机器学习装置、学习模型的生成方法及程序制造方法及图纸

通过向选定数据而生成的新学习模型的更新等，使机器学习的精度提高，并且实现运行成本的降低。数据收集部收集用于执行机器学习的数据。数据保存部保存收集到的数据。数据选定部从保存于数据保存部的数据中选定用于更新机器学习所使用的原有的学习模型的数据。并且，学习模型生成部基于所选定的数据，通过机器学习来生成新学习模型，更新部至少将原有的学习模型更新为在学习模型生成部中所生成的新学习模型。新学习模型。新学习模型。

【技术实现步骤摘要】
【国外来华专利技术】机器学习装置、学习模型的生成方法及程序


[0001]本专利技术涉及机器学习装置、学习模型的生成方法及程序。

技术介绍

[0002]近年来，CPU(Central Processing Unit：中央处理单元)和GPU(Graphics Processing Unit：图形处理单元)的高速化、存储器的大容量化及机器学习的技术迅速发展。因此，使用几十万至百万数量级的学习数据的机器学习成为可能，正在逐步建立精度高的识别技术和分类技术(参照非专利文献1)。现有技术文献非专利文献
[0003]非特许文献1:Yangqing Jia，Evan Shelhamer，Jeff Donahue，Sergey Karayev，Jonathan Long，Ross Girshick，Sergio Guadarrama，and Trevor Darrell.Caffe：Convolutional architecture for fast feature embedding.In Proceedings of the 22nd ACM internationa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】1.一种机器学习装置，其特征在于，具备：数据收集部，其收集用于执行机器学习的数据；数据保存部，其保存该收集到的数据；数据选定部，其从保存于所述数据保存部的数据中选定用于更新机器学习所使用的原有的学习模型的数据；学习模型生成部，其基于该选定的数据，通过所述机器学习来生成新学习模型；以及更新部，其将所述原有的学习模型更新为在所述学习模型生成部中所生成的所述新学习模型。2.根据权利要求1所述的机器学习装置，其特征在于，所述机器学习装置具备分布生成部，该分布生成部生成针对保存在所述数据保存部中的规定的数据收集期间内的数据组的分布，所述数据选定部将所述分布生成部生成的所述分布与生成所述原有的学习模型时的数据组的分布进行比较，并在判定为比较结果不相似的情况下，将保存在所述数据保存部中的数据组选定为用于更新所述学习模型的所述数据组。3.根据权利要求1所述的机器学习装置，其特征在于，所述数据选定部对在规定的数据收集期间内保存到所述数据保存部的保存数据中的、相对于生成所述原有的学习...

【专利技术属性】
技术研发人员：菊池贵好，大内田俊，
申请(专利权)人：KYB株式会社，
类型：发明
国别省市：