特許ウォッチ

公開番号2025124319
公報種別公開特許公報(A)
公開日2025-08-26
出願番号2024020289
出願日2024-02-14
発明の名称モデル生成装置、モデル生成方法、及びプログラム
出願人三菱重工業株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06N 20/00 20190101AFI20250819BHJP(計算;計数)
要約【課題】高精度なモデルを生成することができるモデル生成装置、モデル生成方法、及びプログラムを提供すること。
【解決手段】本開示に係るモデル生成装置は、深層学習モデルの学習に用いる学習用データセットのうちの入力値の、深層学習モデルへの入力により得られた深層学習モデルの予測値を取得するモデル実行部と、学習用データセットのうちの正解値に基づいた値である第1項、及び正解値と予測値との差分に基づいた値である第2項とを含む基準項に対する、正解値と予測値との差分に基づいた値である第3項の比率に基づいて、正解値と予測値との差異を示す相対誤差指標を計算するデータ比較部と、相対誤差指標に基づいて、深層学習モデルのパラメータを修正するパラメータ修正部と、を備える。
【選択図】図2
特許請求の範囲【請求項１】
深層学習モデルの学習に用いる学習用データセットのうちの入力値の、前記深層学習モデルへの入力により得られた前記深層学習モデルの予測値を取得するモデル実行部と、
前記学習用データセットのうちの正解値に基づいた値である第１項、及び前記正解値と前記予測値との差分に基づいた値である第２項とを含む基準項に対する、前記正解値と前記予測値との差分に基づいた値である第３項の比率に基づいて、前記正解値と前記予測値との差異を示す相対誤差指標を計算するデータ比較部と、
前記相対誤差指標に基づいて、前記深層学習モデルのパラメータを修正するパラメータ修正部と、を備える、
モデル生成装置。
続きを表示（約 1,100 文字）【請求項２】
前記データ比較部は、
対応付けられた前記正解値及び前記予測値の各セットのそれぞれについての、正解値と予測値との差分に基づいた値に基づき、前記第２項を計算する補正項計算部と、
前記第１項に前記第２項を加えた前記基準項を分母とし、前記第３項を分子として、前記相対誤差指標を計算する誤差指標計算部と、を備える、
請求項１に記載のモデル生成装置。
【請求項３】
前記補正項計算部は、前記第２項として、前記予測値と、前記正解値との二乗平均平方根誤差を計算し、
前記誤差指標計算部は、前記相対誤差指標として、前記第２項を分母に導入した平均二乗パーセント誤差の平方根を、前記相対誤差指標として計算する、
請求項２に記載のモデル生成装置。
【請求項４】
前記パラメータ修正部は、前記相対誤差指標により表される損失関数を最小化するパラメータを探索して、探索された前記パラメータを用いて深層学習モデルのパラメータを修正する、
請求項１から請求項３のいずれか１項に記載のモデル生成装置。
【請求項５】
パラメータ修正後の深層学習モデルの相対誤差指標が、最小値であるか否かを判定する誤差判定部と、をさらに備える、
請求項４に記載のモデル生成装置。
【請求項６】
深層学習モデルの学習に用いる学習用データセットのうちの入力値の、前記深層学習モデルへの入力により得られた前記深層学習モデルの予測値を取得するステップと、
前記学習用データセットのうちの正解値に基づいた値である第１項、及び前記正解値と前記予測値との差分に基づいた値である第２項とを含む基準項に対する、前記正解値と前記予測値との差分に基づいた値である第３項の比率に基づいて、前記正解値と前記予測値との差異を示す相対誤差指標を計算するステップと、
前記相対誤差指標に基づいて、前記深層学習モデルのパラメータを修正するステップと、を含む、
モデル生成方法。
【請求項７】
深層学習モデルの学習に用いる学習用データセットのうちの入力値の、前記深層学習モデルへの入力により得られた前記深層学習モデルの予測値を取得するステップと、
前記学習用データセットのうちの正解値に基づいた値である第１項、及び前記正解値と前記予測値との差分に基づいた値である第２項とを含む基準項に対する、前記正解値と前記予測値との差分に基づいた値である第３項の比率に基づいて、前記正解値と前記予測値との差異を示す相対誤差指標を計算するステップと、
