[发明专利]学习装置、推演装置、方法及程序

说明书

学习装置(100)进行使用了神经网络的学习。学习装置(100)的学习条件取得部(110)取得表示学习的前提的学习条件。模型选择部(150)与学习条件相应地，对成为神经网络的构造的构架的学习模型进行选择。模型规模决定部(160)与学习条件相应地，针对选择出的学习模型决定神经网络的规模。学习部(170)将学习数据输入至以决定出的规模构成了选择出的学习模型的神经网络而进行学习。

技术领域

本发明涉及学习装置、推演装置、方法及程序。

背景技术

在进行作为机械学习中的手段之一的深度学习的情况下，需要与目的、学习数据的特性等相应地对学习参数进行设定。但是，对不具有关于神经网络、AI(ArtificialIntelligence)等的知识的用户而言，难以恰当地进行学习模型的选择、神经网络的规模的决定等，难以恰当地对学习参数进行设定。因此，对这样的用户而言，难以进行深度学习。

在专利文献1所记载的根据书写信息进行个人认证的认证装置中，使用向作为辨识对象的书写信息的类别分配的神经网络进行个人认证。

专利文献1：日本特开2002-175515号公报

发明内容

专利文献1所记载的认证装置仅使用多个神经网络中的向辨识对象的类别分配的神经网络。而且，多个神经网络的层数与各层的节点数相同。即，所有神经网络均具有相同的规模。因此，例如，在对神经网络的规模进行变更的情况下，需要由用户本身决定规模。因此，对于不具有关于神经网络、AI等的知识的用户而言，难以恰当地对专利文献1所记载的认证装置进行操作。

本发明就是鉴于上述实情而提出的，其目的在于无需使用户意识到学习参数的设定就能够进行恰当的学习参数的设定。

为了达到上述目的，本发明的学习装置进行使用了神经网络的学习。学习条件取得单元取得表示学习的前提的学习条件。学习模型选择单元与学习条件相应地，对成为神经网络的构造的构架的学习模型进行选择。学习模型规模决定单元与学习条件相应地，针对选择出的学习模型决定神经网络的规模。学习单元将学习数据输入至以规模构成了学习模型的神经网络而进行学习。

发明的效果

本发明的学习装置与学习条件相应地，对成为神经网络的构造的构架的学习模型进行选择，针对选择出的学习模型决定神经网络的规模。本发明的学习装置具有这样的结构，由此无需使用户意识到学习参数的设定就能够进行恰当的学习参数的设定。

附图说明

图1是表示实施方式涉及的学习推演装置的硬件结构的框图。

图2是实施方式涉及的学习推演装置的功能框图。

图3是表示实施方式涉及的推演的目的的输入画面的一个例子的图。

图4是表示实施方式涉及的硬件资源的限制的输入画面的一个例子的图。

图5是表示实施方式涉及的学习数据的特性的输入画面的一个例子的图。

图6是表示实施方式涉及的学习的结束条件的输入画面的一个例子的图。

图7是表示实施方式涉及的在选择表格中储存的数据的一个例子的图。

图8是表示实施方式涉及的学习模型的变更的一个例子的图。

图9是表示画面的一个例子的图，该画面示出实施方式涉及的学习开始前的学习的进展状况。

图10是表示画面的一个例子的图，该画面示出实施方式涉及的学习中断时的学习的进展状况。

图11是表示画面的一个例子的图，该画面示出实施方式涉及的学习结束时的学习的进展状况。

图12是实施方式涉及的学习处理的流程图。