[发明专利]模型生成装置、方法、程序以及预测装置

权利要求书

1.一种模型生成装置，其具有：

数据取得部，其取得多个学习数据集，所述多个学习数据集是由按时间序列得到的规定数据的第1时刻的第1样本、和比所述第1时刻靠未来的第2时刻的所述规定数据的第2样本所包含的特征信息的组合分别构成的，各所述学习数据集中设定有表示各所述学习数据集的稀有性的程度的稀有度；以及

学习处理部，其通过机器学习，针对各所述学习数据集构建预测模型，所述预测模型被训练为根据所述第1时刻的所述第1样本来预测对应的所述第2时刻的所述特征信息，在所述机器学习中，越是所述稀有度高的学习数据集，越重点进行训练。

2.根据权利要求1所述的模型生成装置，其中，

越是所述稀有度高的学习数据集，所述学习处理部越增多在所述机器学习中的采样次数，由此，越是所述稀有度高的学习数据集，越重点进行训练。

3.根据权利要求1所述的模型生成装置，其中，

越是所述稀有度高的学习数据集，所述学习处理部越增大在所述机器学习中的权重，由此，越是所述稀有度高的学习数据集，越重点进行训练。

4.根据权利要求1至3中的任意一项所述的模型生成装置，其中，

各所述学习数据集的所述稀有度是根据所述特征信息在所述规定数据中出现的不规则性的程度而设定的。

5.根据权利要求1至4中的任意一项所述的模型生成装置，其中，

该模型生成装置还具有设定各所述学习数据集的所述稀有度的稀有度设定部，

所述稀有度设定部包含不一致性预测器，该不一致性预测器构成为针对各所述学习数据集，根据所述第1时刻的所述第1样本来预测基于所述预测模型的所述预测的不一致性，

所述稀有度设定部根据通过所述不一致性预测器对基于所述预测模型的所述预测的不一致性进行预测而得的结果，设定各所述学习数据集的所述稀有度。

6.根据权利要求5所述的模型生成装置，其中，

该模型生成装置还具有：

不一致性数据取得部，其取得由各所述学习数据集的所述第1时刻的所述第1样本以及基于所述预测模型的所述预测的不一致性的组合分别构成的多个不一致性学习数据集；以及

不一致性学习处理部，其通过机器学习，针对各所述不一致性学习数据集构建所述不一致性预测器，所述不一致性预测器被训练为根据所述第1时刻的所述第1样本来预测对应的基于所述预测模型的所述预测的不一致性，

所述学习处理部对所述预测模型的训练和所述不一致性学习处理部对所述不一致性预测器的训练交替地执行。

7.根据权利要求6所述的模型生成装置，其中，

所述不一致性学习处理部在所述不一致性预测器的所述机器学习中与所述稀有度无关地均匀地训练各所述不一致性学习数据集。

8.根据权利要求1至7中的任意一项所述的模型生成装置，其中，

所述特征信息包含所述第2样本的特征量。

9.根据权利要求8所述的模型生成装置，其中，

该模型生成装置保持推测器，该推测器具有编码器和解码器，该编码器构成为将所述规定数据的第3样本变换为特征量，该解码器构成为根据所述特征量来复原所述第3样本，并且推测所述第3样本中包含的特征，

所述特征信息的所述特征量是利用所述推测器的所述编码器对所述第2样本进行变换而提供的。

10.根据权利要求1至9中的任意一项所述的模型生成装置，其中，

所述规定数据是通过配置为监视车辆的外部状况的摄像机得到的图像数据，

所述特征信息与在所述图像数据中呈现的对象物的属性相关。

11.根据权利要求1至9中的任意一项所述的模型生成装置，其中，

所述规定数据是通过监视构成生产线的机器的状态的传感器得到的感测数据，

所述特征信息与所述机器的状态相关。