[發(fā)明專利]識別信息分配系統、識別信息分配方法及其程序

有效

• 申請?zhí)枺?/td>: 201780056234.X
• 申請日: 2017-03-13
• 公開（公告）號: CN109804388B
• 公開（公告）日: 2023-06-30
• 發(fā)明（設計）人: 安藤丹一
• 申請（專利權）人: 歐姆龍株式會社
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 黃綸偉;李輝

為了提供對于作為執(zhí)行機器學習的學習過程的結果而獲取的能力來識別執(zhí)行什么種類的學習并適當管理關系的技術，一種識別信息分配系統包括：生成部，該生成部被配置為對于通過機器學習的預定學習過程得到預定能力而獲得的學習結果，生成用于識別預定學習過程的識別信息；和分配部，該分配部被配置為向學習結果分配所生成的識別信息。

技術領域

本發(fā)明涉及識別信息分配系統、識別信息分配方法及其程序。

背景技術

傳統上，廣泛執(zhí)行與諸如神經網絡這樣的人工智能技術(下文中，被稱為“AI技術”)有關的研究(例如，參見專利文獻1)。具體地，隨著被稱為深度學習的AI技術的興起，例如，基于圖像識別目標的技術的識別速率近來快速變得更高，并且在分類圖像方面的識別速率即將達到超過人類的識別速率的水平。深度學習技術被預期為不僅應用于圖像識別，還應用于各種其他領域，諸如語音識別、個人認證、行為預測、概要寫作、機器翻譯、采購預測、推薦、金融衍生品、監(jiān)測、自主駕駛、故障預測、傳感器數據分析、音樂類型確定、內容生成、以及安全系統。

引用列表

專利文獻

PTL?1：日本專利No.5816771

發(fā)明內容

技術問題

在諸如深度學習這樣的機器學習中，機器可以通過執(zhí)行學習來獲取預定能力。作為學習的結果獲取的能力可以例如通過在將該能力轉換成如與學習后的神經網絡結構有關的信息和參數的數據，經由存儲介質或通信裝置而由另一個設備使用。

然而，如果執(zhí)行學習的學習設備與使用作為學習的結果獲取的能力的設備不同，則學習結果的用戶無法看到使用什么種類的學習數據，且執(zhí)行什么種類的學習來獲取學習結果。如果各種類型的機器學習變得在具有AI技術的將來拓寬使用的各種位置中執(zhí)行，則將更難以看到機器學習與學習結果之間的關系。

本發(fā)明的目的是提供一種如下技術，其用于對于作為由機器學習執(zhí)行學習的結果獲取的各能力識別執(zhí)行什么種類的學習并適當管理關系。

技術方案

本發(fā)明的方面致力于一種識別信息分配系統，該識別信息分配系統包括：生成部，該生成部被配置為對于通過機器學習的預定學習過程得到預定能力而獲得的學習結果，生成用于識別預定學習過程的識別信息；和分配部，該分配部被配置為向學習結果分配所生成的識別信息。

憑借該配置，使用識別信息，對于特定學習結果識別被執(zhí)行的學習過程。因此，可以對于各所獲取的能力識別執(zhí)行什么種類的學習，并且可以適當管理關系。

此外，可行的是生成部被配置為：對于通過執(zhí)行第一學習過程得到第一能力而獲得的第一學習結果，生成用于在特定識別范圍內識別第一學習過程的第一識別信息，并且對于通過執(zhí)行第二學習過程得到第二能力而獲得的第二學習結果，生成第二識別信息，該第二識別信息用于以在特定識別范圍內區(qū)分開第一學習過程和第二學習過程的方式識別第二學習過程。

憑借該方面，識別信息被分配給學習結果，使得識別在預定識別范圍內是可行的。因此，識別不必在預定范圍之外，由此，可以減小識別信息的信息量。

此外，可行的是生成部被配置為，基于在當執(zhí)行第一學習和第二學習時給出的條件當中的、在特定識別范圍內對學習結果具有影響的因素，來生成識別信息。憑借該方面，從識別信息排除與對學習結果沒有影響的條件有關的信息，由此，可以在不降低識別對于所獲取能力執(zhí)行什么種類的學習的質量的情況下，減小識別信息的信息量。

此外，可行的是可由識別信息識別的學習信息包括從以下選擇的至少一個因素：學習設備、學習程序、學習數據、學習的次數、學習的時間、學習的對象、學習的方法、學習請求者、學習數據的獲取源、以及學習數據的獲取方法。