- 230000006870 function Effects 0.000 claims 12
- 238000000034 method Methods 0.000 claims 3
- 238000004590 computer program Methods 0.000 claims 1
Claims (10)
- 学習可能な学習モデルを用いて、入力データのクラスを識別する識別手段と、
前記入力データのクラスの識別結果の正確さを評価するための第1指標値と前記入力データのクラスの識別に要する時間を評価するための第2指標値との間の関連性に基づく目的関数を用いて、前記学習モデルを更新する更新手段と
を備える識別装置。 - 前記目的関数は、前記第1及び第2指標値に夫々対応する二つの座標軸を含む座標平面内で前記関連性を示す曲線に基づく関数を含む
請求項1に記載の識別装置。 - 前記目的関数は、前記曲線よりも下側の領域の面積に基づく関数を含む
請求項2に記載の識別装置。 - 前記第1及び第2指標値の夫々が、最小値がゼロとなり且つ最大値が1となるようにお正規化されている場合には、前記曲線よりも下側の領域は、前記曲線と、前記二つの座標軸のうちの前記時間指標値に対応する一の座標軸と、前記時間指標値=1という数式で特定される直線とによって囲まれる領域である
請求項3に記載の識別装置。 - 前記目的関数は、目的関数をLとし、且つ、最大値が1になるように正規化された前記面積をSとすると、L=(1-S)2という数式を用いて定義される
請求項3又は4に記載の識別装置。 - 前記更新手段は、前記面積が最大になるように、前記目的関数を用いて前記学習モデルを更新する
請求項3から5のいずれか一項に記載の識別装置。 - 前記学習モデルは、前記入力データが入力された場合に、前記入力データが所定クラスに属する確からしさを示す尤度を出力し、
前記識別手段は、前記尤度と所定閾値との大小関係に基づいて、前記入力データのクラスを識別し、
前記更新手段は、(i)互いに異なる複数の前記所定閾値を用いた前記識別手段の識別結果に基づいて、前記第1及び第2指標値を算出し、(ii)前記算出した第1及び第2指標値に基づいて、前記目的関数を算出し、(iii)前記算出した目的関数を用いて、前記学習モデルを更新する
請求項1から6のいずれか一項に記載の識別装置。 - 前記入力データは、系統だって配列可能な複数の単位データを含む系列データを含み、
前記学習モデルは、前記系列データが入力された場合に、前記系列データが所定クラスに属する確からしさを示す尤度を、前記複数の単位データに夫々対応して複数出力する
請求項1から7のいずれか一項に記載の識別装置。 - 学習可能な学習モデルを用いて、入力データのクラスを識別することと、
前記入力データのクラスの識別結果の正確さを評価するための第1指標値と前記入力データのクラスの識別に要する時間を評価するための第2指標値との間の関連性に基づく目的関数を用いて、前記学習モデルを更新することと
を含む識別方法。 - コンピュータに識別方法を実行させるコンピュータプログラムであって、
前記識別方法は、
学習可能な学習モデルを用いて、入力データのクラスを識別することと、
前記入力データのクラスの識別結果の正確さを評価するための第1指標値と前記入力データのクラスの識別に要する時間を評価するための第2指標値との間の関連性に基づく目的関数を用いて、前記学習モデルを更新することと
を含むコンピュータプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/018236 WO2021220450A1 (ja) | 2020-04-30 | 2020-04-30 | 識別装置、識別方法及び記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021220450A1 JPWO2021220450A1 (ja) | 2021-11-04 |
JPWO2021220450A5 true JPWO2021220450A5 (ja) | 2023-01-23 |
JP7464114B2 JP7464114B2 (ja) | 2024-04-09 |
Family
ID=78331882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022518529A Active JP7464114B2 (ja) | 2020-04-30 | 2020-04-30 | 識別装置、識別方法及び記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220245519A1 (ja) |
JP (1) | JP7464114B2 (ja) |
WO (1) | WO2021220450A1 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11308400B2 (en) | 2017-08-18 | 2022-04-19 | University Of Southern California | Optimally stopped optimization systems having heuristic optimizer and methods using the same |
CN111108362B (zh) * | 2017-09-06 | 2022-05-24 | 日本电信电话株式会社 | 异常声音探测装置、异常模型学习装置、异常探测装置、异常声音探测方法、以及记录介质 |
JP6773707B2 (ja) * | 2018-03-20 | 2020-10-21 | 株式会社東芝 | 信号処理装置、信号処理方法およびプログラム |
-
2020
- 2020-04-30 WO PCT/JP2020/018236 patent/WO2021220450A1/ja active Application Filing
- 2020-04-30 JP JP2022518529A patent/JP7464114B2/ja active Active
- 2020-04-30 US US17/617,659 patent/US20220245519A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598802B (zh) | 一种内存检测模型训练的方法、内存检测的方法及装置 | |
WO2021184554A1 (zh) | 数据库异常监测方法、装置、计算机装置及存储介质 | |
CN106980623B (zh) | 一种数据模型的确定方法及装置 | |
EP3913545A2 (en) | Method and apparatus for updating parameter of multi-task model, and electronic device | |
JP2020535546A5 (ja) | ||
CN110225055B (zh) | 一种基于knn半监督学习模型的网络流量异常检测方法与系统 | |
CN110520868A (zh) | 分布式强化学习 | |
WO2021089013A1 (zh) | 空间图卷积网络的训练方法、电子设备及存储介质 | |
US20190057084A1 (en) | Method and device for identifying information | |
WO2021139317A1 (zh) | 语料数据的数据特征增强方法、装置、计算机设备及存储介质 | |
WO2021051556A1 (zh) | 深度学习权值更新方法、系统、计算机设备及存储介质 | |
CN113011155B (zh) | 用于文本匹配的方法、装置、设备和存储介质 | |
WO2020143301A1 (zh) | 一种训练样本有效性检测方法、计算机设备及计算机非易失性存储介质 | |
CN109716364A (zh) | 使用延迟因果更新的突触前学习 | |
CN112488183A (zh) | 一种模型优化方法、装置、计算机设备及存储介质 | |
US9443493B2 (en) | Graph display control apparatus, graph display control method and non-transitory storage medium having stored thereon graph display control program | |
CN113635896B (zh) | 一种驾驶行为确定方法及其相关设备 | |
JPWO2021220450A5 (ja) | ||
CN105574031A (zh) | 用于数据库索引的方法和系统 | |
US20210117799A1 (en) | Monitoring performance of a storage system using paired neural networks | |
CN113111996A (zh) | 模型生成方法和装置 | |
CN108509984A (zh) | 激活值量化训练方法及装置 | |
EP3682380A1 (en) | Evolving computer-based reasoning systems | |
CN114185881B (zh) | 异常数据自动修复方法、装置、设备及存储介质 | |
US20230041338A1 (en) | Graph data processing method, device, and computer program product |