机器学习
1. 机器学习装置和机器学习装置的机器学习方法
申请号: CN201910462757.5
申请日: 2019-05-30
公开（公告）号: CN110569866B
公开（公告）日: 2024-05-31
发明人: 权男暎; 周河铃
公开一种机器学习装置和机器学习装置的机器学习方法。包括机器学习分类器的机器学习装置的机器学习方法包括：在机器学习装置接收图像和与所述图像相关联的第一类信息；通过经由使用机器学习分类器对所述图像执行分类，在机器学习装置生成与所述图像相关联的第二类信息；在生成第二类信息时，通过当与所述图像一起接收到引导图时执行第一学习操作，并当没有与所述图像一起接收到引导图时在机器学习装置执行与第一学习操作不同的第二学习操作，来在机器学习装置更新机器学习分类器。
更多2. 机器学习系统、机器学习设备和机器学习方法
申请号: CN202180029984.4
申请日: 2021-01-15
公开（公告）号: CN115461767A
公开（公告）日: 2022-12-09
发明人: 滝裕子; 高塚进; 铁川弘树
提供了一种机器学习系统、机器学习设备和机器学习方法，用于对人的行为和人周围的环境之间的相关性进行机器学习，以便促进从人的行为到目标行为的转变。本技术提供了一种机器学习系统，至少设置有：状态获取单元，至少获取关于人的行为的状态信息；评估单元，评估关于当获取状态信息在人周围的环境的环境信息和状态信息时，以便获得价值函数；以及机器学习分类器，对价值函数执行强化学习，并且选择当价值函数最高时的环境信息，以便鼓励行为到目标行为的转变。
更多3. 机器学习装置和机器学习装置的机器学习方法
申请号: CN201910462757.5
申请日: 2019-05-30
公开（公告）号: CN110569866A
公开（公告）日: 2019-12-13
发明人: 权男暎; 周河铃
公开一种机器学习装置和机器学习装置的机器学习方法。包括机器学习分类器的机器学习装置的机器学习方法包括：在机器学习装置接收图像和与所述图像相关联的第一类信息；通过经由使用机器学习分类器对所述图像执行分类，在机器学习装置生成与所述图像相关联的第二类信息；在生成第二类信息时，通过当与所述图像一起接收到引导图时执行第一学习操作，并当没有与所述图像一起接收到引导图时在机器学习装置执行与第一学习操作不同的第二学习操作，来在机器学习装置更新机器学习分类器。
更多4. 机器学习方法、机器学习装置以及机器学习程序
申请号: CN202111218465.0
申请日: 2021-10-19
公开（公告）号: CN114474462B
公开（公告）日: 2024-08-09
发明人: 入谷一夫; 山口和郎; 源内达雄; 岩崎伸; 黑田好则
本发明提供机器学习方法、机器学习装置以及机器学习程序。机器学习方法获取包含有关树脂的颗粒状态的物理量和处理条件的状态变量，基于状态变量，计算出对处理条件的决定结果的奖励，基于计算出的奖励更新用于根据状态变量决定处理条件的函数，通过反复进行函数更新，从而决定获得奖励最多的处理条件。据此，不依靠熟练的技术人员的长年的经验，也能容易地决定对所要求的树脂的颗粒状态的适当的处理条件。
更多5. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202280076508.2
申请日: 2022-09-06
公开（公告）号: CN118302771A
公开（公告）日: 2024-07-05
发明人: 木田晋吾
已预训练的特征提取单元(54)使用已预训练模型提取基本类的样本的特征向量。基本类分类权重(58)以基本类的样本的特征向量为输入，使用基本类的分类权重对基本类的样本进行分类。特征最优化部(64)对以已预训练模型为基础的优化模块进行元学习，对新类样本的特征矢量进行优化。新类特征平均化部(66)按每个类对新类样本的特征矢量进行平均，计算新类的分类权重。图表神经网络(70)以基本类的分类权重和新类的分类权重为输入，对基本类和新类之间的依存关系进行元学习，输出重构的分类权重。
更多6. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202180084373.X
申请日: 2021-12-09
公开（公告）号: CN116615735A
公开（公告）日: 2023-08-18
发明人: 竹原英树; 木田晋吾; 杨尹诚
域适应数据充实度确定部(52)在通过第二域的训练数据对使用第一域的训练数据进行学习的神经网络的第一模型进行迁移学习时，基于第二域的训练数据数量来确定域适应数据充实度。学习层确定部(54)基于域适应数据充实度，确定复制了第一模型的第二模型的学习对象的层。迁移学习执行部(56)使用第二域的训练数据对第二模型的学习对象的层进行迁移学习。
更多7. 机器学习装置、机器学习系统以及机器学习方法
申请号: CN201810975964.6
