JP7510637B2 - 汎用学習済モデルの生成方法 - Google Patents
汎用学習済モデルの生成方法 Download PDFInfo
- Publication number
- JP7510637B2 JP7510637B2 JP2023053246A JP2023053246A JP7510637B2 JP 7510637 B2 JP7510637 B2 JP 7510637B2 JP 2023053246 A JP2023053246 A JP 2023053246A JP 2023053246 A JP2023053246 A JP 2023053246A JP 7510637 B2 JP7510637 B2 JP 7510637B2
- Authority
- JP
- Japan
- Prior art keywords
- trained model
- information processing
- integration
- integrated
- trained
- 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
- 238000000034 method Methods 0.000 claims description 122
- 230000008569 process Effects 0.000 claims description 105
- 230000010354 integration Effects 0.000 claims description 74
- 230000010365 information processing Effects 0.000 claims description 68
- 238000012545 processing Methods 0.000 claims description 39
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
- Image Analysis (AREA)
Description
図1~図13を参照しつつ、本開示の第1の実施形態について説明する。
図1~図3を参照しつつ、本実施形態に係る汎用学習済モデル生成システム5の装置構成について説明する。
次に、図4~図12を参照しつつ、本実施形態に係る汎用学習済モデル生成システム5の動作について説明する。
図4は、汎用学習済モデルを生成する方法に関するゼネラルフローチャートである。同図から明らかな通り、処理が開始すると、情報処理装置1において、木構造を有するモデルの学習処理が行われる(S10)。
図4に戻り、学習処理が完了すると、学習結果に相当する学習済モデルを集積回路(IC)4へと搭載する処理がなされ、その後、当該集積回路4を各動作装置3へと搭載する処理が行われる(S20)。具体的には、上述の初期データに基づいて学習済の木構造モデルは、制御部41により読み出されて実行可能な態様にて記憶部42へと記憶される。また、学習済モデルはさらに、追加学習が可能な態様にて構成され、各動作装置3において新たなデータが得られた場合には、当該データに基づいてさらなる追加学習を行うことができるよう構成されている。
動作装置3への搭載処理の完了後、搭載された学習済モデルを用いて実際に動作装置3の制御が行われると共に、当該動作により得られた実際の動作データに基づいて、追加的な学習処理が行われる(S30)。
図4に戻り、各動作装置3における個別の追加学習処理(S30)が終了すると、各動作装置3から追加学習済モデルに関するデータ、すなわち、ノードとパラメータに関するデータをネットワークを介して統合処理サーバ2へと送信する処理が行われる(S40)。統合処理サーバ2は、当該データを受信すると、各追加学習済モデル同士を統合する処理を行う(S50)。
図4に戻り、統合処理サーバ2における学習済モデルの統合処理(S50)が終了すると、統合処理サーバ2から統合済モデル(汎用学習済モデル)をネットワークを介して各動作装置3へとダウンロードする処理が行われる(S60)。具体的には、所定期間経過後、動作装置3の所有者等は、図示しないパーソナル・コンピュータ等の情報処理装置へと統合済モデルをダウンロードし、当該情報処理装置からI/O部45を介して当該統合済モデルを各動作装置3へと転送して動作装置3の各記憶部42へと記憶させる。その後、処理は終了する。
次に、図13~図16を参照しつつ、本発明の第2の実施形態について説明する。本実施形態においては、学習済モデル同士の統合処理を行う際に種々の付随情報が使用される。
第1の実施形態においては、動作装置3から追加学習後の学習済モデルを送信することとして説明したが、本開示はそのような構成に限定されない。従って、例えば、動作装置3から動作データを統合処理サーバ2へと送信して統合処理サーバ2において当該動作データを学習することで統合を実現してもよい。
2 統合処理サーバ
3 動作装置
4 集積回路
5 汎用学習済モデル生成システム
100 汎用学習済モデル生成システム
101 第1の情報処理装置
102 第2の情報処理装置
103 情報処理端末
104 ウェアラブル端末
Claims (7)
- ネットワークに接続された各情報処理装置において、各前記情報処理装置に記憶されたデータを用いて機械学習処理を行って情報処理装置毎に学習済モデルを生成する、学習済モデル生成ステップと、
各前記情報処理装置から、各前記学習済モデルを前記ネットワークを介して統合処理サーバへと提供する、学習済モデル提供ステップと、
前記統合処理サーバにおいて、各前記学習済モデルに対して統合処理を行って統合学習済モデルを生成する、統合ステップと、
前記統合学習済モデルを各前記情報処理装置へと提供する、統合学習済モデル提供ステップと、を備え、
前記統合ステップは、さらに、
前記統合処理を行う前に各前記学習済モデルの間で統合の可否に関する判定処理を行う、統合可否判定ステップを備える、方法。 - 前記データは、各前記情報処理装置において生成されたデータである、請求項1に記載の方法。
