针对规定的数据提供有意义的数据扩展算法。在信息处理方法中，信息处理装置所具备的处理器执行如下处理：取得使用任意的数据扩展算法将对象数据扩展所得的扩展数据，所述任意的数据扩展算法包含能够进行数据扩展的多个函数使用权重结合而成的结合函数；向进行规定的学习的学习模型输入所述扩展数据来进行学习，所述进行学习包含使用一边使所述结合函数的权重阶段性地变化一边生成的各扩展数据来进行学习；以及确定所述学习的学习结果表示期望的结果的边界的权重，将所述边界的权重与关于所述对象数据的信息建立关联。于所述对象数据的信息建立关联。于所述对象数据的信息建立关联。
【技术实现步骤摘要】
信息处理方法、记录介质以及信息处理装置
[0001]本专利技术涉及信息处理方法、记录介质以及信息处理装置。
技术介绍
[0002]近年来，已知有使用利用生成对抗网络生成的图像来扩展训练数据的技术(例如，参照专利文献1)。现有技术文献专利文献
[0003]专利文献1：中国专利申请公开第111401445号说明书
技术实现思路
专利技术所要解决的问题
[0004]在此，关于数据扩展，存在想要以在输入到学习模型时得到期望的结果(例如正确的分类结果或者不正确的分类结果)的方式进行数据扩展这样的需求。但是，即使使用任意的数据扩展算法进行数据扩展，也存在成为与用户期望的数据不同的数据的情况。例如，若表示Good的拇指向上的图像上下颠倒，则成为表示Bad的拇指向下的图像，意义完全相反，无法得到期望的结果。
[0005]因此，本专利技术提供能够对规定的数据提供有意义的数据扩展算法的信息处理方法、记录介质以及信息处理装置。用于解决问题的方法
[0006]在本专利技术的一个方式的信息处理方法中，信息处理装置所具备的处理器执行如下处理：取得使用任意的数据扩展算法将对象数据扩展所得的扩展数据，所述任意的数据扩展算法包含能够进行数据扩展的多个函数使用权重结合而成的结合函数；向进行规定的学习的学习模型输入所述扩展数据来进行学习，所述进行学习包含使用一边使所述结合函数的权重阶段性地变化一边生成的各扩展数据来进行学习；以及确定所述学习的学习结果表示期望的结果的边界的权重，将所述边界的权重与关于所述对象数据的信息建立关联。另外，本专利技术的另一方式所涉及的信息处理方法中，信息处理装置所具备的处理器执行如下处理：取得使用任意的数据扩展算法将对象数据扩展所得的扩展数据，所述任意的数据扩展算法包含能够进行整数阶或分数阶的微分或积分的函数；向进行规定的学习的学习模型输入所述扩展数据来进行学习，所述进行学习包含使用一边使所述函数的整数阶或分数阶阶段性地变化一边生成的各扩展数据来进行学习；以及确定所述学习的学习结果表示期望的结果的边界的整数阶或分数阶，将所述边界的整数阶或分数阶与关于所述对象数据的信息建立关联。专利技术效果
[0007]根据本专利技术，能够提供能够对规定的数据提供有意义的数据扩展算法的信息处理方法、记录介质以及信息处理装置。
附图说明
[0008]图1是表示实施方式所涉及的系统构成的一个例子的图。图2是表示实施方式所涉及的信息处理装置的物理构成的一例的图。图3是表示实施方式所涉及的服务器的处理块的一例的图。图4是表示实施方式所涉及的信息处理装置的处理块的一例的图。图5是表示实施方式所涉及的函数库的一例的图。图6是表示实施方式所涉及的与对象数据相关的信息以及与有意义的数据扩展算法相关的信息的关联数据的一例的图。图7是表示实施方式所涉及的规定范围的例子的图。图8是表示实施方式所涉及的服务器的处理例的流程图。图9是表示实施方式所涉及的信息处理装置20的处理例的流程图。
具体实施方式
[0009]参照附图对本专利技术的实施方式进行说明。此外，在各图中，标注了相同的附图标记的部件具有相同或同样的构成。
[0010]＜系统构成＞图1是表示实施方式所涉及的系统构成的一个例子的图。在图1所示的例子中，服务器10与各信息处理装置20A、20B、20C、20D以能够经由网络进行数据收发的方式连接。在不单独区分信息处理装置的情况下，也表述为信息处理装置20。
[0011]服务器10是能够收集、分析数据的信息处理装置，也可以由1个或多个信息处理装置构成。信息处理装置20是智能手机、个人计算机、平板终端、服务器、车联网(Connected Car)等能够执行机器学习的信息处理装置。需要注意的是，信息处理装置20可以是直接或间接地连接到感测脑电波的侵入型或非侵入型电极并且能够分析、收发脑电波数据的装置。
[0012]在图1所示的系统中，服务器10将每个数据与获得用户所期望的数据的数据扩展算法(以下也称为“有意义的数据扩展算法”)建立关联。因此，服务器10使用各种数据扩展算法来扩展对象数据，对扩展后的数据(以下也称为“扩展数据”)进行规定的学习，取得学习结果。如果该学习结果是期望的学习结果，则服务器10将对象数据与数据扩展算法建立关联。
