特許ウォッチ

公開番号2024070372
公報種別公開特許公報(A)
公開日2024-05-23
出願番号2022180816
出願日2022-11-11
発明の名称学習方法、情報処理システム、プログラム及び学習モデル
出願人国立大学法人東京大学
代理人弁理士法人IPX
主分類G06N 20/00 20190101AFI20240516BHJP(計算;計数)
要約【課題】法則等に従った特徴が明示的には与えられていないデータを用いて学習を行うことのできる学習方法、情報処理システム、プログラム及び学習モデルを提供すること。
【解決手段】本発明の一態様によれば、情報処理システムが実行する学習方法が提供される。この学習方法は、出力ステップと、受付ステップと、学習ステップとを備える。出力ステップでは、学習モデルが学習の過程で、与えられた条件に応じて、または条件を与えずに生成したデータを出力する。受付ステップでは、判定手段によるデータに対する真偽の判定結果の入力を受け付ける。学習ステップでは、判定結果に基づいて学習モデルの学習を進行させる。
【選択図】図2
特許請求の範囲【請求項１】
情報処理システムが実行する学習方法であって、
出力ステップと、受付ステップと、学習ステップとを備え、
前記出力ステップでは、学習モデルが学習の過程で、与えられた条件に応じて、または前記条件を与えずに生成したデータを出力し、
前記受付ステップでは、判定手段による前記データに対する真偽の判定結果の入力を受け付け、
前記学習ステップでは、前記判定結果に基づいて前記学習モデルの学習を進行させる
学習方法。
続きを表示（約 1,400 文字）【請求項２】
請求項１に記載の学習方法において、
前記判定手段は、物理的法則に基づいて前記データの真偽を判定する
学習方法。
【請求項３】
請求項２に記載の学習方法において、
前記判定手段は、前記データの前記条件に対する真偽を判定する
学習方法。
【請求項４】
請求項１に記載の学習方法において、
比較ステップを備え、
前記学習モデルは、生成器と識別器とを備え、
前記生成器は、前記データを生成し、
前記識別器は、前記データの真偽を識別し、
前記比較ステップでは、前記判定結果と、前記識別器による識別結果とを比較し、
前記学習ステップでは、前記比較ステップによる比較の結果に基づいて、前記生成器と前記識別器との学習を進行させ、該学習は、
前記生成器に、前記識別器が真と識別するデータを生成するように学習させ、
前記識別機に、前記データの真偽を前記判定手段による判定結果と同じ識別を行うように学習させる
学習方法。
【請求項５】
請求項４に記載の学習方法において、
前記学習ステップでは、前記比較ステップによる比較の結果に基づく学習の事前に、教師データを用いて前記生成器の事前学習を進行させ、該事前学習は、
前記生成器を、前記教師データを用いたニューラルネットワークとして動作させる
学習方法。
【請求項６】
請求項４に記載の学習方法において、
前記学習ステップでは、前記比較ステップによる比較の結果に基づく学習の事前に、教師データを用いて前記生成器と前記識別器との事前学習を進行させ、該事前学習は、
前記生成器に、前記識別器が真と識別するデータを生成するように学習させ、
前記識別機に、前記教師データを真と識別するように学習させる
学習方法。
【請求項７】
請求項４に記載の学習方法において、
前記判定手段は、前記データに基づいて算出された値と、物理的法則に基づく値との誤差を算出し、
前記学習は、前記生成器で所定数の２倍より多くのデータを生成し、該生成したデータのうち、前記誤差の少ない前記所定数のデータと、前記誤差の大きい前記所定数のデータを使用する
学習方法。
【請求項８】
請求項６に記載の学習方法において、
前記教師データは、前記生成器が生成したデータのうち、前記判定手段により真と判定されたデータである
学習方法。
【請求項９】
請求項６に記載の学習方法において、
前記条件が数値の範囲として与えられた場合に、該数値の範囲に含まれる所定の数の数値を条件として前記事前学習を行う
学習方法。
【請求項１０】
請求項１に記載の学習方法において、
前記判定手段は、前記データが、基準値の上限値以下で、かつ、該基準値の下限値以上の場合に、該データを真と判定し、
前記上限値は、前記学習モデルの学習の進行に伴って引き下げられ、
前記下限値は、前記学習モデルの学習の進行に伴って引き上げられる
学習方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、学習方法、情報処理システム、プログラム及び学習モデルに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
深層学習をはじめとする機械学習では、与えられたデータを使って学習モデルの学習を行う。このときデータには何らかの特徴が備わっている。データに特徴が備わるというのは、例えば質点の運動のデータがニュートンの運動の法則に従うことや、熱の輸送が熱力学の諸法則に従うことを意味する。また人の顔から年齢を認識するようなタスクでは、顔のデータには民俗学的ないし社会科学的な法則が備わっていると想定してよい。なお、学習モデルの精度を向上させるための学習データを生成することも提案されている（例えば、特許文献１を参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－９６５１１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、学習に用いられるデータとして、様々なもの、例えば、実験値や実測値、機械的に生成した値等を用いることができるが、これらのデータには、法則等に従った特徴が含まれていない場合があり、特に、機械的に生成したデータは、法則等に従った特徴が明示的には与えられておらず、学習の過程でモデルがデータから、その特徴を読み取ることを期待するほかなかった。
【０００５】
本発明では上記事情を鑑み、法則等に従った特徴が明示的には与えられていないデータを用いて学習を行うことのできる学習方法、情報処理システム、プログラム及び学習モデルを提供することとした。
【課題を解決するための手段】
【０００６】
本発明の一態様によれば、情報処理システムが実行する学習方法が提供される。この学習方法は、出力ステップと、受付ステップと、学習ステップとを備える。出力ステップでは、学習モデルが学習の過程で、与えられた条件に応じて、または条件を与えずに生成したデータを出力する。受付ステップでは、判定手段によるデータに対する真偽の判定結果の入力を受け付ける。学習ステップでは、判定結果に基づいて学習モデルの学習を進行させる。
【０００７】
本発明の一態様によれば、特徴を明示的に与えられたデータを十分に準備することなく、学習を行わせることが可能となる。
【図面の簡単な説明】
【０００８】
情報処理装置１の構成を示した図である。
情報処理装置１の機能的な構成を示すブロック図である。
学習部１１２の構成例を示した図である。
事前学習を行う際の学習部１１２の構成例を示した図である。
判定部１２１の調整例を示した図である。
情報処理装置１による学習結果の例を示した図である。
従来の別の方法による学習結果の例を示した図である。
【発明を実施するための形態】
【０００９】
以下、図面を用いて本開示の実施形態について説明する。以下に示す実施形態中で示した各種特徴事項は、互いに組み合わせ可能である。
【００１０】
ところで、本実施形態に登場するソフトウェアを実現するためのプログラムは、コンピュータが読み取り可能な非一時的な記録媒体（Ｎｏｎ－ＴｒａｎｓｉｔｏｒｙＣｏｍｐｕｔｅｒ－ＲｅａｄａｂｌｅＭｅｄｉｕｍ）として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、外部のコンピュータで当該プログラムを起動させてクライアント端末でその機能を実現（いわゆるクラウドコンピューティング）するように提供されてもよい。
（【００１１】以降は省略されています）

関連特許