本发明专利技术提供推理系统、学习委托装置以及学习委托方法，还能够有效利用由假定外的设备得到的信息而进行有效的机器学习，并且能够向用户提供有效的信息。在使用通过收集大量装置的输出数据并将该收集到的数据作为训练数据进行学习而生成的推理模型来进行推理的推理系统中的学习委托方法中，从装置将输出数据输入(S101)，在得到的所输入的输出数据为假定外的数据的情况下(S101“否”)，指定假定外的数据，并收集该指定的数据(S105)，使收集到的假定外的数据成为训练数据，委托与推理系统对应的推理模型的学习(S109)。理模型的学习(S109)。理模型的学习(S109)。
【技术实现步骤摘要】
【国外来华专利技术】推理系统、学习委托装置以及学习委托方法
[0001]本专利技术涉及为了准备适当的推理模型并生成进行有效推理的推理模型而能够收集需要的数据的推理系统、学习委托装置以及学习委托方法。
技术介绍
[0002]近年来，通过IoT、AI技术的进展，能够访问大量的数据。于是，能够收集数据并基于该数据制作训练数据，使用该训练数据生成推理模型，并使用该推理模型进行机器学习。在这样的环境下，如何能够得到有效的学习结果(即，推理模型)极大地影响了用户的便利性。
[0003]例如，在专利文献1中，提出了一种信息处理装置，用于决定使吸附装置吸附包装物的区域，该包装物利用包装材料包装了物体。在该信息处理装置中，具有如下的记载：为了通过机器学习得到推理模型，取得对应有吸附判定结果的训练数据，该吸附判定结果表示吸附装置的吸附是否成功。
[0004]现有技术文献
[0005]专利文献
[0006]专利文献1：日本特开2019
‑
181687号公报
技术实现思路
[0007]专利技术要解决的问题
[0008]在上述的专利文献1所公开的信息处理中，公开了使用吸附判定结果来得到训练数据。但是，这终归是以在假定了特定目的的系统中得到有效的训练数据作为前提的。因此，没有应对假定外的目的。
[0009]本专利技术是鉴于这样的情况而完成的，其目的在于，提供一种推理系统、学习委托装置以及学习请求方法，在得到假定外的信息的情况下也能够有效利用该假定外的信息进行有效的机器学习，并能够向用户提供有效的信息。
[0010]用于解决问题的手段
[0011]为了实现上述目的，第1专利技术的推理系统是使用推理模型进行推理的推理系统，该推理模型是通过收集大量装置的输出数据并将收集到的该数据作为训练数据进行学习而生成的，其中，所述推理系统具备：数据输入部，其输入来自所述装置的输出数据；应对判定部，其在得到的由所述数据输入部输入的数据为假定外的数据的情况下，指定假定外的数据，并收集所指定的该数据；以及推理委托部，其将收集到的假定外的数据作为训练数据而进行与所述推理系统对应的推理模型的学习请求。
[0012]第2专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部指定与所述假定外的数据类似的数据，并收集该类似的数据。
[0013]第3专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部将取得的所述假定外的数据作为训练数据候选而蓄积。
[0014]第4专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部为了将所述收集到的数据判定为所述假定外的数据，按照预先设定的数据形式、数据规格、数据类别、数据大小的范围、收集到的数据取得的频度、收集到的数据的偏差程度、收集到的数据的趋势、来自多个传感器的数据的相同时期的同样的数据变化、相同传感器从多个对象物取得的信息的相同时期或者连锁的数据变化中的至少一方，针对所述收集到的数据进行是否为假定外的判定。
[0015]第5专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部为了将所述收集到的数据判定为所述假定外的数据，按照将所述收集到的数据输入到所述推理模型时的推理结果的范围、推理结果的偏差、推理结果的趋势、推理结果的偏差程度、推理结果的趋势和频度中的至少一方，针对所述收集到的数据进行是否为假定外的判定。
[0016]第6专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部具备用于判定所述收集到的数据是否为所述假定外的数据的第2推理模型，按照该第2推理模型的推理结果，进行是否为假定外的判定。
[0017]第7专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部在判定为由所述数据输入部输入的数据为假定外的情况下，指定所述假定外的数据，并收集所指定的该数据。
[0018]第8专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部在所述推理系统未应对特定的装置的条件的输出数据且输入假定外的数据的情况下，通过由用户进行触发操作来指定假定外的数据，并收集所指定的该数据。
[0019]第9专利技术的推理系统在所述第1专利技术的基础上，所述装置进行与用户的健康状态相关的推理，所述数据输入部输入检查数据，所述推理模型输入所述检查数据，推理与疾病相关的信息。
[0020]第10专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部在取得了假定外的数据的情况下，指定与假定设备类似的设备的数据，并收集所指定的该数据。