前記相対誤差指標に基づいて、前記深層学習モデルのパラメータを修正するステップと、
をコンピュータに実行させる、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、モデル生成装置、モデル生成方法、及びプログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
ニューラルネットワークなどの機械学習モデルの学習手法として、各種の方法が提案されている。例えば、ニューラルネットワークから出力される値と、正解データの値とを比較して、この隔たりを示す損失関数を最小化するように、ニューラルネットワークのパラメータを修正する方法がある。
【０００３】
例えば、下記の特許文献１には、ニューラルネットワークの損失関数に関して、正則化項を追加することによって、真のパラメータの一つに収束させるニューラルネットワークの学習装置が開示されている。当該の学習装置においては、パラメータからなる関数を正則化項として加えることで、入力した学習データに対する過学習を起こすことを防いでいる。
【先行技術文献】
【特許文献】
【０００４】
特開平８－２０２６７４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記の特許文献１のように学習させる場合、極小領域の誤差が相対的に過大となったり、誤差が発散したりして、適切に学習させることができず、高精度な機械学習モデルを構築できなくなるおそれがある。
【０００６】
本開示は上記課題を鑑み、高精度なモデルを生成することができるモデル生成装置、モデル生成方法、及びプログラ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】
上述した課題を解決し、目的を達成するために、本開示に係るモデル生成装置は、深層学習モデルの学習に用いる学習用データセットのうちの入力値の、前記深層学習モデルへの入力により得られた前記深層学習モデルの予測値を取得するモデル実行部と、前記学習用データセットのうちの正解値に基づいた値である第１項、及び前記正解値と前記予測値との差分に基づいた値である第２項とを含む基準項に対する、前記正解値と前記予測値との差分に基づいた値である第３項の比率に基づいて、前記正解値と前記予測値との差異を示す相対誤差指標を計算するデータ比較部と、前記相対誤差指標に基づいて、前記深層学習モデルのパラメータを修正するパラメータ修正部と、を備える。
【０００８】
上述した課題を解決し、目的を達成するために、本開示に係るモデル生成方法は、深層学習モデルの学習に用いる学習用データセットのうちの入力値の、前記深層学習モデルへの入力により得られた前記深層学習モデルの予測値を取得するステップと、前記学習データセットのうちの正解値に基づいた値である第１項、及び前記正解値と前記予測値との差分に基づいた値である第２項とを含む基準項に対する、前記正解値と前記予測値との差分に基づいた値である第３項の比率に基づいて、前記正解値と前記予測値との差異を示す相対誤差指標を計算するステップと、前記相対誤差指標に基づいて、前記深層学習モデルのパラメータを修正するステップと、を含む。
【０００９】
上述した課題を解決し、目的を達成するために、本開示に係るプログラムは、深層学習モデルの学習に用いる学習用データセットのうちの入力値の、前記深層学習モデルへの入力により得られた前記深層学習モデルの予測値を取得するステップと、前記学習データセットのうちの正解値に基づいた値である第１項、及び前記正解値と前記予測値との差分に基づいた値である第２項とを含む基準項に対する、前記正解値と前記予測値との差分に基づいた値である第３項の比率に基づいて、前記正解値と前記予測値との差異を示す相対誤差指標を計算するステップと、前記相対誤差指標に基づいて、前記深層学習モデルのパラメータを修正するステップと、をコンピュータに実行させる。
【発明の効果】
【００１０】
本開示によれば、高精度なモデルを生成することができるモデル生成装置、モデル生成方法、及びプログラムを提供することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許