【技术实现步骤摘要】
应用辅助系统和方法以及计算机可读记录介质
本专利技术大致涉及学习模型的应用的辅助。
技术介绍
从成本削减和业务高效化的观点出发，在各领域中利用AI(例如机器学习)的业务变革的意识提高了。特别在产品检查工序中，还存在检查质量的稳定化、检查人员的培养、熟练人员的确保困难的问题。因此，对基于AI的检查工序的自动化的期待变大。为了实现检查工序的自动化，可以考虑应用通过机器学习制作的学习模型。但是，有时学习模型劣化。作为学习模型的一个例子，专利文献1公开了一种预测模型。专利文献1公开的预测模型维持系统制作新预测模型，将预测模型和新预测模型中的评价高的一方挑选为应用预测模型。本申请的专利技术人认真研究了用于产品检查工序的自动化的学习模型的应用的结果是得到以下的见解。输入了产品的检查数据的学习模型使用该检查数据进行产品的检查，输出表示该检查的结果(例如产品是正常还是异常)的检查结果数据。如果正在应用的学习模型劣化了，则可能产生尽管输入了表示合格品(正常的产品)的检查数据仍输出表示不合格品(异常的产品)的检查...
【技术保护点】
1.一种应用辅助系统，其特征在于，具备：/n学习部，其进行再学习，即制作版本不同的一个或多个学习模型；/n监视部，其进行正在应用的学习模型的监视即应用监视，其中，/n上述监视部具备：/n确信度比较部，其在每次被输入了输入数据的正在应用的学习模型输出输出数据时，进行该学习模型的确信度是否小于第一阈值的第一确信度比较；以及/n模型替换部，其在上述第一确信度比较的结果为真的情况下，进行模型替换，即，将作为应用对象的学习模型从正在应用的学习模型替换为版本与上述正在应用的学习模型的版本不同的一个以上的学习模型即一个以上的候选模型中的比得到真的结果的该正在应用的学习模型的确信度高的任意...
【技术特征摘要】
20191009 JP 2019-1863191.一种应用辅助系统，其特征在于，具备：
学习部，其进行再学习，即制作版本不同的一个或多个学习模型；
监视部，其进行正在应用的学习模型的监视即应用监视，其中，
上述监视部具备：
确信度比较部，其在每次被输入了输入数据的正在应用的学习模型输出输出数据时，进行该学习模型的确信度是否小于第一阈值的第一确信度比较；以及
模型替换部，其在上述第一确信度比较的结果为真的情况下，进行模型替换，即，将作为应用对象的学习模型从正在应用的学习模型替换为版本与上述正在应用的学习模型的版本不同的一个以上的学习模型即一个以上的候选模型中的比得到真的结果的该正在应用的学习模型的确信度高的任意一个候选学习模型。
2.根据权利要求1所述的应用辅助系统，其特征在于，
该应用辅助系统还具备：原因判定部，其在上述第一确信度比较的结果为真的情况下，进行被输入到得到了该真的结果的正在应用的学习模型的输入数据是否是该结果的原因的原因判定，
在上述原因判定的结果为伪的情况下，上述模型替换部进行上述模型替换。
3.根据权利要求2所述的应用辅助系统，其特征在于，
上述确信度比较部在每次被输入了输入数据的正在应用的学习模型输出输出数据时，进行该学习模型的确信度是否小于比上述第一阈值更接近基准确信度的第二阈值的第二确信度比较，
在上述第二确信度比较的结果为真的情况下，上述确信度比较部进行模型评价，即将评价用的数据输入到上述一个以上的候选学习模型的至少一个候选学习模型，由此对该候选学习模型进行评价，
在上述第一确信度比较的结果为真、并且上述原因判定的结果为伪的情况下，在上述模型替换中，上述任意一个候选学习模型是在上述模型评价中得到了比正在应用的学习模型的确信度高的确信度的候选学习模型。
4.根据权利要求3所述的应用辅助系统，其特征在于，
上述评价用的数据是在上述至少一个候选学习模型的制作中使用的输入数据和比该输入数据更新的输入数据，
上述任意一个候选学习模型是将比在该候选学习模型的制作中使用的输入数据更新的输入数据输入到该候选学习模型的情况下的确信度与将在该候选学习模型的制作中使用的输入数据输入到该候选学习模型的情况下的确信度相同或更高的候选学习模型。
5.根据权利要求2所述的应用辅助系统，其特征在于，
上述原因判定为是否根据被输入到作为上述确信度比较的结果得到了真的结果的正在应用的学习模型的输入数据确定了概念漂移的判定。
6.根据权利要求1所述的应用辅助系统，其特征在于，
上述学习部与上述应用监视不同步地定期或不定期地进行上述再学习。
7.根据权利要求1所述的应用辅助系统，其特征在于，
上述确信度比较部在每次被输入了输入数据的正在应用的学习模型输...
【专利技术属性】
技术研发人员：德永和朗，小岛祐人，加藤裕太朗，顾志明，伊藤淳史，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。