- 各前記情報処理装置において、前記統合学習済モデルを各前記情報処理装置に対して適用するか否かは選択可能に構成されている、請求項1に記載の方法。
- 各前記情報処理装置における前記機械学習処理は、各前記情報処理装置に記憶されたデータを用いて既存の学習済モデルに対して行われる追加学習処理を含む、請求項1に記載の方法。
- 前記統合処理は、統合学習済モデル間の統合も含む多段階の統合処理である、請求項1に記載の方法。
- 前記学習済モデルは木構造を有する学習済モデルである、請求項1~5のいずれか1項に記載の方法。
- 複数の情報処理装置と、ネットワークを介して各前記情報処理装置と接続された統合処理サーバと、から成るシステムであって、
各前記情報処理装置は、
前記情報処理装置に記憶されたデータを用いて機械学習処理を行って学習済モデルを生成する、学習済モデル生成部と、
前記学習済モデルを前記ネットワークを介して前記統合処理サーバへと提供する、学習済モデル提供部と、を備え、
前記統合処理サーバは、
提供された各前記学習済モデルに対して統合処理を行って統合学習済モデルを生成する、統合部と、
前記統合学習済モデルを各前記情報処理装置へと提供する、統合学習済モデル提供部と、を備え、
前記統合部は、さらに、
前記統合処理を行う前に各前記学習済モデルの間で統合の可否に関する判定処理を行う、統合可否判定部を備える、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017249455 | 2017-12-26 | ||
JP2017249455 | 2017-12-26 | ||
JP2019202438A JP7264376B2 (ja) | 2017-12-26 | 2019-11-07 | 汎用学習済モデルの生成方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019202438A Division JP7264376B2 (ja) | 2017-12-26 | 2019-11-07 | 汎用学習済モデルの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023089023A JP2023089023A (ja) | 2023-06-27 |
JP7510637B2 true JP7510637B2 (ja) | 2024-07-04 |
Family
ID=67067347
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019541374A Active JP6648352B2 (ja) | 2017-12-26 | 2018-12-21 | 汎用学習済モデルの生成方法 |
JP2019202438A Active JP7264376B2 (ja) | 2017-12-26 | 2019-11-07 | 汎用学習済モデルの生成方法 |
JP2023053246A Active JP7510637B2 (ja) | 2017-12-26 | 2023-03-29 | 汎用学習済モデルの生成方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019541374A Active JP6648352B2 (ja) | 2017-12-26 | 2018-12-21 | 汎用学習済モデルの生成方法 |
JP2019202438A Active JP7264376B2 (ja) | 2017-12-26 | 2019-11-07 | 汎用学習済モデルの生成方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11568327B2 (ja) |
EP (1) | EP3734519A4 (ja) |
JP (3) | JP6648352B2 (ja) |
WO (1) | WO2019131527A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11568327B2 (en) * | 2017-12-26 | 2023-01-31 | Aising Ltd. | Method for generating universal learned model |
JP6699764B1 (ja) * | 2019-01-16 | 2020-05-27 | 株式会社富士通ゼネラル | 空気調和システム |
JP6932160B2 (ja) * | 2019-07-22 | 2021-09-08 | 株式会社安川電機 | 機械学習方法及び産業用機器のパラメータ又は産業用機器により制御される機器の内部状態の推定方法 |
JP7235125B2 (ja) * | 2019-08-21 | 2023-03-08 | 日本電気株式会社 | 認識システム、モデル処理装置、モデル処理方法、及び、プログラム |
EP4020337A4 (en) * | 2019-08-21 | 2023-08-02 | Aising Ltd. | INFORMATION PROCESSING DEVICE, METHOD AND PROGRAM |
JP7461763B2 (ja) | 2020-03-18 | 2024-04-04 | セコム株式会社 | 分散機械学習装置、分散機械学習方法、分散機械学習プログラム及びデータ処理システム |
JP6834046B1 (ja) * | 2020-05-08 | 2021-02-24 | 長瀬産業株式会社 | バーチャル疾患体験システム、バーチャル疾患体験方法、及びプログラム |
JP6963062B1 (ja) * | 2020-06-22 | 2021-11-05 | 株式会社Yamato | 情報処理装置及び情報処理方法 |
JP2022139417A (ja) * | 2021-03-12 | 2022-09-26 | オムロン株式会社 | 統合モデルの生成方法、画像検査システム、画像検査用モデルの生成装置、画像検査用モデルの生成プログラム及び画像検査装置 |
JPWO2023013788A1 (ja) * | 2021-08-05 | 2023-02-09 | ||
