特許ウォッチ

公開番号2025144144
公報種別公開特許公報(A)
公開日2025-10-02
出願番号2024043777
出願日2024-03-19
発明の名称モデル学習装置、モデル学習方法、プログラム
出願人日本電気株式会社
代理人個人,個人,個人,個人
主分類G06N 20/00 20190101AFI20250925BHJP(計算;計数)
要約【課題】機械学習モデルの更新前後において互換性を維持することが困難であること。
【解決手段】本開示のモデル学習装置100は、機械学習により生成された第一モデルと、機械学習により第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出する抽出部121と、抽出した第一モデルの特性と第二モデルの特性との誤差に基づく損失を用いて、第二モデルを機械学習する学習部122と、を備える。これにより、機械学習モデルの予測を意思決定に利用することができる。
【選択図】図5

特許請求の範囲【請求項１】
機械学習により生成された第一モデルと、機械学習により前記第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出する抽出部と、
抽出した前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく損失を用いて、前記第二モデルを機械学習する学習部と、
を備えたモデル学習装置。
続きを表示（約 1,300 文字）【請求項２】
請求項１に記載のモデル学習装置であって、
前記学習部は、前記第二モデルによる予測誤差に基づく第一損失と、前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく第二損失と、を用いて、前記第二モデルを機械学習する、
モデル学習装置。
【請求項３】
請求項２に記載のモデル学習装置であって、
前記学習部は、予め設定された第一データに対する前記第二モデルによる予測誤差に基づく前記第一損失と、予め設定された第二データに対する前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく前記第二損失と、を用いて、前記第二モデルを機械学習する、
モデル学習装置。
【請求項４】
請求項３に記載のモデル学習装置であって、
前記抽出部は、前記第一データに対する前記第一モデル及び前記第二モデルそれぞれによる予測性能に基づいて、前記第一データから前記第二データを抽出する、
モデル学習装置。
【請求項５】
請求項４に記載のモデル学習装置であって、
前記抽出部は、前記第一データに対する前記第一モデル及び前記第二モデルそれぞれによる予測性能が予め設定された基準により高いと判定された前記第一データを、前記第二データとして抽出する、
モデル学習装置。
【請求項６】
請求項１に記載のモデル学習装置であって、
前記抽出部は、入力データを入力したときに前記第一モデル及び前記第二モデルからそれぞれ出力される出力データに対する前記入力データに含まれる変数の関連度を、前記特性として抽出する、
モデル学習装置。
【請求項７】
請求項１に記載のモデル学習装置であって、
前記抽出部は、入力データを入力したときに前記第一モデル及び前記第二モデルを実行する計算機から計測される性能の値を、前記特性として抽出する、
モデル学習装置。
【請求項８】
機械学習により生成された第一モデルと、機械学習により前記第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出し、
抽出した前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく損失を用いて、前記第二モデルを機械学習する、
モデル学習方法。
【請求項９】
請求項８に記載のモデル学習方法であって、
前記第二モデルによる予測誤差に基づく第一損失と、前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく第二損失と、を用いて、前記第二モデルを機械学習する、
モデル学習方法。
【請求項１０】
機械学習により生成された第一モデルと、機械学習により前記第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出し、
抽出した前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく損失を用いて、前記第二モデルを機械学習する、
処理をコンピュータに実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、モデル学習装置、モデル学習方法、プログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
機械学習により生成されるモデルは、環境の変化などに対する性能の向上を図るべく新たな学習データを用いて再学習されることで更新されうる。そして、特許文献１では、更新の前後における各モデルの出力つまり予測結果を用いて、各モデルの精度と互換性を評価している。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０２２／１８５４４４号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上述した特許文献１に記載の技術では、更新前後のモデルにおける予測精度の互換性を評価しているだけであって、更新前のモデルに対して更新後のモデルの互換性が欠如することも生じうる。このため、機械学習モデルの更新前後において互換性を維持することが困難である、という問題が生じる。
【０００５】
このため、本開示の目的は、上述した課題である、機械学習モデルの更新前後において互換性を維持することが困難である、ことを解決することができるモデル学習装置を提供することにある。
【課題を解決するための手段】
【０００６】
本開示の一形態であるモデル学習装置は、
機械学習により生成された第一モデルと、機械学習により前記第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出する抽出部と、
抽出した前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく損失を用いて、前記第二モデルを機械学習する学習部と、
を備えた、
という構成をとる。
また、本開示の一形態であるモデル学習方法は、
機械学習により生成された第一モデルと、機械学習により前記第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出し、
抽出した前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく損失を用いて、前記第二モデルを機械学習する、
という構成をとる。
また、本開示の一形態であるプログラムは、
機械学習により生成された第一モデルと、機械学習により前記第一モデルが更新されて生成された第二モデルと、からモデルの予測誤差特性とは異なる予め設定された特性を抽出し、
抽出した前記第一モデルの前記特性と前記第二モデルの前記特性との誤差に基づく損失を用いて、前記第二モデルを機械学習する、
処理をコンピュータに実行させる、
という構成をとる。
【発明の効果】
【０００７】
本開示は、以上のように構成されることにより、機械学習モデルの更新前後において互換性を容易に維持することができる。
【図面の簡単な説明】
【０００８】
本開示にかかるモデル学習装置の構成を示すブロック図である。
本開示にかかるモデル学習装置の処理動作を示すフローチャートである。
本開示にかかるモデル学習装置の処理動作を示すフローチャートである。
本開示にかかるモデル学習装置のハードウェア構成を示すブロック図である。
本開示にかかるモデル学習装置の構成を示すブロック図である。
【発明を実施するための形態】
【０００９】
＜第１の実施形態＞
本開示の第１の実施形態について、図面を参照して説明する。なお、図面はいずれの実施形態においても関連しうる。
【００１０】
［構成］
本実施形態におけるモデル学習装置１０は、機械学習により生成された第一モデルをさらに機械学習して更新した第二モデルを生成する際に、第一モデルに対して第二モデルが互換性を有するよう生成することに用いるものである。このとき、第一モデル及び第二モデルは、所定の入力データに対する予測値を出力データとして出力するよう構成されている。
（【００１１】以降は省略されています）

関連特許