[发明专利]学习装置、学习方法及学习程序

权利要求书

1.一种学习装置，其特征在于，所述学习装置具有：

取得部，其取得与处理对象有关的时间序列数据；

第一学习部，其将由所述取得部取得的时间序列数据用作学习用数据集，对包含由多个层构成的神经网络的第一模型进行通过求解第一任务而更新所述第一模型的参数的学习处理；以及

第二学习部，其使用所述学习用数据集，对第二模型进行通过求解与第一任务不同的第二任务而更新所述第二模型的参数的学习处理，所述第二模型包含将由所述第一学习部进行了学习处理后的第一模型的参数作为初始值的神经网络。

2.根据权利要求1所述的学习装置，其特征在于，

所述第二学习部进行通过求解所述第二任务而更新所述第二模型整体的参数的学习处理。

3.根据权利要求1所述的学习装置，其特征在于，

所述第二学习部进行通过求解所述第二任务而更新所述第二模型中的一部分参数的学习处理。

4.根据权利要求1所述的学习装置，其特征在于，

所述取得部取得传感器数据，作为所述时间序列数据，

所述第一学习部将由所述取得部取得的传感器数据用作学习用数据集，对所述第一模型进行通过求解预测所述传感器数据的预定时间之后的值的任务而更新所述第一模型的参数的学习处理，

所述第二学习部使用所述学习用数据集，将由所述第一学习部进行了学习处理的第一模型的参数作为初始值，进行求解将所述传感器数据分类的任务而更新所述第二模型的参数的学习处理。

5.根据权利要求1所述的学习装置，其特征在于，

所述取得部取得传感器数据，作为所述时间序列数据，

所述第一学习部将由所述取得部取得的传感器数据用作学习用数据集，对所述第一模型进行通过求解预测所述传感器数据的预定时间之后的值的任务而更新所述第一模型的参数的学习处理，

所述第二学习部使用所述学习用数据集，将由所述第一学习部进行了学习处理的第一模型的参数作为初始值，进行通过求解检测所述传感器数据的异常值的任务而更新所述第二模型的参数的学习处理。

6.根据权利要求1所述的学习装置，其特征在于，

所述取得部取得传感器数据，作为所述时间序列数据，

所述第一学习部将由所述取得部取得的传感器数据用作学习用数据集，对所述第一模型进行通过求解按照一定区间划分所述传感器数据并将随机排列顺序的传感器数据排列为正确的顺序的任务而更新所述第一模型的参数的学习处理，

所述第二学习部使用所述学习用数据集，将由所述第一学习部进行了学习处理的第一模型的参数作为初始值，进行通过求解预测所述传感器数据的预定时间之后的值的任务而更新所述第二模型的参数的学习处理。

7.一种由学习装置执行的学习方法，其特征在于，所述学习方法包括如下步骤：

取得步骤，取得与处理对象有关的时间序列数据；

第一学习步骤，将由所述取得步骤取得的时间序列数据用作学习用数据集，对包含由多个层构成的神经网络的第一模型进行通过求解第一任务而更新所述第一模型的参数的学习处理；以及

第二学习步骤，使用所述学习用数据集，对第二模型进行通过求解与第一任务不同的第二任务而更新所述第二模型的参数的学习处理，所述第二模型包含将由所述第一学习步骤进行了学习处理后的第一模型的参数作为初始值的神经网络。

8.一种学习程序，其特征在于，所述学习程序使计算机执行如下步骤：

取得步骤，取得与处理对象有关的时间序列数据；

第一学习步骤，将由所述取得步骤取得的时间序列数据用作学习用数据集，对包含由多个层构成的神经网络的第一模型进行通过求解第一任务而更新所述第一模型的参数的学习处理；以及

第二学习步骤，使用所述学习用数据集，对第二模型进行通过求解与第一任务不同的第二任务而更新所述第二模型的参数的学习处理，所述第二模型包含将由所述第一学习步骤进行了学习处理后的第一模型的参数作为初始值的神经网络。