The present invention can train a model for estimating a label that represents a data state with high accuracy. According to the present invention, a first model for obtaining a likelihood of a label is trained for each label by taking, as a prescribed size, a batch size that is a unit of training data used in machine training and by using training data in the batch size among training data sets, and outputs, for each piece of training data, time-series likelihood data that is a likelihood about each label for each time. A second model is trained for outputting any label from a likelihood change for each label through machine training by taking, as an input, the time-series likelihood data for each piece of the training data, to which a correct answer is granted, and making the batch size larger than the prescribed size in a first training unit 24.
La présente invention est capable d'entraîner un modèle servant à estimer une étiquette qui représente un état de données avec une grande précision. Selon la présente invention, un premier modèle servant à obtenir une probabilité d'une étiquette est entraîné pour chaque étiquette en prenant, en tant que taille prescrite, une taille de lot qui est une unité de données d'entraînement utilisée dans un apprentissage automatique et en utilisant des données d'entraînement dans la taille de lot parmi des ensembles de données d'entraînement, et délivre, pour chaque élément de données d'entraînement, des données de probabilité en série chronologique qui sont une probabilité concernant chaque étiquette pour chaque instant. Un second modèle est entraîné en vue de délivrer toute étiquette issue d'un changement de probabilité pour chaque étiquette par l'apprentissage automatique en prenant, en tant qu'entrée, les données de probabilité en série chronologique pour chaque élément des données d'entraînement, auquel est attribuée une réponse correcte, et en rendant la taille de lot supérieure à la taille prescrite dans une première unité 24 d'entraînement.
精度よくデータの状況を示すラベルを推定するためのモデルを学習できる。 機械学習で用いる学習データの単位であるバッチサイズを所定のサイズとして、学習データ集合のうちバッチサイズの学習データを用いて、ラベル毎にラベルの尤度を求めるための第1モデルを学習し、学習データの各々について、ラベル毎の各時間の尤度である時系列尤度データを出力する。正解ラベルを付与した、学習データの各々についての時系列尤度データを入力として、バッチサイズを第1学習部24の所定のサイズより大きいサイズとして、機械学習によって、ラベル毎の尤度の変化からいずれかのラベルを出力するための第2モデルを学習する。
TRAINING DEVICE, METHOD AND PROGRAM
DISPOSITIF, PROCÉDÉ ET PROGRAMME D'ENTRAÎNEMENT
学習装置、方法、及びプログラム
2020-05-22
Patent
Electronic Resource
Japanese
IPC: | G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS |
European Patent Office | 2024
|TRAINING SUPPORT DEVICE, TRAINING SUPPORT PROGRAM AND TRAINING SUPPORT METHOD
European Patent Office | 2015
|