JP7339321B2 - 機械学習モデル更新方法、コンピュータプログラムおよび管理装置 - Google Patents
機械学習モデル更新方法、コンピュータプログラムおよび管理装置 Download PDFInfo
- Publication number
- JP7339321B2 JP7339321B2 JP2021203911A JP2021203911A JP7339321B2 JP 7339321 B2 JP7339321 B2 JP 7339321B2 JP 2021203911 A JP2021203911 A JP 2021203911A JP 2021203911 A JP2021203911 A JP 2021203911A JP 7339321 B2 JP7339321 B2 JP 7339321B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- edge devices
- edge
- groups
- correlation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3428—Benchmarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
430 サーバ
420 エッジコンピュータデバイス
500 エッジデータ
510 データベース
600 ネットワークデータ
610 外部エッジデータ
611 デバイス情報
612 推論プロセスの統計情報
613 エッジデータ収集機能
711 デバイス情報データプロセッサ機能
714 デバイス相関サブプロセス
801、802 履歴主要パフォーマンス評価指標
810 過去のプロセスの主要パフォーマンス評価指標
813 時間シフト整列機能
817 デバイス相関サブプロセス
1600 ネットワーク
1601-1、1601-2、1601-3、1601-4 エッジデバイス
1602 管理装置
1700 コンピューティング環境
1705 コンピュータデバイス
1710 プロセッサ
1720 内部ストレージ
1725 I/Oインターフェース
1730 バス
Claims (14)
- 複数のエッジデバイスのうちの1つのエッジデバイスによって起動されたモデルリフレッシュ事象の場合、
コンピュータが、
前記エッジデバイスとの第1の相関関係に基づいて、モデルリフレッシュを適用するために、前記複数のエッジデバイスのうちの1つ以上を選択し、
選択された前記複数のエッジデバイスのうちの1つ以上の間の第2の相関関係に基づいて、選択された前記複数のエッジデバイスのうちの前記1つ以上を複数のグループにグループ化し、
前記複数のグループの各々に適用されるモデルを選択する、機械学習モデル更新方法。 - さらに、前記第1の相関関係を判定し、
前記第1の相関関係の判定では、
前記複数のエッジデバイスの前記1つ以上から第1のデータと前記複数のエッジデバイスの残りの1つ以上から第2のデータとを取り込むことであって、前記第1のデータは、前記複数のエッジデバイスの前記1つ以上に関連付けられた第1の静的デバイス情報を備え、前記第2のデータは、前記複数のエッジデバイスの前記残りの1つ以上に関連付けられた第2の静的デバイス情報を含む、取り込み、
前記第1のデータおよび前記第2のデータから、前記複数のエッジデバイスの前記1つ以上と、前記複数のエッジデバイスの前記残りの1つ以上の間の前記第1の相関関係を計算する、請求項1に記載の機械学習モデル更新方法。 - 前記複数のグループの各々に適用する前記モデルの選択では、
しきい値を満たす多数のデバイスを有する前記複数のグループの1つ以上の第1のグループを選択し、
前記複数のグループの1つ以上の前記第1のグループから、しきい値を超える最高のグループ相関スコアを有する、前記複数のグループの1つ以上の第2のグループを選択し、
前記第2のグループの各々に対して、前記第2のグループの前記各々の中の前記エッジデバイスの各々の間で最大平均主要パフォーマンス評価指標を有するモデルを選択する、請求項1に記載の機械学習モデル更新方法。 - 前記モデルリフレッシュ事象は、前記エッジデバイスのモデルから現在のデータへの予測データのずれ、またはモデル変更を必要とする前記エッジデバイスへの状態変化を示す前記現在のデータ内の基準の検出とのうちの1つ以上により、複数のエッジデバイスのうちの前記エッジデバイスによって起動される、請求項1に記載の機械学習モデル更新方法。
- さらに、前記第1の相関関係を判定し、
前記第1の相関関係の判定では、
前記複数のエッジデバイスの前記1つ以上から第1のデータと前記複数のエッジデバイスの残りの1つ以上から第2のデータとを取り込み、
前記第1のデータは、前記複数のエッジデバイスの前記1つ以上に関連付けられた第1のプロセス情報を備え、前記第2のデータは、前記複数のエッジデバイスの前記残りの1つ以上に関連付けられた第2のプロセス情報を含み、
前記第1のデータおよび前記第2のデータから、前記複数のエッジデバイスの前記1つ以上と、前記複数のエッジデバイスの前記残りの1つ以上の間の前記第1の相関関係を計算する、請求項1に記載の機械学習モデル更新方法。 - コンピュータに以下の処理を実行させるコンピュータプログラムであって、
複数のエッジデバイスのうちの1つのエッジデバイスによって起動されたモデルリフレッシュ事象の場合、
前記エッジデバイスとの第1の相関関係に基づいて、モデルリフレッシュを適用するために、前記複数のエッジデバイスのうちの1つ以上を選択し、
選択された前記複数のエッジデバイスのうちの1つ以上の間の第2の相関関係に基づいて、選択された前記複数のエッジデバイスのうちの前記1つ以上を複数のグループにグループ化し、
