特許ウォッチ

公開番号2025129780
公報種別公開特許公報(A)
公開日2025-09-05
出願番号2024026667
出願日2024-02-26
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G06F 18/213 20230101AFI20250829BHJP(計算;計数)
要約【課題】入力次元の変化に対応した効率的な機械学習を実現することが難しい。
【解決手段】学習装置は、機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出する抽出部と、時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知する検知部と、検知部による検知の結果に応じて、抽出部が時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整する調整部と、調整部による調整内容に応じた情報を記憶装置に格納する格納部と、を有する。このような構成によると、入力次元が変化する場合でも的確に対応することができ、入力次元が変化する場合でも利用者の意思決定などを適切にサポートすることができる。
【選択図】図13

特許請求の範囲【請求項１】
機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出する抽出部と、
前記時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知する検知部と、
前記検知部による検知の結果に応じて、前記抽出部が前記時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整する調整部と、
前記調整部による調整内容に応じた情報を記憶装置に格納する格納部と、
を有する
学習装置。
続きを表示（約 1,400 文字）【請求項２】
請求項１に記載の学習装置であって、
前記格納部は、前記検知部による入力次元減少の検知に応じて前記調整部が所定の調整を行う際に、調整内容に応じた情報を前記記憶装置に格納する
学習装置。
【請求項３】
請求項２に記載の学習装置であって、
前記調整部は、前記検知部による入力次元増加の検知に応じて前記格納部が格納した情報を参照することで、増加した観測項目が過去に削除したものであるか否か確認する
学習装置。
【請求項４】
請求項３に記載の学習装置であって、
前記調整部は、増加した観測項目が過去に削除したものである場合、前記格納部が格納した情報を用いて、前記モデルの重み次元または対応する入力値のうちの少なくとも一方を調整する
学習装置。
【請求項５】
請求項３に記載の学習装置であって、
前記調整部は、増加した観測項目が過去に削除したものでない場合、前記検知部による入力次元増加の検知に応じて、前記モデルの重み次元を拡張する
学習装置。
【請求項６】
請求項１に記載の学習装置であって、
前記調整部は、前記検知部による入力次元減少の検知に応じて、前記モデルの重み次元を縮小するまたは対応する入力値を０に調整する
学習装置。
【請求項７】
請求項１に記載の学習装置であって、
前記検知部は、入力次元の変化として時系列データを取得するセンサ数の変化を検知する
学習装置。
【請求項８】
請求項１に記載の学習装置であって、
前記抽出部が抽出した特徴量を用いてモデルの重みを更新する機械学習を行う学習部と、
前記抽出部が抽出した特徴量をバイナリコードに変換する変換部と、
前記変換部が変換したバイナリコードを記憶する記憶部と、
検索対象となる時系列データセットを変換したバイナリコードを用いて、前記記憶部が記憶するバイナリコードの検索を行う検索部と、
を有する
学習装置。
【請求項９】
情報処理装置が、
機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出し、
前記時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知し、
検知の結果に応じて、前記時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整し、
調整内容に応じた情報を記憶装置に格納する
学習方法。
【請求項１０】
情報処理装置に、
機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出し、
前記時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知し、
検知の結果に応じて、前記時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整し、
調整内容に応じた情報を記憶装置に格納する
処理を実現するためのプログラム。

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】
時系列データを検索可能とすることで、異常の検知などシステム状態の把握を可能とする技術が知られている。
【０００３】
例えば、特許文献１には、複数の時系列データを１つにまとめた時系列データセットを時系列データセットの特徴を示す特徴ベクトルに変換して検索可能とする時系列データ処理装置が記載されている。具体的に、特許文献１によると、時系列データ処理装置は、データ変換部と、記憶部と、検索部と、を有する。例えば、データ変換部は、複数の時系列データの集合である時系列データセットを所定の時間毎に区切った部分時系列データセットを、部分時系列データセットの特徴を示す特徴ベクトルに変換する。また、記憶部は、複数の第１の部分時系列データセットと、複数の第１の部分時系列データセットがデータ変換部によって変換された複数の第１の特徴ベクトルとを対応付けて記憶する。そして、検索部は、記憶部に記憶された複数の第１の特徴ベクトルのうち、入力された第２の部分時系列データセットがデータ変換部によって変換された第２の特徴ベクトルに類似する少なくとも１つの第１の特徴ベクトルを選択し、選択した第１の特徴ベクトルに対応する第１の部分時系列データセットを出力する。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０２０／０４９６６６号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
特許文献１に記載の技術の場合、学習時と検索時とで入力次元が変化しないことを前提としている。しかしながら、学習時と検索時とでは、新たな観測項目の追加や既存の観測項目の削除などにより入力次元が変化することがある。その結果、新たにモデルを用意することが必要となり、再学習が必要となっていた。このように、入力次元の変化に対応した効率的な機械学習を実現することが難しい、という課題が生じていた。
【０００６】
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装置、学習方法、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】
【０００７】
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、
機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出する抽出部と、
前記時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知する検知部と、
前記検知部による検知の結果に応じて、前記抽出部が前記時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整する調整部と、
前記調整部による調整内容に応じた情報を記憶装置に格納する格納部と、
を有する
という構成をとる。
【０００８】
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、
機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出し、
時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知し、
検知の結果に応じて、時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整し、
調整内容に応じた情報を記憶装置に格納する
という構成をとる。
【０００９】
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、
機械学習されたモデルを用いて、所定の観測項目についての時系列データを含む時系列データセットから特徴量を抽出し、
時系列データセットに含まれる観測項目数の変化である入力次元の変化を検知し、
検知の結果に応じて、時系列データセットから特徴量を抽出する際に用いるモデルの重み次元または対応する入力値のうちの少なくとも一方を調整し、
調整内容に応じた情報を記憶装置に格納する
処理を実現させるためのプログラムである。
【発明の効果】
【００１０】
上述したような各構成によると、入力次元の変化に対応することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許