WO2023234184A1 (ja) * | 2022-06-01 | 2023-12-07 | 日本電気株式会社 | 連合学習モデル生成装置、連合学習モデル生成システム、連合学習モデル生成方法、コンピュータ可読媒体および連合学習モデル |
WO2023234182A1 (ja) * | 2022-06-01 | 2023-12-07 | 日本電気株式会社 | データ処理装置、データ処理システム、データ処理方法およびプログラムが格納された非一時的なコンピュータ可読媒体 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010009518A (ja) | 2008-06-30 | 2010-01-14 | Canon Inc | パターン検出器の学習装置、学習方法及びプログラム |
JP2010020445A (ja) | 2008-07-09 | 2010-01-28 | Sony Corp | 学習装置、学習方法、およびプログラム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293442A (ja) | 2005-04-05 | 2006-10-26 | Sony Corp | 情報処理装置および方法、並びにプログラム |
US9489630B2 (en) | 2014-05-23 | 2016-11-08 | DataRobot, Inc. | Systems and techniques for predictive data analytics |
US9681270B2 (en) * | 2014-06-20 | 2017-06-13 | Opentv, Inc. | Device localization based on a learning model |
JP6547171B2 (ja) | 2015-03-16 | 2019-07-24 | 国立大学法人岩手大学 | 情報処理装置 |
JP6763408B2 (ja) | 2016-01-19 | 2020-09-30 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
WO2017187516A1 (ja) * | 2016-04-26 | 2017-11-02 | 株式会社日立製作所 | 情報処理システムおよびその運用方法 |
US10599205B2 (en) * | 2017-09-18 | 2020-03-24 | Verizon Patent And Licensing Inc. | Methods and systems for managing machine learning involving mobile devices |
US11568327B2 (en) * | 2017-12-26 | 2023-01-31 | Aising Ltd. | Method for generating universal learned model |
US10901969B2 (en) * | 2018-08-14 | 2021-01-26 | Development Guild DDI, Inc. | System and method for facilitating an objective-oriented data structure and an objective via the data structure |
US11475370B2 (en) * | 2018-11-29 | 2022-10-18 | Microsoft Technology Licensing, Llc | Providing custom machine-learning models |
-
2018
- 2018-12-21 US US16/957,130 patent/US11568327B2/en active Active
- 2018-12-21 WO PCT/JP2018/047297 patent/WO2019131527A1/ja unknown
- 2018-12-21 JP JP2019541374A patent/JP6648352B2/ja active Active
- 2018-12-21 EP EP18895583.5A patent/EP3734519A4/en active Pending
-
2019
- 2019-11-07 JP JP2019202438A patent/JP7264376B2/ja active Active
-
2022
- 2022-12-23 US US18/087,873 patent/US20230131283A1/en active Pending
-
2023
- 2023-03-29 JP JP2023053246A patent/JP7510637B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010009518A (ja) | 2008-06-30 | 2010-01-14 | Canon Inc | パターン検出器の学習装置、学習方法及びプログラム |
JP2010020445A (ja) | 2008-07-09 | 2010-01-28 | Sony Corp | 学習装置、学習方法、およびプログラム |
Non-Patent Citations (2)
Title |
---|
ANDRZEJAK, Artur et al.,"Interpretable models from distributed data via merging of decision trees",2013 IEEE Symposium on Computational Intelligence and Data Mining (CIDM) [online],IEEE,2013年09月,[2024年04月02日検索],インターネット<URL: https://ieeexplore.ieee.org/document/6597210>,Electronic ISBN: 978-1-4673-5895-8,DOI: 10.1109/CIDM.2013.6597210 |