前記複数のグループの各々に適用されるモデルを選択する、コンピュータプログラム。 - さらに、前記第1の相関関係を判定し、
前記第1の相関関係の判定では、
前記複数のエッジデバイスの前記1つ以上から第1のデータと前記複数のエッジデバイスの残りの1つ以上から第2のデータとを取り込み、
前記第1のデータは、前記複数のエッジデバイスの前記1つ以上に関連付けられた第1の静的デバイス情報を備え、前記第2のデータは、前記複数のエッジデバイスの前記残りの1つ以上に関連付けられた第2の静的デバイス情報を含み、
前記第1のデータおよび前記第2のデータから、前記複数のエッジデバイスの前記1つ以上と、前記複数のエッジデバイスの前記残りの1つ以上の間の前記第1の相関関係を計算する、請求項6に記載のコンピュータプログラム。 - 前記複数のグループの各々に適用する前記モデルの選択では、
しきい値を満たす多数のデバイスを有する前記複数のグループの1つ以上の第1のグループを選択し、
前記複数のグループの1つ以上の前記第1のグループから、しきい値を超える最高のグループ相関スコアを有する、前記複数のグループの1つ以上の第2のグループを選択し、
前記第2のグループの各々に対して、前記第2のグループの前記各々の中の前記エッジデバイスの各々の間で最大平均主要パフォーマンス評価指標を有するモデルを選択する、請求項6に記載のコンピュータプログラム。 - 前記モデルリフレッシュ事象は、前記エッジデバイスのモデルから現在のデータへの予測データのずれ、またはモデル変更を必要とする前記エッジデバイスへの状態変化を示す前記現在のデータ内の基準の検出とのうちの1つ以上により、複数のエッジデバイスのうちの前記エッジデバイスによって起動される、請求項6に記載のコンピュータプログラム。
- さらに、前記第1の相関関係を判定し、
前記第1の相関関係の判定では、
前記複数のエッジデバイスの前記1つ以上から第1のデータと前記複数のエッジデバイスの残りの1つ以上から第2のデータとを取り込み、
前記第1のデータは、前記複数のエッジデバイスの前記1つ以上に関連付けられた第1のプロセス情報を備え、前記第2のデータは、前記複数のエッジデバイスの前記残りの1つ以上に関連付けられた第2のプロセス情報を含み、
前記第1のデータおよび前記第2のデータから、前記複数のエッジデバイスの前記1つ以上と、前記複数のエッジデバイスの前記残りの1つ以上の間の前記第1の相関関係を計算する、請求項6に記載のコンピュータプログラム。 - 複数のエッジデバイスを管理するように構成された管理装置であって、
複数のエッジデバイスのうちの1つのエッジデバイスによって起動されたモデルリフレッシュ事象の場合、
前記エッジデバイスとの第1の相関関係に基づいて、モデルリフレッシュを適用するために、前記複数のエッジデバイスのうちの1つ以上を選択し、
選択された前記複数のエッジデバイスのうちの1つ以上の間の第2の相関関係に基づいて、選択された前記複数のエッジデバイスのうちの前記1つ以上を複数のグループにグループ化し、
前記複数のグループの各々に適用されるモデルを選択するように構成されたプロセッサを含む、管理装置。 - 前記プロセッサが、前記第1の相関関係を、
前記複数のエッジデバイスの前記1つ以上から第1のデータと前記複数のエッジデバイスの残りの1つ以上から第2のデータとを取り込み、
前記第1のデータは、前記複数のエッジデバイスの前記1つ以上に関連付けられた第1の静的デバイス情報を備え、前記第2のデータは、前記複数のエッジデバイスの前記残りの1つ以上に関連付けられた第2の静的デバイス情報を含み、
前記第1のデータおよび前記第2のデータから、前記複数のエッジデバイスの前記1つ以上と、前記複数のエッジデバイスの前記残りの1つ以上の間の前記第1の相関関係を計算することと、によって、判定する、請求項11に記載の管理装置。 - 前記プロセッサは、前記複数のグループの各々に適用される前記モデルを、
しきい値を満たす多数のデバイスを有する前記複数のグループの1つ以上の第1のグループを選択し、
前記複数のグループの1つ以上の前記第1のグループから、しきい値を超える最高のグループ相関スコアを有する、前記複数のグループの1つ以上の第2のグループを選択し、
前記第2のグループの各々に対して、前記第2のグループの前記各々の中の前記エッジデバイスの各々の間で最大平均主要パフォーマンス評価指標を有するモデルを選択することによって、選択する、請求項11に記載の管理装置。 - 前記プロセッサが、前記第1の相関関係を、
前記複数のエッジデバイスの前記1つ以上から第1のデータと前記複数のエッジデバイスの残りの1つ以上から第2のデータとを取り込み、
前記第1のデータは、前記複数のエッジデバイスの前記1つ以上に関連付けられた第1のプロセス情報を備え、前記第2のデータは、前記複数のエッジデバイスの前記残りの1つ以上に関連付けられた第2のプロセス情報を含み、
前記第1のデータおよび前記第2のデータから、前記複数のエッジデバイスの前記1つ以上と、前記複数のエッジデバイスの前記残りの1つ以上の間の前記第1の相関関係を計算することによって判定する、請求項11に記載の管理装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/187,432 | 2021-02-26 | ||
US17/187,432 US20220277231A1 (en) | 2021-02-26 | 2021-02-26 | System to invoke update of machine learning models on edge computers |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022132078A JP2022132078A (ja) | 2022-09-07 |