[0013]例如，想要增加包含对象数据的训练数据来提高学习模型的精度的用户使用数据扩展算法根据对象数据生成扩展数据，增加训练数据。此时，在进行监督学习的情况下，进行对所有扩展数据赋予标签的注释，用户的工作量增大。
[0014]另一方面，对于被赋予了基于人工的标签的对象数据，如果能够在不改变对象数据的特征的含义的前提下改变数据并使其扩展，则能够对扩展数据赋予与对象数据相同的标签。因此，在本公开的技术中，基于对象数据的学习结果，找出成为用户设定的期望的学习结果那样的有意义的数据扩展算法，将有意义的数据扩展算法与对象数据建立关联。期望的学习结果也可以包含由用户从包含针对规定的学习问题的正确答案或非正确答案的多个结果中设定的结果。
[0015]例如，在将对象数据设为图像数据的情况下，在数据扩展算法中存在反转、亮度变
更、旋转、平行移动、合成等处理，这些算法能够全部进行数式化而表现为函数。通过使用权重对数式化后的函数进行线性组合，或者进行整数阶或分数阶的微积分，能够增加数据扩展算法，或者使数式复杂化。其结果是，能够增加通过数据扩展算法生成的扩展数据的量，能够有助于学习模型的精度提高。以下，对本实施方式的各装置的构成进行说明。
[0016]＜硬件构成＞图2是表示实施方式所涉及的信息处理装置10的物理构成的一例的图。信息处理装置10具有相当于运算部的1个或多个CPU(Central Processing Unit：中央处理单元)10a、相当于存储部的RAM(Random Access Memory：随机存取存储器)10b、相当于存储部的ROM(Read Only Memory：只读存储器)10c、通信部10d、输入部10e以及显示部10f。这些各构成经由总线以能够相互收发数据的方式连接。
[0017]在本实施方式中，对信息处理装置10由一台计算机构成的情况进行说明，但信息处理装置10也可以通过组合多个计算机或多个运算部来实现。另外，图1所示的构成是一例，信息处理装置10也可以具有这些以外的构成，也可以不具有这些构成中的一部分。
[0018]CPU10a是处理器的一例，是进行与存储于RAM10b或ROM10c的程序的执行相关的控制或者数据的运算、加工的控制部。CPU10a例如是执行使用规定的学习模型进行学习的程序(学习程序)的运算部。CPU10a从输入部10e、通信部10d接收各种数据，将数据的运算结果显示于显示部10f，或者储存于RAM10b。
[0019]RAM10b是存储部中的能够进行数据的改写的部件，例如可以由半导体存储元件构成。RAM10b也可以存储CPU10a执行的程序、各学习模型、与各学习模型的参数相关的数据、与学习对象数据的特征量相本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法，其中，信息处理装置所具备的处理器执行如下处理：取得使用任意的数据扩展算法将对象数据扩展所得的扩展数据，所述任意的数据扩展算法包含能够进行数据扩展的多个函数使用权重结合而成的结合函数；向进行规定的学习的学习模型输入所述扩展数据来进行学习，所述进行学习包含使用一边使所述结合函数的权重阶段性地变化一边生成的各扩展数据来进行学习；以及确定所述学习的学习结果表示期望的结果的边界的权重，将所述边界的权重与关于所述对象数据的信息建立关联。2.一种信息处理方法，其中，信息处理装置所具备的处理器执行如下处理：取得使用任意的数据扩展算法将对象数据扩展所得的扩展数据，所述任意的数据扩展算法包含能够进行整数阶或分数阶的微分或积分的函数；向进行规定的学习的学习模型输入所述扩展数据来进行学习，所述进行学习包含使用一边使所述函数的整数阶或分数阶阶段性地变化一边生成的各扩展数据来进行学习；以及确定所述学习的学习结果表示期望的结果的边界的整数阶或分数阶，将所述边界的整数阶或分数阶与关于所述对象数据的信息建立关联。3.一种记录有程序的非暂时性的记录介质，其中，所述程序使信息处理装置所具备的处理器执行如下处理：取得使用任意的数据扩展算法将对象数据扩展所得的扩展数据，所述任意的数据扩展算法包含能够进行数据扩展的多个函数使用权重结合而成的结合函数；向进行规定的学习的学习模型输入所述扩展数据来进行学习，所述进行学习包含使用一边使所述结合函数的权重阶段性地变化一边生成的各扩展数据来进行学习；以及确定所述学习的学习结果表示期望的结果的边界的权重，将所述边界的权重与关于所述对象数据的信息建立关联。4.一种信息处理...
【专利技术属性】
技术研发人员：洼田望，
申请(专利权)人：洼田望，
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。