KONECNY, Jakub et al.,"Federated Learning: Strategies for Improving Communication Efficiency",arXiv [online],2017年10月,[2024年04月02日検索],インターネット<URL: https://arxiv.org/abs/1610.05492v2>,1610.05492v2 |
Also Published As
Publication number | Publication date |
---|---|
EP3734519A4 (en) | 2021-09-15 |
JP6648352B2 (ja) | 2020-02-14 |
EP3734519A1 (en) | 2020-11-04 |
US20200349473A1 (en) | 2020-11-05 |
JP7264376B2 (ja) | 2023-04-25 |
US11568327B2 (en) | 2023-01-31 |
JP2023089023A (ja) | 2023-06-27 |
JP2020038699A (ja) | 2020-03-12 |
JPWO2019131527A1 (ja) | 2020-01-16 |
WO2019131527A1 (ja) | 2019-07-04 |
US20230131283A1 (en) | 2023-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7510637B2 (ja) | 汎用学習済モデルの生成方法 | |
US9613310B2 (en) | Neural network learning and collaboration apparatus and methods | |
CN108919669A (zh) | 一种智能家居动态决策方法、装置和服务终端 | |
EP3992857A1 (en) | Method and device for generating neural network model, and computer-readable storage medium | |
CN111176758B (zh) | 配置参数的推荐方法、装置、终端及存储介质 | |
WO2017213857A1 (en) | System for iteratively training an artificial intelligence using cloud-based metrics | |
CN114241100B (zh) | 虚拟对象的蒙皮处理方法、装置、设备、介质及程序产品 | |
US20210158162A1 (en) | Training reinforcement learning agents to learn farsighted behaviors by predicting in latent space | |
US11675570B2 (en) | System and method for using a graphical user interface to develop a virtual programmable logic controller | |
CN110114784A (zh) | 递归神经网络 | |
WO2020199690A1 (zh) | 基于云平台共享学***台及方法、介质 | |
JP2022523484A (ja) | 観測値の尤度を使用して環境を探索するためのエージェントを制御すること | |
CN113408782A (zh) | 基于改进的ddpg算法的机器人路径导航方法及*** | |
JPWO2019150452A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN115204387B (zh) | 分层目标条件下的学习方法、装置和电子设备 | |
JP2018194932A (ja) | 制御装置、制御プログラム、学習データ作成方法、及び学習方法 | |
CN116608551A (zh) | 冷负荷预测方法和装置、电子设备及存储介质 | |
CN113222414B (zh) | 模型稳定性的评估方法、装置、电子设备和存储介质 | |
CN111443806B (zh) | 交互任务的控制方法、装置、电子设备及存储介质 | |
JP6713099B2 (ja) | 学習済モデル統合方法、装置、プログラム、icチップ、及びシステム | |
KR20230021468A (ko) | 신경망을 이용하여 사용자 입력에 대응하는 시각적 객체의 상태를 식별하기 위한 전자 장치, 방법, 및 비일시적 컴퓨터 판독가능 저장 매체 | |
Vignesh et al. | Deep Reinforcement Learning Based Weather Monitoring Systemusing Arduino for Smart Environment | |
Čík et al. | Reinforcement learning as a service | |
CN111712791B (zh) | 人工智能应用搭建中新增组块的方法、装置和机器设备 | |
Vaughan | Evolutionary robot swarm cooperative retrieval |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230417 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230417 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240426 |
|
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: 20240515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240613 |