申请日: 2018-08-24
公开（公告）号: CN109426154B
公开（公告）日: 2020-04-17
发明人: 久保嘉孝
本发明涉及进行与激光有关的机器学习的机器学习装置、机器学习系统以及机器学习方法，在考虑了与激光的观测有关的条件的基础上，针对激光的强度分布进行良好与否判定。机器学习装置(10)具备：状态观测单元(11)，其获取表示激光的强度分布的数据以及表示与为了生成表示所述强度分布的数据而进行的所述激光的观测有关的条件的数据来作为输入数据；标记获取单元(12)，其获取与所述激光的良好与否的判定有关的评价值作为标记；以及学习单元(13)，其通过将所述状态观测单元(11)获取到的输入数据与所述标记获取单元(12)获取到的标记的组合作为训练数据并进行监督学习，来构筑用于进行所述激光的良好与否的判定的学习模型。
更多8. 机器学习程序、机器学习方法以及机器学习装置
申请号: CN201980101036.X
申请日: 2019-10-17
公开（公告）号: CN114556380A
公开（公告）日: 2022-05-27
发明人: 加藤孝史; 后藤启介; 大堀耕太郎
本发明涉及机器学习程序、机器学习方法以及机器学习装置。进行训练数据的离散化，以便模型精度提高。关于将标签信息与多个数据项目的数据项目值的组合建立关联的多个学习数据，对每个数据项目将数据项目值转换为基于规定的基准离散化后的离散化数据值。使用转换后的多个学习数据执行学习将离散化数据值作为输入进行关于标签信息的判定的模型的学习处理。从学习处理的执行结果获取示出多个数据项目中的用于判定的两个以上的数据项目的组合的不同的多个特征信息、和示出多个特征信息各自的重要性的指标值。基于指标值选择一个以上的特征信息，基于选择出的一个以上的特征信息来变更用于数据项目值的离散化的基准。
更多9. 机器学习装置、机器学习系统以及机器学习方法
申请号: CN201810975958.0
申请日: 2018-08-24
公开（公告）号: CN109420859A
公开（公告）日: 2019-03-05
发明人: 久保嘉孝
本发明涉及一种机器学习装置、机器学习系统以及机器学习方法，在考虑了光学部件的用途的基础上进行光学部件的良好与否判定。机器学习装置(10)具备：状态观测单元(11)，其取得拍摄光学部件(21)而得到的图像数据和与上述光学部件(21)的用途相关的数据来作为输入数据；标签取得单元(12)，其取得与上述光学部件(21)的良好与否判定相关的评价值来作为标签；以及学习单元(13)，其将上述状态观测单元(11)取得的输入数据与上述标签取得单元(12)取得的标签的组合作为训练数据来进行有监督学习，由此构筑用于判定上述光学部件(21)的良好与否的学习模型。
更多10. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202280075228.X
申请日: 2022-09-01
公开（公告）号: CN118235146A
公开（公告）日: 2024-06-21
发明人: 木田晋吾
特征提取部(220)从输入数据中提取特征向量。语义预测部(250)是根据输入数据的特征向量生成语义向量的、预先进行了元学习的模块。映射部(230)是根据输入数据的特征向量生成语义向量的已学习基本类别的模块。优化部(240)在新类别的学习时没有对新类的输入数据赋予语义信息的情况下，将由语义预测部生成的语义向量作为正解语义向量，对映射部的参数进行优化，使得由映射部生成的语义向量与正解语义向量的距离最小。
更多11. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202180074116.8
申请日: 2021-12-09
公开（公告）号: CN116806341A
公开（公告）日: 2023-09-26
发明人: 木田晋吾; 竹原英树; 杨尹诚
权重存储部(50)存储用于任务的特征检测的多个过滤器的权重。持续学习部(20)针对所输入的任务，持续学习多个过滤器的权重。过滤器控制部(40)在预定轮数的持续学习之后，将已学习任务的过滤器的权重与正在学习任务的过滤器的权重进行比较，并且提取权重相似度为预定阈值以上的重复过滤器作为任务之间的共享过滤器，将重复过滤器中的一个过滤器作为共享过滤器保留，并且对共享过滤器之外的过滤器的权重进行初始化。
更多12. 机器学习方法、机器学习装置以及机器学习程序
申请号: CN202111218465.0
申请日: 2021-10-19
公开（公告）号: CN114474462A
公开（公告）日: 2022-05-13
发明人: 入谷一夫; 山口和郎; 源内达雄; 岩崎伸; 黑田好则
