特許ウォッチ

公開番号2025012319
公報種別公開特許公報(A)
公開日2025-01-24
出願番号2023115068
出願日2023-07-13
発明の名称モデル生成装置、モデル生成システム、モデル生成方法及びプログラム
出願人コニカミノルタ株式会社
代理人弁理士法人鷲田国際特許事務所
主分類G06N 3/08 20230101AFI20250117BHJP(計算;計数)
要約【課題】開発環境と現場環境とを利用して機械学習モデルを効率的に生成するための技術を提供することである。
【解決手段】本開示の一態様は、第1の訓練条件に従って訓練された第1の機械学習モデルを取得する取得部と、前記第1の訓練条件より訓練対象のレイヤの数が少ない第2の訓練条件に従って前記第1の機械学習モデルを訓練し、第2の機械学習モデルを生成する訓練部と、を有する、モデル生成装置に関する。
【選択図】図5
特許請求の範囲【請求項１】
第１の訓練条件に従って訓練された第１の機械学習モデルを取得する取得部と、
前記第１の訓練条件より訓練対象のレイヤの数が少ない第２の訓練条件に従って前記第１の機械学習モデルを訓練し、第２の機械学習モデルを生成する訓練部と、
を有する、モデル生成装置。
続きを表示（約 740 文字）【請求項２】
前記訓練対象のレイヤは、少なくとも最終レイヤを含む、請求項１に記載のモデル生成装置。
【請求項３】
前記第１の機械学習モデルと前記第２の機械学習モデルとは、同一のモデルアーキテクチャを備える、請求項１に記載のモデル生成装置。
【請求項４】
前記取得部は、前記第１の機械学習モデルにおいて更新されたパラメータを取得する、請求項３に記載のモデル生成装置。
【請求項５】
前記第１の機械学習モデルと前記第２の機械学習モデルとは、異なるモデルアーキテクチャを備える、請求項１に記載のモデル生成装置。
【請求項６】
前記第２の機械学習モデルは、モデルアーキテクチャ変更前の前記第１の機械学習モデルと同一のモデルアーキテクチャを備える、請求項５に記載のモデル生成装置。
【請求項７】
前記第１の機械学習モデルのモデルアーキテクチャが変更されると、前記訓練部は、前記変更されたモデルアーキテクチャを備えた前記第２の機械学習モデルを生成する、請求項６に記載のモデル生成装置。
【請求項８】
前記取得部は、前記第２の訓練条件を取得する、請求項１に記載のモデル生成装置。
【請求項９】
前記訓練部は、前記生成された第２の機械学習モデルの評価に基づいて、第３の機械学習モデルの要否を判定する、請求項１に記載のモデル生成装置。
【請求項１０】
前記取得部は、前記第３の機械学習モデルが必要であると判定すると、第３の訓練条件に従って訓練された前記第３の機械学習モデルを取得する、請求項９に記載のモデル生成装置。
（【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】
本開示は、モデル生成装置、モデル生成システム、モデル生成方法及びプログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
近年、様々な技術分野において機械学習モデルの利用が進展している。機械学習モデルを運用中にモデルを再学習できる機能を有する事で、モデルの性能低下につながる外部要因があった場合でも再学習によって継続的な価値提供が可能となっている（例えば、特許文献１参照）。しかしながら、新たなデータによる再学習での性能改善には限度があり、学習モデルの差し替えや訓練条件の改修が必要なケースには対応できない。そうした問題に対応するため、モデルの再学習を行う本番環境とは別に訓練条件改修用の開発環境を用意する事で、訓練条件の改修が必要なケースにも対応するＭＬＯｐｓ（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇＯｐｅｒａｔｉｏｎｓ）システムが使われている。このＭＬＯｐｓシステムでは、通常運用側（お客さん）で上手く運用させるために、通常開発側と運用側とで同じ訓練条件が使われる。
【０００３】
ＭＬＯｐｓシステムにおいて、モデルの推論結果に問題が発生している場合、以下の方法を取ることが記載されている。（例えば、非特許文献１参照）
１）再開発したモデルを現場データで再学習する
２）開発環境での再開発を選択
【先行技術文献】
【特許文献】
【０００４】
特開２０２０－８６７７８号公報
【非特許文献】
【０００５】
https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning?hl=ja
【発明の概要】
【発明が解決しようとする課題】
【０００６】
現場環境において収集されたデータによる再学習ではモデル性能の改善に限度があるだけでなく、従来技術と同様の手法であるため、再学習に時間を要する（１）に対応）。一方、モデル性能の改善のために開発環境においてモデルを再開発し、現場データにより再学習することも可能である。しかしながら、このような仕組みでは、モデルの再開発及び再学習のための時間を要し、即座の対応が要求される運用サイドの“短時間による学習”という要望に応えることが困難であった。
【０００７】
即座の対応が要求される運用サイドの“短時間による学習”という要望に応えるため、軽いモデルを選択する手法にて再学習を行うことも可能である。しかしながら、学習時間は短縮できても、運用サイドでパラメータ調整等の工数がかかってしまうことが懸念される。
【０００８】
上記問題点に鑑み、本開示の１つの課題は、開発環境と現場環境とを利用して機械学習モデルを効率的に生成するための技術を提供することである。
【課題を解決するための手段】
【０００９】
本開示の一態様は、第１の訓練条件に従って訓練された第１の機械学習モデルを取得する取得部と、前記第１の訓練条件より訓練対象のレイヤの数が少ない第２の訓練条件に従って前記第１の機械学習モデルを訓練し、第２の機械学習モデルを生成する訓練部と、を有する、モデル生成装置に関する。
【発明の効果】
【００１０】
本開示によると、開発環境と現場環境とを利用して機械学習モデルを効率的に生成することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許