JP7339321B2 true JP7339321B2 (ja) | 2023-09-05 |
Family
ID=80113358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021203911A Active JP7339321B2 (ja) | 2021-02-26 | 2021-12-16 | 機械学習モデル更新方法、コンピュータプログラムおよび管理装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220277231A1 (ja) |
EP (1) | EP4050529A1 (ja) |
JP (1) | JP7339321B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210325861A1 (en) * | 2021-04-30 | 2021-10-21 | Intel Corporation | Methods and apparatus to automatically update artificial intelligence models for autonomous factories |
US11620162B2 (en) * | 2021-05-24 | 2023-04-04 | Capital One Services, Llc | Resource allocation optimization for multi-dimensional machine learning environments |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107018184A (zh) | 2017-03-28 | 2017-08-04 | 华中科技大学 | 分布式深度神经网络集群分组同步优化方法及*** |
WO2019215779A1 (ja) | 2018-05-07 | 2019-11-14 | 日本電気株式会社 | モデル提供システム、方法およびプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11720813B2 (en) * | 2017-09-29 | 2023-08-08 | Oracle International Corporation | Machine learning platform for dynamic model selection |
US20190156246A1 (en) * | 2017-11-21 | 2019-05-23 | Amazon Technologies, Inc. | Generating and deploying packages for machine learning at edge devices |
US11616839B2 (en) * | 2019-04-09 | 2023-03-28 | Johnson Controls Tyco IP Holdings LLP | Intelligent edge computing platform with machine learning capability |
US20230044035A1 (en) * | 2020-01-17 | 2023-02-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Model pool for multimodal distributed learning |
CN114930347A (zh) * | 2020-02-03 | 2022-08-19 | 英特尔公司 | 用于无线边缘动态的分布式学习的***和方法 |
-
2021
- 2021-02-26 US US17/187,432 patent/US20220277231A1/en active Pending
- 2021-12-16 JP JP2021203911A patent/JP7339321B2/ja active Active
-
2022
- 2022-01-20 EP EP22152409.3A patent/EP4050529A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107018184A (zh) | 2017-03-28 | 2017-08-04 | 华中科技大学 | 分布式深度神经网络集群分组同步优化方法及*** |
WO2019215779A1 (ja) | 2018-05-07 | 2019-11-14 | 日本電気株式会社 | モデル提供システム、方法およびプログラム |
Non-Patent Citations (1)
Title |
---|
緒方 祐次,エッジインテグレーション技術に関する検討,電気学会研究会資料,日本,一般社団法人電気学会,2020年01月30日,通信研究会,P.41-44 |
Also Published As
Publication number | Publication date |
---|---|
US20220277231A1 (en) | 2022-09-01 |
JP2022132078A (ja) | 2022-09-07 |
