Top > Search of Japanese Patents > (In Japanese)機械学習システム及び機械学習方法

(In Japanese)機械学習システム及び機械学習方法

Patent code P210017471
File No. (S2018-0281-N0)
Posted date Mar 15, 2021
Application number P2019-570753
Date of filing Feb 5, 2019
International application number JP2019004061
International publication number WO2019156070
Date of international filing Feb 5, 2019
Date of international publication Aug 15, 2019
Priority data
  • P2018-022132 (Feb 9, 2018) JP
Inventor
  • (In Japanese)峰野 博史
  • (In Japanese)若森 和昌
  • (In Japanese)望月 大輔
Applicant
  • (In Japanese)国立大学法人静岡大学
Title (In Japanese)機械学習システム及び機械学習方法
Abstract (In Japanese)少ない訓練データ量で現象の時間的変化に関する機械学習のモデルを適切に構築するために、一形態にかかる機械学習システム1は、特定の時点における入力データに対して、既定のイベントの発生後の特定の時点における経過時間に関する経過時間情報を付加して入力する入力部7と、入力部7によって入力された経過時間情報が付加された入力データを基に、機械学習によってモデルのパラメータを最適化する学習器9とを備える。
Outline of related art and contending technology (In Japanese)

近年、植物、動物等の生物に関連した自然現象の時間的変化、株価等の社会現象の時間的変化をモデル化する機械学習の技術が浸透し始めている。下記非特許文献1には、時系列特徴を重畳した機械学習のモデルを構築できる手法である再帰型ニューラルネットワーク(RNN:Recurrent Neural Networks)について記載されている。また、下記非特許文献2及び下記非特許文献3には、RNNの一種としてのLSTM(Long Short-Term Memory)について記載されている。この手法では、RNNに比べて長期の時系列特徴をモデルに重畳することができ、様々な時系列データの推定あるいは予測に適用されている。

Field of industrial application (In Japanese)

本発明の一側面は、現象の時間的変化を学習する機械学習システム及び機械学習方法に関する。

Scope of claims (In Japanese)
【請求項1】
 
特定の時点における入力データに対して、既定の複数のイベントの発生後の前記特定の時点における経過時間に関する複数の経過時間情報を付加して入力する入力部と、
前記入力部によって入力された前記経過時間情報が付加された前記入力データを基に、機械学習によってモデルのパラメータを最適化する学習器と、
を備える機械学習システム。

【請求項2】
 
前記学習器は、機械学習における教師あり学習器によって構成されている、
請求項1記載の機械学習システム。

【請求項3】
 
前記学習器は、ニューラルネットワークによって構成されている、
請求項1又は2記載の機械学習システム。

【請求項4】
 
前記学習器は、ディープニューラルネットワークによって構成されている、
請求項1~3のいずれか1項に記載の機械学習システム。

【請求項5】
 
前記入力部は、連続した複数の時点における前記入力データと前記入力データに対応する経過時間情報との組み合わせを、前記複数の時点毎に生成し、前記複数の時点毎の前記組み合わせを入力する、
請求項1~4のいずれか1項に記載の機械学習システム。

【請求項6】
 
前記既定のイベントの発生を検知する検知部をさらに備え、
前記入力部は、前記検知部における検知に応じて前記特定の時点に対応する前記経過時間情報を算出し、当該経過時間情報を前記入力データに対して付加する、
請求項1~5のいずれか1項に記載の機械学習システム。

【請求項7】
 
前記入力部は、前記入力データに対して、前記入力データに含まれる値の前記イベントの発生後における積算値をさらに付加して入力し、
前記学習器は、前記積算値をさらに用いて前記パラメータを最適化する、
請求項1~6のいずれか1項に記載の機械学習システム。

【請求項8】
 
前記入力部は、前記入力データに対して、前記入力データに含まれる値の前記イベントの発生後における統計量をさらに付加して入力し、
前記学習器は、前記統計量をさらに用いて前記パラメータを最適化する、
請求項1~7のいずれか1項に記載の機械学習システム。

【請求項9】
 
前記入力部は、前記入力データに含まれる目的変数の分布を均衡化させるために、前記入力データの再サンプリングを適用し、再サンプリングが適用された前記入力データを入力する、
請求項1~8のいずれか1項に記載の機械学習システム。

【請求項10】
 
入力部が、特定の時点における入力データに対して、既定の複数のイベントの発生後の前記特定の時点における経過時間に関する複数の経過時間情報を付加して入力する入力ステップと、
学習器が、前記入力部によって入力された前記経過時間情報が付加された前記入力データを基に、機械学習によってモデルのパラメータを最適化する学習ステップと、
構築された前記モデルによって現象の時間的変化を推定・予測する推定・予測ステップと、
を備える機械学習方法。

【請求項11】
 
前記入力データは、植物の栽培環境に関する環境データおよび前記経過時間情報を含む、
請求項1記載の機械学習システム。

【請求項12】
 
前記環境データは、温度、相対湿度、飽差、光量、灌水量のうちの少なくとも1つである、
請求項11記載の機械学習システム。

【請求項13】
 
前記経過時間情報が付加された前記入力データは、日の出後の経過時間に対する変化、および灌水後の経過時間に対する変化を示すデータである、
請求項11記載の機械学習システム。

【請求項14】
 
前記イベントは、日の出および灌水である、
請求項1記載の機械学習システム。

【請求項15】
 
前記検知部は、光量データおよび灌水量データを検出し、
前記入力部は、前記光量データおよび灌水量データを含む入力データを生成する、
請求項6記載の機械学習システム。
IPC(International Patent Classification)
  • G06N  20/00    
Drawing

※Click image to enlarge.

JP2019570753thum.jpg
State of application right Published
Please contact us by E-mail or facsimile if you have any interests on this patent.


PAGE TOP

close
close
close
close
close
close
close