TOP特許意匠商標
特許ウォッチ Twitter
公開番号2025010791
公報種別公開特許公報(A)
公開日2025-01-23
出願番号2023113006
出願日2023-07-10
発明の名称情報処理方法
出願人トヨタ自動車株式会社
代理人弁理士法人秀和特許事務所
主分類G06N 3/098 20230101AFI20250116BHJP(計算;計数)
要約【課題】サーバ装置と複数の情報処理装置との間で効率的に連合学習を行う。
【解決手段】それぞれ異なる移動体に搭載された複数の情報処理装置のそれぞれが、ローカルデータを使用して機械学習を実施し、ローカルモデルを生成する。
複数の情報処理装置のそれぞれは、サーバ装置から、第一の閾値および評価指標を受信し、前記評価指標に従って評価値を算出する。また、前記複数の情報処理装置それぞれが、近接通信によって、所定の範囲内に存在する1台以上の他の移動体のそれぞれに搭載された他の情報処理装置と、前記評価値を交換する。そして、前記所定の範囲内に存在する1台以上の移動体のそれぞれに搭載され、前記算出した評価値が所定値以上である情報処理装置のうち、前記第一の閾値を上限とする数の情報処理装置が、生成した前記ローカルモデルを示すローカルモデル情報をサーバ装置に送信する。
【選択図】図1
特許請求の範囲【請求項1】
それぞれ異なる移動体に搭載された複数の情報処理装置のそれぞれが、ローカルデータを使用して機械学習を実施し、ローカルモデルを生成することと、
前記複数の情報処理装置のそれぞれが、サーバ装置から、第一の閾値および評価指標を受信することと、
前記複数の情報処理装置のそれぞれが、前記評価指標に従って評価値を算出することと、
前記複数の情報処理装置それぞれが、近接通信によって、所定の範囲内に存在する1台以上の他の移動体のそれぞれに搭載された他の情報処理装置と、前記評価値を交換することと、
前記所定の範囲内に存在する1台以上の移動体のそれぞれに搭載され、前記算出した評価値が所定値以上である情報処理装置のうち、前記第一の閾値を上限とする数の情報処理装置が、生成した前記ローカルモデルを示すローカルモデル情報をサーバ装置に送信することと、
を含む、情報処理方法。
続きを表示(約 520 文字)【請求項2】
前記評価指標は、前記ローカルデータの品質、前記情報処理装置の演算能力、および前記情報処理装置の通信能力のうちの少なくともいずれかを評価するための指標を含む、
請求項1に記載の情報処理方法。
【請求項3】
前記サーバ装置は、前記複数の情報処理装置のそれぞれに対して、グローバルモデルを送信し、
前記複数の情報処理装置のそれぞれが、前記グローバルモデルに基づいて前記ローカルモデルを生成する、
請求項1に記載の情報処理方法。
【請求項4】
前記複数の情報処理装置のそれぞれが、前記交換した複数の評価値に基づいて、前記ローカルモデル情報を前記サーバ装置に送信するか否かを決定する、
請求項1から3のいずれか1項に記載の情報処理方法。
【請求項5】
前記複数の情報処理装置のそれぞれは、
自装置が算出した評価値が前記所定値以上であり、かつ、前記所定の範囲内において自装置よりも高い評価値を算出した前記情報処理装置の数が前記第一の閾値を下回る場合に、前記ローカルモデル情報を前記サーバ装置に送信する、
請求項4に記載の情報処理方法。

