特許ウォッチ

公開番号2025126612
公報種別公開特許公報(A)
公開日2025-08-29
出願番号2024022934
出願日2024-02-19
発明の名称学習装置
出願人日本電気株式会社
代理人個人,個人,個人,個人
主分類G06N 20/00 20190101AFI20250822BHJP(計算;計数)
要約【課題】ラベルに順序関係などの所定の関係がある際に適切な学習を行うことが難しい場合がある。
【解決手段】学習装置は、入力データに応じて特徴量を抽出する抽出部と、抽出部が抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択する選択部と、選択部が選択した特徴量の組を用いてモデルを学習する学習部と、を有し、選択部は、特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす特徴量の組を選択する。これにより、学習装置は、ラベルに順序関係などの所定の関係がある場合でも適切に機械学習を行うことができ、より適切に意思決定のサポートなどを行うことができる。
【選択図】図14

特許請求の範囲【請求項１】
入力データに応じて特徴量を抽出する抽出部と、
前記抽出部が抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択する選択部と、
前記選択部が選択した特徴量の組を用いてモデルを学習する学習部と、
を有し、
前記選択部は、前記特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記特徴量の組を選択する
学習装置。
続きを表示（約 1,500 文字）【請求項２】
請求項１に記載の学習装置であって、
前記選択部は、前記特徴量群の中から、各特徴量に付与されたラベル間の距離に基づく制限を行って前記特徴量の組を選択する
学習装置。
【請求項３】
請求項２に記載の学習装置であって、
前記選択部は、前記特徴量群の中からアンカーサンプルを選択するとともに、前記特徴量群に含まれる特徴量のうち、アンカーサンプルに付与されたラベルとの間の差が所定値以内となるラベルが付与され、かつ、選択したアンカーサンプルとはラベルが異なる少なくとも１つのネガティブサンプルを選択する
学習装置。
【請求項４】
請求項３に記載の学習装置であって、
前記選択部は、前記特徴量群に含まれる特徴量のうち、アンカーサンプルに付与されたラベルとの間の差が所定値以内となるラベルが付与され、かつ、選択したアンカーサンプルとはラベルが異なる第１のネガティブサンプルと第２のネガティブサンプルを選択する
学習装置。
【請求項５】
請求項４に記載の学習装置であって、
前記選択部は、アンカーサンプルからみてラベルが同方向に離れている第１のネガティブサンプルと第２のネガティブサンプルを選択する
学習装置。
【請求項６】
請求項１に記載の学習装置であって、
前記選択部は、入力データとラベルとの間の関係に応じて、ラベル間の距離が条件を満たす前記特徴量の組と、特徴空間内における特徴量間の距離が条件を満たす前記特徴量の組のうちのいずれを選択するか決定する
学習装置。
【請求項７】
請求項６に記載の学習装置であって、
前記選択部は、入力データとラベルとの間に所定の関係がある場合に、ラベル間の距離が条件を満たす前記特徴量の組を選択する旨を決定する
学習装置。
【請求項８】
請求項１に記載の学習装置であって、
前記選択部は、前記特徴量群の中から、アンカーサンプルと、前記アンカーサンプルと同一のラベルが付与されたポジティブサンプルと、ラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記アンカーサンプルとは異なるラベルが付与された第１のネガティブサンプルと第２のネガティブサンプルと、からなる４つ組を選択する
学習装置。
【請求項９】
情報処理装置が、
入力データに応じて特徴量を抽出し、
抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択し、
選択した特徴量の組を用いてモデルを学習し、
特徴量の組を選択する際は、前記特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記特徴量の組を選択する
学習装置。
【請求項１０】
情報処理装置に、
入力データに応じて特徴量を抽出し、
抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択し、
選択した特徴量の組を用いてモデルを学習する
処理を実現させ、
特徴量の組を選択する際は、前記特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記特徴量の組を選択する
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、学習装置、学習方法、プログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
時系列データから抽出した特徴量を用いた機械学習を行う際に用いられる技術が知られている。
【０００３】
例えば、特許文献１には、学習用の時系列データの類似関係を保存する特徴量を抽出するためのモデルを学習する装置が開示されている。例えば、特許文献１によると、装置は、アンカーサンプルと、アンカーサンプルと同じクラスのポジティブサンプルと、アンカーサンプルとは異なるクラスのネガティブサンプルと、からなる３つ組を選択する。そして、装置は、同一クラスのサンプルが特徴空間内で近くに、異なるクラスのサンプルが特徴空間内で遠くになるように、モデルの学習を行う。
【０００４】
また、関連する技術として、特許文献２がある。特許文献２には、ラベルの順序関係を保存可能なように学習を行う装置が開示されている。特許文献２によると、装置は、アンカーサンプルと、ポジティブサンプルと、アンカーサンプルとはラベルが異なるネガティブサンプル１、ネガティブサンプル２と、からなる４つ組を選択する。そして、装置は、選択した４つ組を用いて、所定の損失が最小になるようにモデルを学習する。例えば、このような構成により、ラベルに順序関係が存在する際に当該順序を捉えた特徴抽出などを可能とすることができる。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２０／０４９６６６号
特表２０２３－５３８１９０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１に記載の技術を用いた場合、ラベルに存在する順序関係を保存する特徴抽出を行うことが難しい。そのため、順序関係を保存する際には、特許文献１ではなく特許文献２に記載の技術を用いることが望ましい。一方、特許文献２に記載のように４つ組などの組を選択しようとすると、学習時に選出する組の組み合わせ数が膨大になる。その結果、学習に時間がかかり、ラベルに順序関係などの所定の関係がある際に適切な学習を行うことが難しいおそれがある、という課題が生じていた。
【０００７】
そこで、本発明は、上述した課題を解決することが可能な学習方法、学習装置、プログラムを提供することを目的の一つとする。
【課題を解決するための手段】
【０００８】
かかる目的を達成するため本開示の一形態である学習装置は、
入力データに応じて特徴量を抽出する抽出部と、
前記抽出部が抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択する選択部と、
前記選択部が選択した特徴量の組を用いてモデルを学習する学習部と、
を有し、
前記選択部は、前記特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記特徴量の組を選択する
という構成をとる。
【０００９】
また、本開示の他の形態である学習方法は、
情報処理装置が、
入力データに応じて特徴量を抽出し、
抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択し、
選択した特徴量の組を用いてモデルを学習し、
特徴量の組を選択する際は、前記特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記特徴量の組を選択する
という構成をとる。
【００１０】
また、本開示の他の形態であるプログラムは、
情報処理装置に、
入力データに応じて特徴量を抽出し、
抽出した複数の特徴量からなる特徴量群の中から、モデルを学習する際に用いる特徴量の組を選択し、
選択した特徴量の組を用いてモデルを学習し、
特徴量の組を選択する際は、前記特徴量群の中から特徴量に付与されたラベル間の距離または特徴空間内における特徴量間の距離のうちの少なくとも一方が所定の条件を満たす前記特徴量の組を選択する
処理を実現させるためのプログラムである。
【発明の効果】
（【００１１】以降は省略されています）

関連特許