特許ウォッチ

公開番号2024078181
公報種別公開特許公報(A)
公開日2024-06-10
出願番号2022190578
出願日2022-11-29
発明の名称機械学習プログラム,機械学習方法および情報処理装置
出願人富士通株式会社
代理人弁理士法人真田特許事務所,個人
主分類G06N 3/088 20230101AFI20240603BHJP(計算;計数)
要約【課題】機械学習に要する時間を短縮できるようにする。
【解決手段】データ群のクラスタリングを行なう機械学習モデルの訓練において、NCut(Normalized Cut)を用いた第一の最適化関数を、ニューラルネットワークの導入とクラスタリングにおけるクラスタについての一様仮定とに基づいて変換して第二の最適化関数を生成し、第二の最適化関数を最適化する処理を実行することで機械学習モデルの訓練を実行する。
【選択図】図3
特許請求の範囲【請求項１】
データ群のクラスタリングを行なう機械学習モデルの訓練において、
ＮＣｕｔ（Normalized Cut）を用いた第一の最適化関数を、ニューラルネットワークの導入とクラスタリングにおけるクラスタについての一様仮定とに基づいて変換して第二の最適化関数を生成し、
前記第二の最適化関数を最適化する処理を実行することで前記機械学習モデルの訓練を実行する
処理をコンピュータに実行させることを特徴とする機械学習プログラム。
続きを表示（約 540 文字）【請求項２】
前記第二の最適化関数を生成する処理において、多様体制約に基づく制約関数を生成し、前記第二の最適化関数に含める
処理を前記コンピュータに実行させることを特徴とする請求項１に記載の機械学習プログラム。
【請求項３】
データ群のクラスタリングを行なう機械学習モデルの訓練において、
ＮＣｕｔを用いた第一の最適化関数を、ニューラルネットワークの導入とクラスタリングにおけるクラスタについての一様仮定とに基づいて変換して第二の最適化関数を生成し、
前記第二の最適化関数を最適化する処理を実行することで前記機械学習モデルの訓練を実行する
処理をコンピュータが実行することを特徴とする機械学習方法。
【請求項４】
データ群のクラスタリングを行なう機械学習モデルの訓練において、
ＮＣｕｔを用いた第一の最適化関数を、ニューラルネットワークの導入とクラスタリングにおけるクラスタについての一様仮定とに基づいて変換して第二の最適化関数を生成し、
前記第二の最適化関数を最適化する処理を実行することで前記機械学習モデルの訓練を実行する
処理を実行する制御部を備えることを特徴とする情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、機械学習プログラム，機械学習方法および情報処理装置に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
近年、ＡＩ（Artificial Intelligence）が様々な分野で活用されており、例えば、データ間の類似度に基づいてデータを分類（グループ分け）するクラスタリングに用いられる。
【０００３】
クラスタリングは機械学習における教師なし学習の一種である。例えば、ラベル無しデータセット（ｎ個のデータ点もしくは特徴ベクトルで構成）とそのクラスタ数Ｃとが与えられた場合に、クラスタリングにおいては、そのデータセットをＣ個の部分集合に分割する。
【０００４】
低次元の単純多様体構造を持つデータセットに対するクラスタリング手法として、例えば、Ｋ均等法，ガウス混合分布クラスタリング，スペクトラルクラスタリングが知られている。スペクトラルクラスタリングは、低次元の複雑多様体構造を持つデータセットに対するクラスタリング手法としても用いられる。
【０００５】
ここで、単純多様体構造とは、ガウシアンミクスチャーモデルもしくはそれに近似できるデータセットにより形成される多様体の構造を指す。逆に、複雑多様体構造とは、単純な多様体以外の多様体の構造を指す。また低次元とは２～３次元程度の次元を表す。
【０００６】
スペクトラルクラスタリングにおいては、以下の式（ａ）で定義されるＷ
－
に関する固有値問題を解き、大きさに関して上位Ｃ個の固有値に対応する固有ベクトルを並べてｎ×Ｃの行列を定義する。
【０００７】
Ｗ
－
=Ｄ
－１／２
ＷＤ
－１／２
・・・（ａ）
定義された行列のｉ番目の行をｘ
－
ｉ
とする。ｘ
－
ｉ
は、データ点ｘ
ｉ
の低次元表現と解釈できる。低次元表現の集合{ ｘ
－
ｉ
}
ｎ
ｉ＝１
を考える。これらに対してＫ均等法をＫ＝Ｃとして行ない、クラスタレベルを得る。
【先行技術文献】
【特許文献】
【０００８】
米国特許出願公開第２０１９／０３４７５６７号明細書
米国特許出願公開第２０１７／０２０００９２号明細書
特開２０２１－１９３５６４号公報
国際公開第２０２２／００９２５４号
【発明の概要】
【発明が解決しようとする課題】
【０００９】
上述の如く、スペクトラルクラスタリングにおいては、式（ａ）で定義されるＷ
－
に関する固有値問題を解く。Ｗ
－
をｎ×ｎの行列と表すと、計算時間にＯ（ｎ
３
）を要する。従って、例えば、ｎ＝１０
７
～１０
９
のような大規模データセットに対するスペクトラルクラスタリングの実行には膨大な時間がかかり、実質的に実行不可能である。
【００１０】
１つの側面では、本発明は、機械学習に要する時間を短縮できるようにすることを目的とする。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許