発明の詳細な説明【技術分野】
【0001】
本開示は、連合学習技術に関する。
続きを表示(約 1,500 文字)【背景技術】
【0002】
機械学習の手法として連合学習が提案されている。連合学習は、学習データを一箇所に集約せず、分散的に機械学習を実施する手法である。これに関連して、例えば特許文献1には、サーバ装置及びクライアント装置の間で連合学習を行う手順の一例が開示されている。
【先行技術文献】
【特許文献】
【0003】
米国特許出願公開第2020/0242514号明細書
【発明の概要】
【発明が解決しようとする課題】
【0004】
本開示は、サーバ装置と複数の情報処理装置との間で効率的に連合学習を行うことを目的とする。
【課題を解決するための手段】
【0005】
本開示の実施形態の一態様は、
それぞれ異なる移動体に搭載された複数の情報処理装置のそれぞれが、ローカルデータを使用して機械学習を実施し、ローカルモデルを生成することと、前記複数の情報処理装置のそれぞれが、サーバ装置から、第一の閾値および評価指標を受信することと、前記複数の情報処理装置のそれぞれが、前記評価指標に従って評価値を算出することと、前記複数の情報処理装置それぞれが、近接通信によって、所定の範囲内に存在する1台以上の他の移動体のそれぞれに搭載された他の情報処理装置と、前記評価値を交換することと、前記所定の範囲内に存在する1台以上の移動体のそれぞれに搭載され、前記算出した評価値が所定値以上である情報処理装置のうち、前記第一の閾値を上限とする数の情報処理装置が、生成した前記ローカルモデルを示すローカルモデル情報をサーバ装置に送信することと、を含む情報処理方法である。
【0006】
また、他の態様として、上記の方法をコンピュータに実行させるためのプログラム、または、該プログラムを非一時的に記憶したコンピュータ可読記憶媒体が挙げられる。
【発明の効果】
【0007】
本開示によれば、サーバ装置と複数の情報処理装置との間で効率的に連合学習を行うことができる。
【図面の簡単な説明】
【0008】
第一の実施形態に係る連合学習システムの概要図。
サーバ装置2の構成の一例を示した図。
車載装置10の構成の一例を示した図。
装置間のデータの流れを説明する図。
装置間における処理の流れを説明するフロー図。
ステップS13の処理を詳細に説明するフローチャート。
【発明を実施するための形態】
【0009】
連合学習によって機械学習モデルを生成するケースを考える。連合学習では、複数のクライアント装置が、ローカルデータを用いてローカルモデルをそれぞれ生成し、サーバ装置がこれを収集して統合する。
連合学習には、参加可能な全てのクライアント装置が参加してもよい。しかし、全てのクライアント装置(例えば、道路を走行している全ての車両)が連合学習に参加すると、データ量が増大し、効率が悪くなる場合がある。また、精度のよい訓練済みモデルが生成できるとは限らない。そこで、連合学習に参加するクライアント装置をサーバ装置が選択するという方法がある。
【0010】
クライアント装置を選択する簡易的な方法として、クライアント装置をランダムに選択するという方法がある。しかしながら、この方法では、クライアント装置の属性が不明であるため、選択されたクライアント装置からモデル更新に適したローカルモデルが得られるとは限られない。そのため、モデル更新が非効率となり、通信量の増大を招く可能性がある。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する
Flag Counter

関連特許

トヨタ自動車株式会社
車両
2日前
トヨタ自動車株式会社
車両
2日前
トヨタ自動車株式会社
車両
2日前
トヨタ自動車株式会社
充電器
3日前
トヨタ自動車株式会社
自動車
2日前
トヨタ自動車株式会社
製造方法
3日前
トヨタ自動車株式会社
制御装置
2日前
トヨタ自動車株式会社
電動車両
3日前
トヨタ自動車株式会社
判定装置
4日前
トヨタ自動車株式会社
電池パック
4日前
トヨタ自動車株式会社
電池パック
2日前
トヨタ自動車株式会社
電池パック
4日前
トヨタ自動車株式会社
電気自動車
3日前
トヨタ自動車株式会社
全固体電池
2日前
トヨタ自動車株式会社
充電制御装置
2日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
音声制御装置
2日前
トヨタ自動車株式会社
車両制御装置
3日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
運行管理装置
2日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
電池システム
3日前
トヨタ自動車株式会社
情報処理装置
2日前
トヨタ自動車株式会社
車両の制御装置
4日前
トヨタ自動車株式会社
資源の回収方法
2日前
トヨタ自動車株式会社
ラミネート電池
2日前
トヨタ自動車株式会社
車両の制御装置
4日前
トヨタ自動車株式会社
電池モジュール
2日前
トヨタ自動車株式会社
電池モジュール
2日前
トヨタ自動車株式会社
車両の制御装置
2日前
トヨタ自動車株式会社
モータの制御装置
2日前
トヨタ自動車株式会社
集電箔の製造方法
4日前
トヨタ自動車株式会社
電池パック用ケース
2日前
続きを見る