特許ウォッチ

公開番号2025074930
公報種別公開特許公報(A)
公開日2025-05-14
出願番号2024105628
出願日2024-06-28
発明の名称データ保存システム
出願人株式会社デンソー
代理人名古屋国際弁理士法人
主分類G06N 3/0475 20230101AFI20250507BHJP(計算;計数)
要約【課題】入力データを圧縮した圧縮データを保存することなく、入力データを適正に復元可能なデータ生成モデルを構築し得るデータ保存システムを提供する。
【解決手段】データ保存システムは、外れ値検出部12と、学習部14と、データ保存部16を備える。外れ値検出部は、入力データの中から、主要なデータ群とは孤立し、かつ発生頻度が小さい外れ値を検出する。学習部は、機械学習モデルを用いたデータ生成モデルに、入力データから外れ値を除いた主要データを入力して、データ生成モデルを学習する。データ保存部は、学習されたデータ生成モデルと、外れ値検出部にて検出された外れ値を保存する。
【選択図】図1
特許請求の範囲【請求項１】
入力データの中から、主要なデータ群とは孤立し、かつ発生頻度が小さい外れ値を検出するように構成された外れ値検出部（１２）と、
機械学習モデルを用いたデータ生成モデルに、前記入力データから前記外れ値を除いた主要データを入力して、前記データ生成モデルを学習するように構成された学習部（１４）と、
前記学習部にて学習された前記データ生成モデルと、前記外れ値検出部にて検出された前記外れ値を保存するように構成されたデータ保存部（１６）と、
を備えたデータ保存システム。
続きを表示（約 1,000 文字）【請求項２】
前記外れ値検出部と、前記学習部とを備え、前記学習部で得られた前記データ生成モデルのパラメータと、前記外れ値検出部にて検出された前記外れ値とを送信するように構成された、複数のクライアント（４０）を備えると共に、
前記データ保存部として、前記複数のクライアントから送信された前記パラメータを用いて、前記データ生成モデルを生成及び更新すると共に、前記複数のクライアントから送信された前記外れ値を保存するように構成されたサーバ（５０）を備えている、請求項１に記載のデータ保存システム。
【請求項３】
前記データ保存部は、前記入力データ又は前記主要データの数と前記外れ値の数を保存するように構成されている、請求項１又は請求項２に記載のデータ保存システム。
【請求項４】
前記外れ値検出部において検出される前記外れ値の数と前記主要データの数との割合を入力可能な入力部（２）を備え、
前記外れ値検出部は、前記外れ値の数と前記主要データの数との前記割合が、前記入力部から入力された前記割合となるように、前記外れ値を検出するよう構成されている、請求項１又は請求項２に記載のデータ保存システム。
【請求項５】
前記学習部にて学習された前記データ生成モデルによるデータの再構成精度、および／または、前記外れ値検出部にて検出された前記外れ値の数を表示するように構成された表示部（４）を備える、請求項４に記載のデータ保存システム。
【請求項６】
前記学習部にて学習された前記データ生成モデル、および、前記外れ値検出部にて検出された前記外れ値を、予め設定された期間毎に、当該期間を表す時間情報と共に保存するよう構成されている、請求項１又は請求項２に記載のデータ保存システム。
【請求項７】
前記外れ値検出部は、
前記学習部にて前記入力データに基づく前記学習が実施される度に、前記学習された前記データ生成モデルによるデータの再構成精度を求め、該再構成精度が所定の閾値未満であるときに、前記学習に用いられた前記入力データは前記外れ値であると判定して、前記学習部に、前記入力データから当該外れ値を除いた主要データに基づく前記学習を実施させる、
ように構成されている、請求項１又は請求項２に記載のデータ保存システム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、データ保存システムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
特許文献１に記載のように、ＶＡＥ，ＧＡＮなどの深層生成モデルを用いて構築されたデータ圧縮部を備え、データ圧縮部にて入力データを多次元同時確率分布の形の圧縮データに圧縮してデータ再現部に送信するように構成された転送システムが知られている。
【０００３】
なお、ＶＡＥは、「Variational Auto Encoder」の略であり、変分オートエンコーダを表す。また、ＧＡＮは、「Generative Adversarial Net」の略であり、敵対的生成ネットワークを表す。
【先行技術文献】
【特許文献】
【０００４】
特開２０１８－６１０９１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記転送システムにおいて、圧縮データのデータ量は、入力データのデータ量の増加とともに増加することから、データ再現部に送信される圧縮データを低減できず、データ再現部において圧縮データを保存するための保存容量が増加する、という問題があった。
【０００６】
本開示の一局面は、入力データを圧縮した圧縮データを保存することなく、入力データを適正に復元可能なデータ生成モデルを構築し得るデータ保存システムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
本開示の１つの態様によるデータ保存システムは、外れ値検出部（１２）と、学習部（１４）と、データ保存部（４２）と、を備える。
ここで、外れ値検出部は、入力データの中から、主要なデータ群とは孤立し、かつ発生頻度が小さい外れ値を検出する。また、学習部は、機械学習モデルを用いたデータ生成モデルに、入力データから外れ値を除いた主要データを入力して、データ生成モデルを学習する。そして、データ保存部は、学習部にて学習されたデータ生成モデルと、外れ値検出部にて検出された外れ値とを保存する。
【０００８】
通常、データ生成モデルの学習では、得られたデータすべてが学習に用いられる。一方、外れ値データは通常のデータとは異なる特徴を持つことが多いため一般的には学習を行っても同様のデータの再現が難しく生成時に精度低下が起こる。さらにデータ生成モデルは外れ値データを含むデータを生成可能に学習しようと試みることで、外れ値以外のデータについても生成後の精度が低下する傾向にある。また、主要データは頻出するデータでもあり、これらのデータをすべて保存することはデータのバラエティ（多様性）とデータ量の観点からも効率的でないと考えられる。
【０００９】
そこで、本開示の技術では、学習部において、入力データから外れ値を除いた、高頻度で発生する主要データを使って学習することで、入力データを再構成できるデータ生成モデルを作り、データ生成モデルによる入力データの再構成精度を高める。また、外れ値検出部にて検出された外れ値は、一般的に再構成精度で劣る可能性が大きいことから、データ保存部により、データ生成モデルに加えて、外れ値をオリジナルで保存する。
【００１０】
従って、本開示のデータ保存システムによれば、特許文献１に記載のように、入力データを圧縮した圧縮データを転送したり保存したりすることなく、保存されてデータ生成モデルを用いて入力データを復元できるようになる。また、その復元された入力データに、データ保存部により保存された外れ値を加えることで、入力データの復元精度を高めることができる。
（【００１１】以降は省略されています）

関連特許