JP7050028B2 - 計算機システム及び機械学習の制御方法 - Google Patents
計算機システム及び機械学習の制御方法 Download PDFInfo
- Publication number
- JP7050028B2 JP7050028B2 JP2019062414A JP2019062414A JP7050028B2 JP 7050028 B2 JP7050028 B2 JP 7050028B2 JP 2019062414 A JP2019062414 A JP 2019062414A JP 2019062414 A JP2019062414 A JP 2019062414A JP 7050028 B2 JP7050028 B2 JP 7050028B2
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- detection condition
- learning
- value
- condition data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Description
まず、実施例1の計算機システムの構成について説明する。図1は、実施例1の計算機システムの構成の一例を示す図である。
次に、実施例1の計算機システムに設定される検出条件の設定方法について説明する。
実施例1の計算機100は、モデルに適した評価値の振る舞いを監視することによって機械学習の失敗予兆を検出する。実施例1では、目的関数、正解率、及びパラメータ変化率を評価値として採用する。これらの評価値を採用する理由は次の通りである。
次に、機械学習開始要求を受信した場合に実行する処理について説明する。図5は、実施例1の計算機システムが実行する機械学習を説明するフローチャートである。
次に、実施例1の適用例について説明する。
次に、実施例1で説明した計算機システムが実行する機械学習の特徴及び効果について説明する。
101 外部記憶装置
102 入出力装置
103 リムーバブルメディア
105 ネットワーク
110 CPU
111 主記憶装置
112 副記憶装置
113 インタフェース
120 学習部
121 学習失敗検出部
122 パラメータ初期化部
123 計算時間抑制部
130 学習データ情報
140 パラメータ情報
200、300、600、700 設定画面
Claims (8)
- 入力データに対して予測値を出力するモデルを生成するための機械学習を実行する計算機システムであって、
プロセッサ及び前記プロセッサに接続される記憶装置を備え、
前記機械学習は、前記モデルを定義するパラメータを更新する学習処理を複数回実行する処理であって、
前記プロセッサは、
判定タイミングを規定するトリガ回数、及び前記モデルを生成するための機械学習の失敗予兆を検出するために用いる少なくとも一つの評価値により定義される検出条件を含む検出条件データを格納する学習判定情報を取得し、
前記パラメータの初期値を設定して、前記機械学習を開始し、
前記学習処理を実行した後、前記パラメータの初期値が設定された後の前記学習処理の実行回数を表すカウンタを更新し、
前記トリガ回数が前記カウンタの値に一致する前記検出条件データを特定し、
前記特定された検出条件データに含まれる検出条件に基づいて、前記機械学習の失敗予兆が検出されたか否かを判定し、
前記機械学習の失敗予兆が検出された場合、前記パラメータ及び前記カウンタを初期化した後、前記機械学習を継続することを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記プロセッサは、
前記機械学習における前記学習処理の実行回数の上限値を管理し、
前記カウンタの値が前記上限値以上である場合、前記機械学習を終了し、
前記機械学習の失敗予兆が検出された場合、前記上限値を前記カウンタの値で減算した値を新たな前記上限値として設定し、その後、前記カウンタを初期化することを特徴とする計算機システム。 - 請求項2に記載の計算機システムであって、
前記検出条件データは、前記上限値を用いて定義される、当該検出条件データを適用するか否かを判定するための適用条件を含み、
前記プロセッサは、
前記上限値に基づいて、前記適用条件を満たす前記検出条件データを選択し、
前記選択された検出条件データの中から、前記トリガ回数が前記カウンタの値に一致する前記検出条件データを特定することを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記検出条件は、前記評価値及び閾値を用いた条件式であることを特徴とする計算機システム。 - 計算機システムが実行する、入力データに対して予測値を出力するモデルを生成するための機械学習の制御方法であって、
前記計算機システムは、プロセッサ及び前記プロセッサに接続される記憶装置を有する計算機を有し、
前記機械学習は、前記モデルを定義するパラメータを更新する学習処理を複数回実行する処理であって、
前記機械学習の制御方法は、
前記計算機が、判定タイミングを規定するトリガ回数、及び前記モデルを生成するための機械学習の失敗予兆を検出するために用いる少なくとも一つの評価値により定義される検出条件を含む検出条件データを格納する学習判定情報を取得する第1のステップと、
前記計算機が、前記パラメータの初期値を設定して、前記機械学習を開始する第2のステップと、
前記計算機が、前記学習処理を実行した後、前記パラメータの初期値が設定された後の前記学習処理の実行回数を表すカウンタを更新する第3のステップと、
前記計算機が、前記トリガ回数が前記カウンタの値に一致する前記検出条件データを特定する第4のステップと、
前記計算機が、前記特定された検出条件データに含まれる検出条件に基づいて、前記機械学習の失敗予兆が検出されたか否かを判定する第5のステップと、
前記計算機が、前記機械学習の失敗予兆が検出された場合、前記パラメータ及び前記カウンタを初期化した後、前記機械学習を継続する第6のステップと、を含むことを特徴とする機械学習の制御方法。 - 請求項5に記載の機械学習の制御方法であって、
前記計算機システムは、前記機械学習における前記学習処理の実行回数の上限値を管理し、
前記機械学習の制御方法は、前記計算機が、前記カウンタの値が前記上限値以上である場合、前記機械学習を終了するステップと、を含み、
前記第6のステップは、
前記計算機が、前記機械学習の失敗予兆が検出された場合、前記上限値を前記カウンタの値で減算した値を新たな前記上限値として設定するステップと、
前記計算機が、前記カウンタを初期化するステップと、を含むことを特徴とする機械学習の制御方法。 - 請求項6に記載の機械学習の制御方法であって、
前記検出条件データは、前記上限値を用いて定義される、当該検出条件データを適用するか否かを判定するための適用条件を含み、
前記第4のステップは、
前記計算機が、前記上限値に基づいて、前記適用条件を満たす前記検出条件データを選択するステップと、
前記計算機が、前記選択された検出条件データの中から、前記トリガ回数が前記カウンタの値に一致する前記検出条件データを特定するステップと、を含むことを特徴とする機械学習の制御方法。 - 請求項5に記載の機械学習の制御方法であって、
前記検出条件は、前記評価値及び閾値を用いた条件式であることを特徴とする機械学習の制御方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019062414A JP7050028B2 (ja) | 2019-03-28 | 2019-03-28 | 計算機システム及び機械学習の制御方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019062414A JP7050028B2 (ja) | 2019-03-28 | 2019-03-28 | 計算機システム及び機械学習の制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020161031A JP2020161031A (ja) | 2020-10-01 |
JP7050028B2 true JP7050028B2 (ja) | 2022-04-07 |
Family
