学习装置、分析装置、学习方法及存储介质制造方法及图纸

提供一种能够削减为了开始分析所需要的数据的学习装置、分析装置、学习方法、程序及存储介质。实施方式的学习装置使第1模型进行学习，上述第1模型根据表示人的动作的时间序列数据来推定作业的期间。上述学习装置取得被赋予了表示上述作业的标签的第1时间序列数据。上述学习装置从在上述第1时间序列数据中上述标签表示的期间中，提取作为特征的样式。上述学习装置生成表示上述第1时间序列数据中的上述样式的出现定时的定时数据。上述学习装置使用上述标签、上述第1时间序列数据及上述定时数据，使上述第1模型进行学习。使上述第1模型进行学习。使上述第1模型进行学习。

【技术实现步骤摘要】
学习装置、分析装置、学习方法及存储介质


[0001]本专利技术的实施方式涉及学习装置、分析装置、学习方法及存储介质。

技术介绍

[0002]有分析人的动作、以作业效率的改善为目标的技术。关于该技术，希望能够以更少的事前准备开始分析。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特开2020－027324号公报

技术实现思路

[0006]专利技术要解决的技术问题
[0007]本专利技术要解决的技术问题是提供一种能够将为了开始分析所需要的数据削减的学习装置、分析装置、学习方法、程序及存储介质。
[0008]用来解决技术问题的手段
[0009]技术方案的学习装置使第1模型进行学习，上述第1模型根据表示人的动作的时间序列数据来推定作业的期间。上述学习装置取得第1时间序列数据，上述第1时间序列数据被赋予了表示上述作业的标签。上述学习装置从在上述第1时间序列数据中上述标签表示的期间中，提取作为特征的样式。上述学习装置生成定时数据，上述定时数据表示上述第1时间序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习装置，使第1模型进行学习，上述第1模型根据表示人的动作的时间序列数据来推定作业的期间，其中，取得第1时间序列数据，上述第1时间序列数据被赋予了表示上述作业的标签；从在上述第1时间序列数据中上述标签表示的期间中，提取作为特征的样式；生成定时数据，上述定时数据表示上述第1时间序列数据中的上述样式的出现定时；使用上述标签、上述第1时间序列数据及上述定时数据，使上述第1模型进行学习。2.如权利要求1所述的学习装置，其中，将多维的上述第1时间序列数据的维度缩减，从被缩减后的上述第1时间序列数据中提取上述样式。3.如权利要求1所述的学习装置，其中，上述第1时间序列数据是对身体的多个部位的动作及多个关节的动作进行表示的多维的数据，上述学习装置，提取一部分的维度的上述第1时间序列数据；对于上述一部分的维度分别从被提取出的上述第1时间序列数据中提取上述样式，并且生成上述定时数据；使用上述标签、被提取出的上述第1时间序列数据及多个上述定时数据，使上述第1模型进行学习。4.如权利要求1～3中任一项所述的学习装置，其中，对于上述第1时间序列数据，赋予分别表示多个上述作业的多个上述标签，上述学习装置，从多个上述标签表示的多个期间中分别提取多个上述样式；生成多个上述定时数据，多个上述定时数据分别表示上述第1时间序列数据中的多个上述样式的出现定时；使用多个上述标签、上述第1时间序列数据及多个上述定时数据，使上述第1模型进行学习，以使上述第1模型根据上述时间序列数据推定多个上述作业的期间。5.如权利要求1～3中任一项所述的学习装置，其中，通过将上述第1时间序列数据的各个值以二维状排列，生成向上述第1模型输入的排列数据，使用上述标签、基于上述第1时间序列数据的上述排列数据及上述定时数据，使上述第1模型进行学习。6.如权利要求1～3中任一项所述的学习装置，其中，上述第1模型包括具有卷积层及注意力层的神经网络，上述学习装置使用上述第1时间序列数据作为输入数据，使用上述标签作为训练数据，使上述第1模型进行学习，在学习时的上述第1模型的评价中使用上述定时数据。7.如权利要求1～3中任一项所述的学习装置，其中，受理表示上述作业的种类、上述作业的开始时间及上述作业的结束时间的数据，...

【专利技术属性】
技术研发人员：浪冈保男，和田笃，吉井崇哲，
申请(专利权)人：株式会社东芝，
类型：发明
国别省市：