処理中

しばらくお待ちください...

設定

設定

出願の表示

1. WO2020262587 - 機械学習装置、機械学習プログラム、及び機械学習方法

公開番号 WO/2020/262587
公開日 30.12.2020
国際出願番号 PCT/JP2020/025150
国際出願日 26.06.2020
IPC
G06N 3/04 2006.1
G物理学
06計算;計数
N特定の計算モデルに基づくコンピュータ・システム
3生物学的モデルに基づくコンピュータシステム
02ニューラルネットワークモデルを用いるもの
04アーキテクチャ,例.網構造
CPC
G06N 3/04
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
出願人
  • TDK株式会社 TDK CORPORATION [JP]/[JP]
発明者
  • 中田 一紀 NAKADA Kazuki
代理人
  • 棚井 澄雄 TANAI Sumio
  • 荒 則彦 ARA Norihiko
  • 飯田 雅人 IIDA Masato
  • 荻野 彰広 OGINO Akihiro
優先権情報
PCT/JP2019/02571127.06.2019JP
公開言語 (言語コード) 日本語 (ja)
出願言語 (言語コード) 日本語 (JA)
指定国 (国コード)
発明の名称
(EN) MACHINE LEARNING DEVICE, MACHINE LEARNING PROGRAM, AND MACHINE LEARNING METHOD
(FR) DISPOSITIF, PROGRAMME ET PROCÉDÉ D'APPRENTISSAGE AUTOMATIQUE
(JA) 機械学習装置、機械学習プログラム、及び機械学習方法
要約
(EN) A machine learning device using a recurrent neural network having an input layer, an intermediate layer and an output layer, in which the weight assigned to each of edges connecting intermediate nodes to each other is fixed at a predetermined value. The machine learning device performs an output data generation process and a weight updating process every time the input layer receives input data of one or more dimensions in a predetermined order. The weight updating process is a process for calculating the Kalman gain matrix of the ensemble Kalman filter, on the basis of two or more estimated weight vectors of mutually different components and a predicted output vector that is calculated for every two or more estimated weight vectors, and updating, on the basis of the calculated Kalman gain matrix, the weight assigned to each of edges connecting the intermediate nodes and an output node.
(FR) L'invention concerne un dispositif d'apprentissage automatique mettant en oeuvre un réseau neuronal récurrent comprenant une couche d'entrée, une couche intermédiaire et une couche de sortie, la pondération attribuée à chacun des bords reliant les noeuds intermédiaires entre eux étant fixée à une valeur prédéterminée. Le dispositif d'apprentissage automatique selon l'invention réalise un processus de génération de données de sortie et un processus de mise à jour de pondération chaque fois que la couche d'entrée reçoit des données d'entrée d'au moins une dimension dans un ordre prédéterminé. Le processus de mise à jour de pondération est un procédé servant à calculer la matrice de gain de Kalman du filtre de Kalman d'ensemble, en fonction d'au moins deux vecteurs de pondération estimés de composants mutuellement différents et d'un vecteur de sortie prédit qui est calculé pour chacun desdits deux vecteurs de pondération estimés au moins ; et à mettre à jour, selon la matrice de gain de Kalman calculée, la pondération attribuée à chacun des bords reliant les noeuds intermédiaires et un noeud de sortie.
(JA) 機械学習装置であって、再帰型ニューラルネットワークは、入力層と中間層と出力層とを有し、中間ノード同士を結合するエッジそれぞれに割り当てられた重みは、予め決められた大きさに固定されており、機械学習装置は、入力層が1次元以上の入力データを予め決められた順に受け付ける毎に、出力データ生成処理と重み更新処理とを行い、重み更新処理は、互いに成分が異なる2以上の推定重みベクトルと、2以上の推定重みベクトル毎に算出される予測出力ベクトルとに基づいて、アンサンブルカルマンフィルタ法におけるカルマンゲイン行列を算出し、算出したカルマンゲイン行列に基づいて、中間ノードと出力ノードとを結合するエッジそれぞれに割り当てられた重みを更新する処理である、機械学習装置。
国際事務局に記録されている最新の書誌情報