本发明提供机器学习方法、机器学习装置以及机器学习程序。机器学习方法获取包含有关树脂的颗粒状态的物理量和处理条件的状态变量，基于状态变量，计算出对处理条件的决定结果的奖励，基于计算出的奖励更新用于根据状态变量决定处理条件的函数，通过反复进行函数更新，从而决定获得奖励最多的处理条件。据此，不依靠熟练的技术人员的长年的经验，也能容易地决定对所要求的树脂的颗粒状态的适当的处理条件。
更多13. 机器学习装置、机器学习系统以及机器学习方法
申请号: CN201810975958.0
申请日: 2018-08-24
公开（公告）号: CN109420859B
公开（公告）日: 2021-11-26
发明人: 久保嘉孝
本发明涉及一种机器学习装置、机器学习系统以及机器学习方法，在考虑了光学部件的用途的基础上进行光学部件的良好与否判定。机器学习装置(10)具备：状态观测单元(11)，其取得拍摄光学部件(21)而得到的图像数据和与上述光学部件(21)的用途相关的数据来作为输入数据；标签取得单元(12)，其取得与上述光学部件(21)的良好与否判定相关的评价值来作为标签；以及学习单元(13)，其将上述状态观测单元(11)取得的输入数据与上述标签取得单元(12)取得的标签的组合作为训练数据来进行有监督学习，由此构筑用于判定上述光学部件(21)的良好与否的学习模型。
更多14. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202010685334.2
申请日: 2020-07-16
公开（公告）号: CN112286050A
公开（公告）日: 2021-01-29
发明人: 桐山知宏; 斋藤浩一; 菅井骏; 小轮濑一彦; 柏仓直史
本发明涉及机器学习装置、机器学习方法以及记录介质。本发明生成用于适当地输送输送物的驱动源的控制信息。在学习沿着输送路径连续地输送至少2个输送物的输送装置中的驱动源的行动的机器学习装置中，基于设置于输送路径的检测部的检测结果，获取至少2个输送物在输送路径上的位置信息，并基于获取到的位置信息，根据预先决定出的规则来计算报酬，并基于获取到的位置信息和计算出的报酬计算强化学习的行动价值，来学习行动，并生成用于使驱动源进行基于学习结果确定出的行动的控制信息并输出。
更多15. 机器学习装置、机器学习系统以及机器学习方法
申请号: CN201810975964.6
申请日: 2018-08-24
公开（公告）号: CN109426154A
公开（公告）日: 2019-03-05
发明人: 久保嘉孝
本发明涉及进行与激光有关的机器学习的机器学习装置、机器学习系统以及机器学习方法，在考虑了与激光的观测有关的条件的基础上，针对激光的强度分布进行良好与否判定。机器学习装置(10)具备：状态观测单元(11)，其获取表示激光的强度分布的数据以及表示与为了生成表示所述强度分布的数据而进行的所述激光的观测有关的条件的数据来作为输入数据；标记获取单元(12)，其获取与所述激光的良好与否的判定有关的评价值作为标记；以及学习单元(13)，其通过将所述状态观测单元(11)获取到的输入数据与所述标记获取单元(12)获取到的标记的组合作为训练数据并进行监督学习，来构筑用于进行所述激光的良好与否的判定的学习模型。
更多16. 机器学习程序、机器学习方法以及机器学习装置
申请号: CN202080099907.1
申请日: 2020-05-11
公开（公告）号: CN115427984A
公开（公告）日: 2022-12-02
发明人: 松尾达
本发明提供机器学习程序、机器学习方法以及机器学习装置，通过使计算机执行如下处理能够避免过学习，即，对多个数据进行聚类；通过使用了通过聚类分类为第一组的数据的机器学习生成模型；以及使用通过聚类分类为第二组的数据，验证生成的模型的输出精度。
更多17. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202180074118.7
申请日: 2021-12-09
公开（公告）号: CN116368498A
公开（公告）日: 2023-06-30
发明人: 杨尹诚; 竹原英树; 木田晋吾
权重存储部(50)存储用于任务的特征检测的多个过滤器的权重。持续学习部(20)针对输入的任务，持续学习多个过滤器的权重。过滤器处理部(30)在学习一个任务后的多个过滤器中，对于预定比例的过滤器为了使其不被用于其他任务的学习中而锁定权重，对于除此以外的过滤器，为了将其用于其他任务的学习中，而将权重初始化。比较部(40)对学习两个以上任务后的多个过滤器的权重进行比较，并且提取权重相似度为预定阈值以上的重复过滤器作为任务之间的共享过滤器，将重复过滤器中的一个过滤器保留为共享过滤器，并且对共享过滤器之外的过滤器的权重进行初始化。
更多18. 机器学习装置、机器学习方法以及机器学习程序
申请号: CN202010685334.2
申请日: 2020-07-16
公开（公告）号: CN112286050B
公开（公告）日: 2023-05-30
发明人: 桐山知宏; 斋藤浩一; 菅井骏; 小轮濑一彦; 柏仓直史
更多