Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022070343 - LEARNING DEVICE, LEARNING METHOD, AND LEARNING PROGRAM

Publication Number WO/2022/070343
Publication Date 07.04.2022
International Application No. PCT/JP2020/037257
International Filing Date 30.09.2020
IPC
G06N 20/00 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
CPC
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
Applicants
  • 日本電信電話株式会社 NIPPON TELEGRAPH AND TELEPHONE CORPORATION [JP]/[JP]
Inventors
  • 山口 真弥 YAMAGUCHI, Shinya
  • 金井 関利 KANAI, Sekitoshi
Agents
  • 特許業務法人酒井国際特許事務所 SAKAI INTERNATIONAL PATENT OFFICE
Priority Data
Publication Language Japanese (ja)
Filing Language Japanese (JA)
Designated States
Title
(EN) LEARNING DEVICE, LEARNING METHOD, AND LEARNING PROGRAM
(FR) DISPOSITIF, PROCÉDÉ ET PROGRAMME D'APPRENTISSAGE
(JA) 学習装置、学習方法及び学習プログラム
Abstract
(EN) In the present invention, a conversion unit (132) converts first data into a first frequency component, and converts second data generated by a generator constituting an antagonistic learning model into a second frequency component. A calculation unit (133) calculates a loss function for simultaneously optimizing: a generator; a first identification device that constitutes the antagonistic learning model and that identifies the first data and the second data; and a second identification device that constitutes the antagonistic learning model and that identifies the first frequency component and the second frequency component. An updating unit (134) updates parameters of the generator, the first identification device, and the second identification device such that the loss function calculated by the calculation unit (133) is optimized.
(FR) Dans la présente invention, une unité de conversion (132) convertit de premières données en une première composante de fréquence, et convertit de secondes données générées par un générateur constituant un modèle d'apprentissage antagoniste en une seconde composante de fréquence. Une unité de calcul (133) calcule une fonction de perte pour optimiser simultanément : un générateur ; un premier dispositif d'identification qui constitue le modèle d'apprentissage antagoniste et qui identifie les premières données et les secondes données ; et un second dispositif d'identification qui constitue le modèle d'apprentissage antagoniste et qui identifie la première composante de fréquence et la seconde composante de fréquence. Une unité de mise à jour (134) met à jour des paramètres du générateur, du premier dispositif d'identification et du second dispositif d'identification de telle sorte que la fonction de perte calculée par l'unité de calcul (133) est optimisée.
(JA) 変換部(132)は、第1のデータを第1の周波数成分に変換し、敵対的学習モデルを構成する生成器によって生成された第2のデータを第2の周波数成分を変換する。計算部(133)は、生成器と、敵対的学習モデルを構成し、第1のデータと第2のデータとを識別する第1の識別器と、敵対的学習モデルを構成し、第1の周波数成分と第2の周波数成分とを識別する第2の識別器と、を同時最適化する損失関数を計算する。更新部(134)は、計算部(133)によって計算された損失関数が最適化されるように、生成器、第1の識別器及び第2の識別器のパラメータを更新する。
Latest bibliographic data on file with the International Bureau