[发明专利]学习装置及学习方法

权利要求书

1.一种学习装置，其特征在于，

所述学习装置具备：

学习部，其输入由多个要素构成的学习用数据和定义了属于组的数据中的至少一个被判定为NG的组信息，使用按照所述学习用数据的每个要素而分配了OK标签或NG标签的学习基准标签，将所述学习用数据的多个要素作为输入而学习神经网络，由此，使用作为学习结果的神经网络，输出将属于所述组的数据中的至少一个判定为NG的识别器；以及

动态更新部，其在由所述学习部进行的神经网络的学习的中途，动态地更新所述学习基准标签，

所述学习部使用所述学习用数据及所述组信息，生成所述学习用数据的每个要素的所述学习基准标签的初始值，

所述学习部逐次使用由所述动态更新部从所述学习基准标签的初始值更新的所述学习基准标签，反复学习神经网络，

所述学习部使用每次反复学习的神经网络的输出值，计算所述学习用数据的要素能够成为NG的NG指标值，

所述动态更新部基于以统计的方式对按照每个学习的反复次数的推移而得到的NG指标值的变化倾向进行检验的结果，更新所述学习基准标签。

2.根据权利要求1所述的学习装置，其特征在于，

所述学习部具备：

学习基准标签缓冲器，其存储有所述学习用数据的每个要素的所述学习基准标签；

学习基准标签生成部，其生成所述学习基准标签的初始值，其中，在所述学习用数据的要素不属于所述组的情况下，对所述学习基准标签的初始值分配OK标签，在所述学习用数据的要素属于所述组的情况下，对所述学习基准标签的初始值分配NG标签；

神经网络管理部，其使用神经网络的输出值，计算所述学习用数据的要素的NG指标值，从OK类及NG类中，基于NG指标值来判定所述学习用数据的要素所属的类，对所述学习基准标签的初始值及由所述动态更新部更新的所述学习基准标签与判定出的类进行误差评价；以及

神经网络更新部，其基于由所述神经网络管理部计算出的NG指标值，更新神经网络参数。

3.根据权利要求1或2所述的学习装置，其特征在于，

所述动态更新部具备：

历史缓冲器，其存储有按照每个学习的反复次数而得到的NG指标值；

NG候选缓冲器，其按照所述学习用数据的每个要素而存储有学习的反复次数、与NG指标值相应的NG候选等级、表示所述学习用数据的要素被确定为OK的OK确定标志、以及表示所述学习用数据的要素被确定为NG的NG确定标志；

历史管理部，其将按照每次反复学习而得到的NG指标值存储于所述历史缓冲器；

检验部，其使用所述NG候选等级的推移，以统计的方式检验所述历史缓冲器所存储的NG指标值的变化倾向，基于检验结果来确定NG候选的要素的OK或NG，更新所述NG候选缓冲器中的所述OK确定标志或所述NG确定标志；以及

学习基准标签更新部，其将与NG候选的要素中的由所述检验部确定为OK的要素对应的所述学习基准标签从NG标签更新为OK标签。

4.一种学习方法，其特征在于，

所述学习方法具备如下步骤：

学习部输入由多个要素构成的学习用数据和定义了属于组的数据中的至少一个被判定为NG的组信息，使用按照所述学习用数据的每个要素而分配了OK标签或NG标签的学习基准标签，将所述学习用数据的多个要素作为输入而学习神经网络，由此，使用作为学习结果的神经网络，输出将属于所述组的数据中的至少一个判定为NG的识别器；以及

动态更新部在由所述学习部进行的神经网络的学习的中途，动态地更新所述学习基准标签，

所述学习部使用所述学习用数据及所述组信息，生成所述学习用数据的每个要素的所述学习基准标签的初始值，

逐次使用由所述动态更新部从所述学习基准标签的初始值更新的所述学习基准标签，反复学习神经网络，

使用每次反复学习的神经网络的输出值，计算所述学习用数据的要素能够成为NG的NG指标值，

所述动态更新部基于以统计的方式对按照每个学习的反复次数的推移而得到的NG指标值的变化倾向进行检验的结果，更新所述学习基准标签。