[0021]第11专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部在收集到假定外的数据的情况下，指定各个人的去医院信息、服用药剂信息，并收集所指定的该信息。
[0022]第12专利技术的推理系统在所述第1专利技术的基础上，所述应对判定部在收集到假定外的数据的情况下，指定用户的医疗健康信息和/或与生活习惯相关的信息，并收集该信息。
[0023]第13专利技术的学习委托方法是使用推理模型进行推理的推理系统中的学习委托方法，其中，该推理模型是通过收集大量装置的输出数据并将收集到的该数据作为训练数据进行学习而生成的，其中，输入来自所述装置的输出数据，在得到的所输入的所述输出数据为假定外的数据的情况下，指定假定外的数据，并收集所指定的该数据，使收集到的假定外的数据成为训练数据，进行与所述推理系统对应的推理模型的学习的委托。
[0024]第14专利技术的学习委托装置具有：信息取得部，其取得信息；判定部，其进行所述信息是否为满足特定条件的信息的判定；委托部，其按照所述判定的结果，委托满足所述特定条件的训练数据的收集；以及推理模型取得部，其取得通过使用所述收集到的训练数据进行学习而生成的推理模型。
[0025]第15专利技术的学习委托装置在所述第14专利技术的基础上，所述特定条件是与预先记录在所述学习委托装置所具有的记录部中的数据进行比较而决定的条件。
[0026]第16专利技术的学习委托装置在所述第14专利技术的基础上，所述委托部根据由所述信息
取得部取得的信息的类别，向能够取得类似类别的信息的设备委托数据的收集。
[0027]第17专利技术的学习委托装置在所述第14专利技术的基础上，所述推理模型取得部对所述收集到的训练数据的值的时间序列推移模式进行学习，取得所述推理模型。
[0028]第18专利技术的学习委托方法具有：信息取得步骤，取得信息；判定步骤，进行所述信息是否为满足特定条件的信息的判定；委托步骤，按照所述判定的结果，委托满足所述特定条件的训练数据的收集；以及推理模型取得步骤，取得通过使用所述收集到的训练数据进行学习而生成的推理模型。
[0029]第19专利技术的学习委托方法在所述第18专利技术的基础上，使用所述收集到的训练数据进行的学习是将不满足所述特定条件的信息添加到训练数据中而进行的追加学习。
[0030]第20专利技术的学习委托方法在所述第18专利技术的基础上，在所述委托步骤中，在无法取得一定量的满足特定条件的信息的情况下，输出判定为学习失败的信号。
[0031]第21专利技术的学习委托方法在所述第18专利技术的基础上，还本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种推理系统，其使用推理模型进行推理，该推理模型是通过收集大量的装置的输出数据并将收集到的该数据作为训练数据进行学习而生成的，其特征在于，所述推理系统具备：数据输入部，其输入来自所述装置的输出数据；应对判定部，其在得到的由所述数据输入部输入的数据为假定外的数据的情况下，指定假定外的数据，并收集所指定的该数据；以及推理委托部，其将收集到的假定外的数据作为训练数据而进行与所述推理系统对应的推理模型的学习请求。2.根据权利要求1所述的推理系统，其特征在于，所述应对判定部指定与所述假定外的数据类似的数据，并收集该类似的数据。3.根据权利要求1所述的推理系统，其特征在于，所述应对判定部将取得的所述假定外的数据作为训练数据候选而蓄积。4.根据权利要求1所述的推理系统，其特征在于，所述应对判定部为了将所述收集到的数据判定为所述假定外的数据，按照预先设定的数据形式、数据规格、数据类别、数据大小的范围、收集到的数据取得的频度、收集到的数据的偏差程度、收集到的数据的趋势、来自多个传感器的数据的相同时期的同样的数据变化、相同传感器从多个对象物取得的信息的相同时期或者连锁的数据变化中的至少一方，针对所述收集到的数据进行是否为假定外的判定。5.根据权利要求1所述的推理系统，其特征在于，所述应对判定部为了将所述收集到的数据判定为所述假定外的数据，按照将所述收集到的数据输入到所述推理模型时的推理结果的范围、推理结果的偏差、推理结果的趋势、推理结果的偏差程度、推理结果的趋势和频度中的至少一方，针对所述收集到的数据进行是否为假定外的判定。6.根据权利要求1所述的推理系统，其特征在于，所述应对判定部具备用于判定收集到的所述数据是否为所述假定外的数据的第2推理模型，按照该第2推理模型的推理结果，进行是否为假定外的判定。7.根据权利要求1所述的推理系统，其特征在于，所述应对判定部在判定为由所述数据输入部输入的数据为假定外的情况下，指定所述假定外的数据，并收集所指定的该数据。8.根据权利要求1所述的推理系统，其特征在于，所述应对判定部在所述推理系统未应对特定装置条件的输出数据且输入假定外的数据的情况下，通过由用户进行触发操作来指定假定外的数据，并收集所指定的该数据。9.根据权利要求1所述的推理系统，其特征在于，所述装置进行与用户的健康状态相关的推理，所述数据输入部输入检查数据，所述推理模型输入所述检查数据，推理与疾病相关的信息。10.根据权利要求1所述的推理系统，其特征在于，所述应对判定部在取得了假定外的数据的情况下，指定与假定设备类似的设备的数据，并收集所指定的该数据。11.根据权利要求1所述的推理...
【专利技术属性】
技术研发人员：野中修，后町智子，市川学，新谷浩一，谷宪，伊藤健世，
申请(专利权)人：奥林巴斯株式会社，
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。