EP4050529A1 (en) | 2022-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11477202B2 (en) | System and method for detecting unknown IoT device types by monitoring their behavior | |
US11570070B2 (en) | Network device classification apparatus and process | |
US10055275B2 (en) | Apparatus and method of leveraging semi-supervised machine learning principals to perform root cause analysis and derivation for remediation of issues in a computer environment | |
JP7339321B2 (ja) | 機械学習モデル更新方法、コンピュータプログラムおよび管理装置 | |
US20200026635A1 (en) | System Operational Analytics Using Additional Features for Health Score Computation | |
US11410061B2 (en) | Dynamic anomaly reporting | |
US11275643B2 (en) | Dynamic configuration of anomaly detection | |
KR102087959B1 (ko) | 통신망의 인공지능 운용 시스템 및 이의 동작 방법 | |
US9860109B2 (en) | Automatic alert generation | |
US11500370B2 (en) | System for predictive maintenance using generative adversarial networks for failure prediction | |
US11711714B2 (en) | Systems and methods for client device roaming in a wireless network to provide lossless video transmission services | |
US11392821B2 (en) | Detecting behavior patterns utilizing machine learning model trained with multi-modal time series analysis of diagnostic data | |
US20230205516A1 (en) | Software change analysis and automated remediation | |
US11153183B2 (en) | Compacted messaging for application performance management system | |
CN111708672B (zh) | 数据传输方法、装置、设备及存储介质 | |
US10255128B2 (en) | Root cause candidate determination in multiple process systems | |
US10817396B2 (en) | Recognition of operational elements by fingerprint in an application performance management system | |
CN105897503A (zh) | 基于资源信息增益的Hadoop集群瓶颈检测算法 | |
CN113656207B (zh) | 故障处理方法、装置、电子设备和介质 | |
EP4303730A1 (en) | Computer-implemented method for automatically detecting anomalies in a cloud infrastructure comprising microservices | |
JP7401747B2 (ja) | 類別プログラム、類別装置及び類別方法 | |
US20240104580A1 (en) | Service level agreement management and breach detection | |
US20230385279A1 (en) | Dynamic classification and optimization of computing resource utilization | |
US20240289441A1 (en) | Service impairment isolation in information processing system environment | |
JP2023109684A (ja) | 単一エッジデバイスにおける複数の機械学習モデルの実行の最適化 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230302 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230726 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230824 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7339321 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |