特許ウォッチ

公開番号2024116974
公報種別公開特許公報(A)
公開日2024-08-28
出願番号2023022873
出願日2023-02-16
発明の名称情報処理装置、情報処理方法、及びプログラム
出願人日本電気株式会社
代理人弁理士法人ブライタス
主分類G06N 5/025 20230101AFI20240821BHJP(計算;計数)
要約【課題】ICTシステムの設計の高品質化および高速化を図る。
【解決手段】情報処理装置は、第1情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第1定量要件を複数含む構成案情報を取得し、複数の第2情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第2定量要件に基づいて、第1定量要件それぞれにおける定量値の期待値を算出し、第1定量要件それぞれの種別に応じて定義された正規化関数に基づいて、第1定量要件それぞれの定量値の期待値の値域を一定の範囲に変換し、変換された第1定量要件それぞれの定量値の期待値に基づいて、構成案情報の評価値を算出し、評価値を出力装置に出力する。
【選択図】図1
特許請求の範囲【請求項１】
第１情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第１定量要件を複数含む構成案情報を取得する第１取得手段と、
複数の第２情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第２定量要件に基づいて、前記第１定量要件それぞれにおける前記定量値の期待値を算出する期待値算出手段と、
前記第１定量要件それぞれの種別に応じて定義された正規化関数に基づいて、前記第１定量要件それぞれの前記定量値の期待値の値域を一定の範囲に変換する正規化手段と、
変換された前記第１定量要件それぞれの前記定量値の期待値に基づいて、前記構成案情報の評価値を算出する評価値算出手段と、
前記評価値を出力装置に出力する出力制御手段と、
を備える情報処理装置。
続きを表示（約 1,700 文字）【請求項２】
前記情報処理装置は、さらに、
前記第１定量要件それぞれの種別に基づいて、前記第１定量要件それぞれを分類する分類手段、
を備える請求項１に記載の情報処理装置。
【請求項３】
前記情報処理装置は、さらに、
前記第１定量要件それぞれの種別に基づいて、前記第１定量要件それぞれに含まれる定量値の単位変換を行う単位調整手段
を備える請求項１に記載の情報処理装置。
【請求項４】
前記情報処理装置は、さらに、
前記第１定量要件それぞれに含まれる所定の情報に基づいて、前記第１定量要件それぞれの定量値の最適化の方向を決定する方向調整手段
を備える請求項１に記載の情報処理装置。
【請求項５】
前記情報処理装置は、さらに、
前記第１定量要件における定量値の単位間での単位の変換規則が規定された第１変換情報と、前記第１定量要件それぞれの種別に応じて定義された正規化関数に関する正規化関数定義情報を格納する格納手段
を備える請求項１に記載の情報処理装置。
【請求項６】
前記正規化手段は、前記第１定量要件それぞれに定義された前記定量値の上限値もしくは前記定量値の下限値、または前記定量値の上限値及び下限値の定義を用いて決定した正規化関数に基づいて、前記定量値の値域を一定の範囲に変換する
請求項１に記載の情報処理装置。
【請求項７】
前記情報処理装置は、さらに、
前記第１情報通信システムの構成に関する要件を複数組み合わせた第１要件を複数含む要件情報を取得する第２取得手段と、
前記第１情報通信システムの構成に関して第１の形式で定義された第１要素または要素間の第１関係性を第２の形式で定義された１または複数の第２要素または要素間の第２関係性に置換する規則が定義された規則情報に基づいて、複数の前記第１要件のそれぞれについて、前記第１要素または前記第１関係性に対応する要件を前記第２要素または第２関係性に対応する定量要件に置換する置換手段と、
を備える請求項１に記載の情報処理装置。
【請求項８】
前記情報処理装置は、さらに、
前記定量要件に対する重み係数の組み合わせに対応した構成案情報と前記構成案情報の評価値との相関情報に基づいて学習を行う第２人工知能を用いて、前記定量要件に対する重み係数を正規化または算出する係数調整部
を備える請求項７に記載の情報処理装置。
【請求項９】
コンピュータが、
第１情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第１定量要件を複数含む構成案情報を取得し、
複数の第２情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第２定量要件に基づいて、前記第１定量要件それぞれにおける前記定量値の期待値を算出し、
前記第１定量要件それぞれの種別に応じて定義された正規化関数に基づいて、前記第１定量要件それぞれの前記定量値の期待値の値域を一定の範囲に変換し、
変換された前記第１定量要件それぞれの前記定量値の期待値に基づいて、前記構成案情報の評価値を算出し、
前記評価値を出力装置に出力する、
情報処理方法。
【請求項１０】
コンピュータに、
第１情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第１定量要件を複数含む構成案情報を取得させ、
複数の第２情報通信システムの構成に関する定量値が設定された要件を表す定量要件を複数組み合わせた第２定量要件に基づいて、前記第１定量要件それぞれにおける前記定量値の期待値を算出させ、
前記第１定量要件それぞれの種別に応じて定義された正規化関数に基づいて、前記第１定量要件それぞれの前記定量値の期待値の値域を一定の範囲に変換させ、
変換された前記第１定量要件それぞれの前記定量値の期待値に基づいて、前記構成案情報の評価値を算出させ、
前記評価値を出力装置に出力させる、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置、情報処理方法、及びプログラムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
ＩＣＴ（Information Communication Technology）システムの構築にあたって必要となる工程には、システムに対して求められる要件を満たす具体的なシステム構成を設計する、設計工程が含まれる。設計工程では、要件を基に作成された具体構成の案（構成案）の良し悪しを、機能要件の面に加えて帯域等の性能要件の面など多様な観点で判断する必要がある。
【０００３】
特許文献１には、ＩＣＴシステムの設計に係る工数的負担の削減を目的とした、機械学習を用いたＩＣＴシステムの自動設計技術（学習型システム自動設計技術）について記載されている。この技術では、技術者のシステム設計に係る知識（設計知識）を学習したＡＩ（Artificial Intelligence）が、システムの抽象構成情報（要件）に含まれる抽象的な要素を部分的に具体化する手段（具体化手段）を繰り返し適用する。これにより、高信頼なシステムの具体構成情報を高速に生成することが可能となる。
【０００４】
非特許文献１には、特許文献１に示す学習型システム自動設計技術を更に拡張した、機械学習を用いたＩＣＴシステムの自動設計技術について記載されている。この技術では、特許文献１の技術で学習可能であったシステムの機能要件に加え、システムの帯域性能、遅延性能、コストといった定量要件についてもＡＩに学習させる。これにより、ＡＩが技術者のシステム設計に係るより高度な設計知識を疑似的に獲得可能となり、より多種多様な要件に対するシステム構成の設計高速化および更なる高信頼化が可能となる。非特許文献１に示す自動設計技術では、ＡＩにより算出される、遅延や帯域、コストといった複数の定量要件に関する定量値の期待値から、設計される構成案の評価値を算出することで構成案の良し悪しを評価する。しかしながら、非特許文献１では、各定量値の単位と、定量値の最適化の方向（最大化又は最小化）、および定量要件間の優先度を表す重みを人手で調整する必要があり、構成案の評価を完全に自動化できていない。
【０００５】
特許文献２には、説明変数が多いデータをコンピュータが処理するにあたり、高い精度で重要な説明変数を選択することができる情報処理装置について記載されている。この技術では、所定の目的変数の算出に用いられる複数の説明変数に対し、各説明変数の重要度を表す重み係数を重回帰、サポートベクター回帰、決定木などの複数の手法により算出し、算出結果に基づいて重要度の高い説明変数を抽出し出力する。これにより、重要な説明変数を高い精度で選択することが可能となり、目的変数の算出にあたってさらなる高精度化が可能となる。
【０００６】
特許文献３には、教師あり機械学習に用いられるパターン認識モデルの一つであるサポートベクタマシンにおいて、入力データを構成する複数の特徴量のそれぞれがモデルの識別結果に与える影響度と識別の難易度を同意に評価する特徴量評価装置が記載されている。この技術では、分類対象のデータから抽出される複数の特徴量の値を正規化し、正規化された特徴量の値を用いて識別境界を計算することで各特徴量の重み係数を算出し、さらに各重み係数の値を正規化する。これにより、大きさの異なる多次元の特徴量を持つデータに対し、各特徴量間が識別結果に与える相対的な影響度を維持しつつ、特徴量の識別の難易度についても同時に評価可能となる。
【先行技術文献】
【特許文献】
【０００７】
特許第６９８９０１４号公報
特開２０２１－１１７６６２号公報
特開２０２１－１５２８５４号公報
【非特許文献】
【０００８】
黒田貴之、八鍬豊、田辺和輝、機械学習を用いたネットワークの自動設計技術、電子情報通信学会誌Ｖｏｌ．１０５、Ｎｏ．１０、ｐｐ．１２０８－１２１４２０２２年１０月
【発明の概要】
【発明が解決しようとする課題】
【０００９】
上述したように、非特許文献１に示す自動設計技術では、複数の定量要件に関して設計される構成案に対する評価を行う際、各定量要件で扱う定量値の単位と、定量値の最適化の方向、および定量要件の重みを人手で調整する必要がある。そのため、構成案の評価を完全に自動化できていない。
【００１０】
機械学習に関連する、複数の数値を複合的に扱うことを目的とした従来技術においても、前述した要素を全て考慮し、複数の数値から単一のスカラ値である評価値を自動で算出することは実現できていない。
（【００１１】以降は省略されています）

関連特許