【技术实现步骤摘要】
信息处理装置及信息处理方法
[0001]本专利技术涉及一种信息处理装置及信息处理方法，尤其涉及一种用来使学习模型机械学习的技术。
技术介绍
[0002]在教导式机械学习中，使用包含教导样本(标本)与教导标签的教导数据集，以将教导样本与标签的关系反映到学习模型的方式，使学习模型机械学习。通过将利用此种机械学习获得的学习完成模型应用到推理阶段中未附设标签的未知样本，例如获得图像识别、分类等期望的处理结果。
[0003]如果将使用某教导数据集学习的学习完成模型直接应用到以与所述教导数据集不同域的数据集为对象的任务中，那么会导致推理的精度降低。此处，域意指数据集中的数据的种类、范围、分布等。
[0004]因此，有一种技术，通过使用与作为对象的数据集同一域的目标域的样本，使学习完成模型进一步机械学习，能将学习完成模型应用到目标域，这被称为转移学习(Transfer Learning)。
[0005]所述转移学习的1种具有域适应(Domain Adaptation)。在所述域适应中，以样本的分布在教导数据集的域、...
【技术保护点】
【技术特征摘要】
1.一种信息处理装置，特征在于具备：特征抽取部，从源域所含的第1类样本及第2类样本、与目标域所含的所述第1类样本分别抽取特征；疑似样本产生部，基于利用所述特征抽取部抽取的所述特征的特征空间中所述目标域所含的所述第1类样本的分布，产生所述目标域的所述第2类疑似样本；及数据转换部，以使所述特征空间中所述源域所含的所述第1类样本及所述第2类样本的分布，与所述目标域所含的所述第1类样本及所述第2类所述疑似样本的分布接近的方式，通过机械学习进行数据转换。2.根据权利要求1所述的信息处理装置，其中所述疑似样本产生部推测所述特征空间中所述目标域所含的所述第1类样本的分布的第1可靠度，且基于推测的所述第1可靠度的梯度，产生所述疑似样本。3.根据权利要求2所述的信息处理装置，其中所述疑似样本产生部在推测的所述第1可靠度较低的所述特征空间的区域，产生所述疑似样本。4.根据权利要求1到3中任一权利要求所述的信息处理装置，其中所述疑似样本产生部推测所述特征空间中所述源域所含的所述第2类样本的分布的第2可靠度，且基于推测的所述第2可靠度的梯度，产生所述疑似样本。5.根据权利要求4所述的信息处理装置，其中所述疑似样本产生部将所述第1可靠度与所述第2可靠度结合，且基于结合的可靠度，以使产生的所述疑似样本分布于所述特征空间中所述结合的可靠度更高的区域的方式重取样。6.根据权利要求1所述的信息处理装置，其中所述疑似样本产生部基于所述特征空间中所述源域所含的所述第1类样本的分布与所述第2类样本的分布之间的距离，产生所述疑似样本。7.根据权利要求1所述的信息处理装置，其中进而具备：域分类器，将样本分类为所述源域及所述目标域中任一个；且所述疑似样本产生部以所述域分类器对分类到所述目标域的样本，赋予比分类到所述源域的样本更高权重的方式，使所述域分类器学习。8.根据权利要求7所述的信息处...
【专利技术属性】
技术研发人员：穆罕默德，
申请(专利权)人：乐天集团股份有限公司，
类型：发明
国别省市：
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。