ID=72639658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019062414A Active JP7050028B2 (ja) | 2019-03-28 | 2019-03-28 | 計算機システム及び機械学習の制御方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7050028B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023003333A (ja) | 2021-06-23 | 2023-01-11 | 富士通株式会社 | 情報処理プログラム、情報処理方法、および情報処理装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189655A1 (en) | 2017-01-03 | 2018-07-05 | Electronics And Telecommunications Research Institute | Data meta-scaling apparatus and method for continuous learning |
JP2018136537A (ja) | 2017-02-15 | 2018-08-30 | 株式会社半導体エネルギー研究所 | 半導体装置及び表示システム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05197821A (ja) * | 1991-11-11 | 1993-08-06 | Omron Corp | 階層型ニューラルネットの最適化方法及び装置 |
JPH07302292A (ja) * | 1994-05-09 | 1995-11-14 | Nippon Telegr & Teleph Corp <Ntt> | ニューラルネットワーク回路の制御装置 |
-
2019
- 2019-03-28 JP JP2019062414A patent/JP7050028B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180189655A1 (en) | 2017-01-03 | 2018-07-05 | Electronics And Telecommunications Research Institute | Data meta-scaling apparatus and method for continuous learning |
JP2018109996A (ja) | 2017-01-03 | 2018-07-12 | 韓國電子通信研究院Electronics and Telecommunications Research Institute | 継続的学習のためのデータメタスケーリング装置及び方法 |
JP2018136537A (ja) | 2017-02-15 | 2018-08-30 | 株式会社半導体エネルギー研究所 | 半導体装置及び表示システム |
US20190371226A1 (en) | 2017-02-15 | 2019-12-05 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor device and display system |
Also Published As
Publication number | Publication date |
---|---|
JP2020161031A (ja) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210182691A1 (en) | Cooperative use of a genetic algorithm and an optimization trainer for autoencoder generation | |
JP7071638B2 (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
US10496436B2 (en) | Method and apparatus for automatically scheduling jobs in computer numerical control machines using machine learning approaches | |
JP6646234B2 (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JP2017097585A (ja) | 学習装置、プログラム及び学習方法 | |
JP2016004525A (ja) | データ分析システム及びデータ分析方法 | |
JP7245961B2 (ja) | 対話型機械学習 | |
JP7268756B2 (ja) | 劣化抑制プログラム、劣化抑制方法および情報処理装置 | |
JP2019185591A (ja) | 実験支援装置及び実験支援方法 | |
JP6178768B2 (ja) | 品質管理装置およびその管理方法 | |
Kapoor et al. | Performance and preferences: Interactive refinement of machine learning procedures | |
US20230162054A1 (en) | Non-transitory computer-readable recording medium, machine training method, and information processing apparatus | |
JP2020187417A (ja) | 物性予測装置及び物性予測方法 | |
JP7050028B2 (ja) | 計算機システム及び機械学習の制御方法 | |
EP3739473A2 (en) | Optimization device and method of controlling optimization device | |
Walker et al. | Towards many-objective optimisation with hyper-heuristics: identifying good heuristics with indicators | |
US20180308011A1 (en) | Cognitive service request construction | |
CN113222073B (zh) | 训练广告推荐模型的方法及装置 | |
US20230019364A1 (en) | Selection method of learning data and computer system | |
WO2019142728A1 (ja) | 制御装置、制御方法およびプログラム記録媒体 | |
US7139986B2 (en) | Systems and methods for determining costs associated with a selected objective | |
US11868885B2 (en) | Learning device, inference device, learning method, and inference method using a transformation matrix generated from learning data | |
JP7097261B2 (ja) | 学習データの解析方法及び計算機システム | |
JP7139723B2 (ja) | 選定プログラム、選定方法および選定装置 | |
JP7127686B2 (ja) | 仮説推論装置、仮説推論方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210323 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220309 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220328 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7050028 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |