特許 6663524 学習データ生成装置および学習データ生成方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】6663524

(24)【登録日】2020年2月18日

(45)【発行日】2020年3月11日

(54)【発明の名称】学習データ生成装置および学習データ生成方法

(51)【国際特許分類】

   G06N 20/00 20190101AFI20200227BHJP

【ＦＩ】

   G06N20/00

【請求項の数】9

【全頁数】15

(21)【出願番号】特願2019-52581(P2019-52581)

(22)【出願日】2019年3月20日

【審査請求日】2019年3月20日

【早期審査対象出願】

(73)【特許権者】

【識別番号】000153443

【氏名又は名称】株式会社 日立産業制御ソリューションズ

(74)【代理人】

【識別番号】110001807

【氏名又は名称】特許業務法人磯野国際特許商標事務所

(72)【発明者】

【氏名】花岡 駿介

【審査官】 塚田 肇

(56)【参考文献】

【文献】 特開平０８−１２９４１３（ＪＰ，Ａ）

【文献】 田添 康平ほか，敵対的生成ネットワークを用いた機械音の生成，第３５回 知識・技術・技能の伝承支援研究会（ＳＩＧ−ＫＳＴ），人工知能学会，２０１８年１１月２２日，pp.1-6

【文献】 倉片 謙太郎ほか，センサプログラミングにおける機械学習支援システム，電子情報通信学会技術研究報告，一般社団法人電子情報通信学会，２０１６年 ３月１７日，第115巻／第519号，pp.223-228

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｎ ２０／００

(57)【特許請求の範囲】

【請求項1】

時系列数値データの線のグラフを編集するグラフ編集部と、
前記グラフ編集部が編集した線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、
前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成する数値データ生成部と、を備え、
前記グラフ編集部は、
選択された時刻の数値データの加算または減算の指示を受け付けると、当該選択された時刻の数値データを加算または減算するとともに、当該選択された時刻を含む所定時間区間内にある時刻の数値データを当該選択された時刻との差に応じて加算または減算する
ことを特徴とする学習データ生成装置。

【請求項2】

時系列数値データの線のグラフを編集するグラフ編集部と、
前記グラフ編集部が編集した線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、
前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成する数値データ生成部と、を備え、
前記グラフ編集部は、
選択された時間区間の数値データの加算または減算の指示を受け付けると、当該選択された時間区間の数値データを加算または減算するとともに、当該選択された時間区間の前後の所定時間区間内にある時刻の数値データを当該選択された時間区間との距離に応じて加算または減算する
ことを特徴とする学習データ生成装置。

【請求項3】

時系列数値データの線のグラフを編集するグラフ編集部と、
前記グラフ編集部が編集した線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、
前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成する数値データ生成部と、を備え、
前記グラフ編集部は、
グラフの時間方向またはデータの数値方向における拡大、縮小および移動の何れかを行う
ことを特徴とする学習データ生成装置。

【請求項4】

時系列数値データの線のグラフを編集するグラフ編集部と、
前記グラフ編集部が編集した線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、
前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成する数値データ生成部と、を備え、
前記グラフ編集部は、
グラフの整合性を保つグラフの制御点の移動、追加および削除の指示を受け付けて実行し、
グラフが不整合となるグラフの制御点の移動、追加および削除の指示を受け付けると、警告するおよび指示を無視するの何れかを実行する
ことを特徴とする学習データ生成装置。

【請求項5】

前記グラフ生成モデルは、敵対的生成ネットワークの生成器である
ことを特徴とする請求項１〜４の何れか１項に記載の学習データ生成装置。

【請求項6】

時系列数値データの線のグラフを編集するステップと、
編集された線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するステップと、
前記グラフ生成モデルを用いて生成画像データを生成するステップと、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成するステップと、
選択された時刻の数値データの加算または減算の指示を受け付けると、当該選択された時刻の数値データを加算または減算するとともに、当該選択された時刻を含む所定時間区間内にある時刻の数値データを当該選択された時刻との差に応じて加算または減算するステップと、を実行する
ことを特徴とする学習データ生成方法。

【請求項7】

時系列数値データの線のグラフを編集するステップと、
編集された線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するステップと、
前記グラフ生成モデルを用いて生成画像データを生成するステップと、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成するステップと、
選択された時間区間の数値データの加算または減算の指示を受け付けると、当該選択された時間区間の数値データを加算または減算するとともに、当該選択された時間区間の前後の所定時間区間内にある時刻の数値データを当該選択された時間区間との距離に応じて加算または減算するステップと、を実行する
ことを特徴とする学習データ生成方法。

【請求項8】

時系列数値データの線のグラフを編集するステップと、
編集された線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するステップと、
前記グラフ生成モデルを用いて生成画像データを生成するステップと、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成するステップと、
グラフの時間方向またはデータの数値方向における拡大、縮小および移動の何れかを行うステップと、を実行する
ことを特徴とする学習データ生成方法。

【請求項9】

時系列数値データの線のグラフを編集するステップと、
編集された線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するステップと、
前記グラフ生成モデルを用いて生成画像データを生成するステップと、
前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成するステップと、
グラフの整合性を保つグラフの制御点の移動、追加および削除の指示を受け付けて実行し、
グラフが不整合となるグラフの制御点の移動、追加および削除の指示を受け付けると、警告するおよび指示を無視するの何れかを実行するステップと、を実行する
ことを特徴とする学習データ生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、機械学習に用いる学習データの生成に係り、取得済みのデータに類似する学習データを生成する学習データ生成装置および学習データ生成方法に関する。

【背景技術】

【0002】

コンピュータの性能向上や技術の進展にともない、音声認識、画像認識、医療画像診断、商品レコメンデーションなど様々な分野に機械学習技術が適用されている。また、時系列データに係る分野では、需要予測、異常検出、故障予測（予知保全）、株式取引などに、機械学習が適用されている。

【0003】

機械学習では、開発者がアルゴリズムを設計してプログラミングするのではなく、機械学習モデル自身が、入力データ（学習データ）に基づいて学習して、認識や予測、検出ができるようになる。一般的に、学習データが多いほど、認識や予測、検出の精度が向上する。

【0004】

精度向上ため、大量の学習データがあることが望ましいが、十分な量の学習データが収集できるとは限らない。このため、取得済みの学習データを変換して新たに学習データを生成するデータ拡張が注目されている。特許文献１に記載の発明は、文書画像を例として、回転処理やシフト処理、拡大縮小処理、ぼかし処理によって、学習データを生成する。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０１６−３８７３２号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、特許文献１に記載の技術が生成する学習データは、画像データである。製造工程におけるデータである、温度／湿度、加速度、回転数、音、振動、電圧／電流のような数値データには、特許文献１に記載の技術は適用できない。
また、少量多種の製品では、それぞれの製品の製造量が小さいためにデータが少ないだけではなく、少ないために収集したデータに偏りがある可能性がある。このため、学習データが生成されたとしても偏っている可能性がでてくる。

【0007】

本発明は、このような背景を鑑みてなされたものであり、少量のデータから機械学習用の学習データを生成する学習データ生成装置および学習データ生成方法を提供することを課題とする。

【課題を解決するための手段】

【0008】

上記課題を解決するため、本発明の学習データ生成装置は、時系列数値データの線のグラフを編集するグラフ編集部と、前記グラフ編集部が編集した線のグラフを画像化した編集画像データを学習データとして機械学習技術を用いたグラフ生成モデルを生成するモデル生成部と、前記グラフ生成モデルを用いて生成画像データを生成するグラフ生成部と、前記時系列数値データの線のグラフを画像化した画像データ、前記編集画像データ、および前記生成画像データの少なくとも何れか１つから数値データを生成する数値データ生成部と、を備え、前記グラフ編集部は、選択された時刻の数値データの加算または減算の指示を受け付けると、当該選択された時刻の数値データを加算または減算するとともに、当該選択された時刻を含む所定時間区間内にある時刻の数値データを当該選択された時刻との差に応じて加算または減算する。

【発明の効果】

【0009】

本発明によれば、少量のデータから機械学習用の学習データを生成する学習データ生成装置および学習データ生成方法を提供することができる。

【図面の簡単な説明】

【0010】

【図1】本実施形態に係る学習データ生成装置の全体構成図である。

【図2】本実施形態に係る数値データリポジトリのデータ構成図である。

【図3】本実施形態に係る数値データの例を示す図である。

【図4】本実施形態に係るグラフ編集部、モデル生成部、グラフ生成部、および数値データ生成部の動作を説明するための図である。

【図5】本実施形態に係る学習データ生成装置が実行する学習データ生成処理のフローチャートである。

【図6】本実施形態に係る編集加工処理前の実データを示すグラフである。

【図7】本実施形態に係るグラフ編集加工処理の移動処理を説明するためのグラフである。

【図8】本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフである。

【図9】本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフである。

【図10】本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフである。

【図11】本実施形態に係るグラフ編集加工処理の時刻におけるデータ値増減処理を説明するためのグラフである。

【図12】本実施形態に係るグラフ編集加工処理の区間におけるデータ値増減処理を説明するためのグラフである。

【図13】本実施形態に係るグラフ編集加工処理の区間全体に亘るデータ値増減処理を説明するためのグラフである。

【図14】本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフである。

【図15】本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフである。

【図16】本実施形態の変型例に係る、不整合のある頂点の移動を説明するためのグラフである。

【発明を実施するための形態】

【0011】

以下に、本発明を実施するための形態（実施形態）における学習データ生成装置について説明する。本実施形態に係る学習データ生成装置は、時系列の数値データのグラフ化、利用者の指示によるグラフの編集、敵対的生成ネットワーク（ＧＡＮ（Generative Adversarial Networks））による類似したグラフ画像の生成、および生成されたグラフ画像の数値データ化の処理を実行して、数値データのデータ拡張を行う。グラフの編集として、縦軸（データの数値）方向の拡大縮小、横軸（時間）方向の拡大縮小、ある時刻付近での数値の増減、ある時刻付近での時間の延長短縮などがあり、これらを組み合わせて編集することも可能である。

【0012】

≪学習データ生成装置の全体構成≫
図１は、本実施形態に係る学習データ生成装置１００の全体構成図である。学習データ生成装置１００は、制御部１１０、記憶部１２０および入出力部１５０を備えるコンピュータである。入出力部１５０は、ディスプレイ、キーボード、マウス、通信デバイスなどから構成される。記憶部１２０は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＳＳＤ（Solid State Drive）などから構成され、後記する図２に示す数値データリポジトリ１３０、グラフ生成ネットワーク１２１、学習データ生成の処理を実行するためのプログラム、プログラム実行に必要な一時的データなどを記憶する。

【0013】

グラフ生成ネットワーク１２１は、後記するグラフ生成部１１３の構成要素であって、敵対的生成ネットワークの生成器のニューラルネットワークである。敵対的生成ネットワークとは、教師なし機械学習の一種であって、生成器と判別器とから構成される。生成器は偽データを生成し、判別器は偽データと学習データである本物のデータとを判別する。生成器と判別器とがゼロサムゲームを行うことで、生成器は本物のデータである学習データに類似する新たなデータを生成できるようになる。

【0014】

≪数値データリポジトリのデータ構成≫
図２は、本実施形態に係る数値データリポジトリ１３０のデータ構成図である。数値データリポジトリ１３０は、例えば表形式のデータであって、１つの行（レコード）は、１つの数値データを示す。数値データリポジトリ１３０のレコードは、データ識別情報（図２ではデータＩＤ（Identifier）と記載）１３１、取得日時１３２、種別１３３、ソース１３４、およびデータ１３５の列（属性）を含む。

【0015】

データ識別情報１３１は、レコードが示す数値データの識別情報である。取得日時１３２は、数値データが取得された、編集された、または生成された日付および時刻である。
種別１３３は、数値データの種別であって、例えば、実データ、編集データ、生成データがある。実データは、現実世界で取得されたデータであって、例えば製造現場に設置してあるセンサから取得したデータである。編集データは、後記するグラフ編集部１１１が生成したデータであって、実データまたは編集データが編集加工されて作成されたデータである。生成データは、後記する数値データ生成部１１４が生成したデータである。

【0016】

種別１３３が実データである場合にソース１３４は、数値データのソースの識別情報であり、例えば数値データを取得したセンサの識別情報である。種別１３３が編集データである場合にソース１３４は、編集前のデータ識別情報１３１である。種別１３３が生成データである場合にソース１３４は、「Ｎ／Ａ」である（図２の３番目のレコードを参照）。

【0017】

データ１３５は、数値データそのものであって、例えば後記する図３に示すような時系列のデータである。図３は、本実施形態に係る数値データ１４０の例を示す図である。数値データ１４０は、１０分おきに取得された温度であって、時刻１４１と温度１４２からなる時系列データである。なお、数値データは、時刻が含まれているとは限らず、順々に取得された数値の列であってもよい。

【0018】

≪制御部（機能部）の構成≫
図１に戻って、制御部１１０は、ＣＰＵ（Central Processing Unit）から構成され、グラフ編集部１１１、モデル生成部１１２、グラフ生成部１１３、および数値データ生成部１１４を含む。
グラフ編集部１１１は、利用者の指示に従って数値データを編集加工する。詳しくは、グラフ編集部１１１は、数値データをグラフ化して利用者に提示し、利用者の指示に従ってグラフを編集加工して、編集データとして数値データリポジトリ１３０に格納する。

【0019】

モデル生成部１１２は、数値データリポジトリ１３０にある実データおよび編集データのデータ１３５をグラフ化した画像データを学習データとして、生成器としてのグラフ生成ネットワーク１２１を含む敵対的生成ネットワークを生成する。
グラフ生成部１１３は、グラフ生成ネットワーク１２１を用いて、実データや編集データのグラフに類似するグラフを生成する。

【0020】

数値データ生成部１１４は、グラフ生成部１１３が生成したグラフやグラフ編集部１１１が編集加工したグラフを数値データに変換して数値データリポジトリ１３０に格納する。なお、グラフと数値データは相互に変換可能であり、特に区別する必要がない場合には、両者を同一視する。例えば、数値データリポジトリ１３０には、数値データが格納されるが、「グラフが格納される」と記す場合もある。

【0021】

図４は、本実施形態に係るグラフ編集部１１１、モデル生成部１１２、グラフ生成部１１３、および数値データ生成部１１４の動作を説明するための図である。
グラフ編集部１１１の入力データは、数値データ１４０である。グラフ編集部１１１は、数値データ１４０をグラフ３１０に加工して、利用者に提示し、利用者の指示によりグラフを編集加工して、編集データ（図２参照）として１つ以上のグラフ３２０を出力して、数値データリポジトリ１３０に格納する。
モデル生成部１１２は、実データ（数値データ１４０）や編集データを入力として学習し、敵対的生成ネットワークのグラフ生成ネットワーク１２１を出力する。

【0022】

グラフ生成部１１３は、グラフ生成ネットワーク１２１を用いて、実データや編集データのグラフに類似する１つ以上のグラフ３３０を出力する。
数値データ生成部１１４は、グラフ３３０またはグラフ編集部１１１が生成したグラフ３２０を数値データ３４０に変換して数値データリポジトリ１３０に格納する。数値データ生成部１１４は、数値データ１４０をグラフ化したグラフ３１０を数値データ３４０に変換してもよい（数値データに戻す）。

【0023】

≪学習データ生成処理≫
図５は、本実施形態に係る学習データ生成装置１００が実行する学習データ生成処理のフローチャートである。学習データ生成処理の実行以前に、実データが収集されて数値データリポジトリ１３０（図２参照）に記憶されている。例えば、センサが取得したデータが、入出力部１５０の通信デバイス経由で取得されて、種別１３３が実データであるレコードとして数値データリポジトリ１３０に格納されている。

【0024】

ステップＳ１１において、グラフ編集部１１１が、グラフ編集加工処理として、数値データリポジトリ１３０に記憶される数値データをグラフ化して入出力部１５０のディスプレイに表示し、利用者の指示に従ってグラフを編集加工し、結果を編集データとして数値データリポジトリ１３０に格納する。編集加工の手法については、図６〜図１３を用いて後記する。
ステップＳ１２において、モデル生成部１１２が、数値データリポジトリ１３０に記憶される実データや編集データを入力として学習して、敵対的生成ネットワークを生成し、敵対的生成ネットワークの生成器であるグラフ生成ネットワーク１２１を生成する。

【0025】

ステップＳ１３において、グラフ生成部１１３が、グラフ生成ネットワーク１２１を用いて、実データや編集データのグラフに類似するグラフを生成する。
ステップＳ１４において、数値データ生成部１１４は、グラフ生成部１１３が生成したグラフあるいはグラフ編集部１１１が生成したグラフを数値データに変換して数値データリポジトリ１３０に格納する。数値データに変換するには、所定の時間タイミングごとにグラフから数値を読みとって、時系列の数値データに変換する。または、グラフの特徴点、例えば折れ線グラフの頂点の時刻と数値を読み取って、数値データに変換する。

【0026】

学習データ生成装置１００が生成したデータは、数値データリポジトリ１３０から取り出され、学習データとして利用される。
以上の説明では、一種類の学習データの生成を説明した。一種類に限らず、複数の種類（学習データのラベル）、例えば正常データと異常データのそれぞれを元データとし、種類ごとに図５の学習データ生成処理を実行して、種類ごとの数値データを生成して、その種類（ラベル）の学習データとしてもよい。

【0027】

≪グラフ編集加工処理≫
以下、グラフ編集部１１１がステップＳ１１（図５参照）において実行するグラフの編集加工処理を説明する。グラフ編集部１１１は、数値データリポジトリ１３０に記憶される、利用者が選択した数値データをグラフ化して利用者に提示し、利用者の指示に従って、グラフを編集加工する。利用者が編集加工の終了を指示すると、グラフ編集部１１１は、編集加工されたグラフを数値データに変換して数値データリポジトリ１３０に格納する。以下では、グラフの移動処理や時間延長短縮などの処理を説明するが、これらの処理を組み合わせることで、グラフが編集加工される。

【0028】

図６は、本実施形態に係る編集加工処理前の実データを示すグラフ４１０である。以下では、グラフ４１０を元データとする編集手法について説明する。なお、編集加工処理の対象は実データに限らず編集データであってもよい。また、グラフ４１０は温度変化を示したグラフであるが、温度／湿度、加速度、回転数、音、振動、電圧／電流など他の数値データであってもよい。

【0029】

≪グラフ編集加工処理：上下移動≫
図７は、本実施形態に係るグラフ編集加工処理の移動処理を説明するためのグラフ４２０である。グラフ４２０の点線のグラフは、移動処理前の元のグラフ４１０である。移動処理は、グラフ（グラフの折れ線）全体を上下に移動する処理である。グラフ編集部１１１は、利用者の指示に従って、グラフ全体を上または下に移動する。図７では、点線の元のグラフを上に移動して、実線のグラフに編集加工している。

【0030】

≪グラフ編集加工処理：時間延長短縮≫
図８〜図１０は、本実施形態に係るグラフ編集加工処理の時間延長短縮処理を説明するためのグラフ４３０，４４０，４５０である。グラフ４３０，４４０，４５０の点線のグラフは、時間延長短縮処理前の元のグラフ４１０である。時間延長短縮処理は、ある区間で時間を短縮（グラフを左右方向で縮小）または時間を延長（グラフを左右方向で拡大）する処理である。利用者が、時間延長短縮する区間および延長率／短縮率を指示すると、グラフ編集部１１１は、指示された区間のグラフを左右方向に拡大または縮小する。利用者が、区間と時間延長後または時間短縮後の区間の長さ（区間幅）とを指示して、グラフ編集部１１１が、指示された区間のグラフを指示された区間の長さに合うように左右方向に拡大または縮小してもよい。

【0031】

グラフ４３０（図８参照）では、全体の区間に亘って時間を短縮している。グラフ４４０（図９参照）では、時刻Ｔ１〜時刻Ｔ２の区間に亘って時間を短縮している。また、グラフ４５０（図１０参照）では、時刻Ｔを中心に前後の区間（時刻Ｔ−Δｔ１〜時刻Ｔ＋Δｔ１）において時間を短縮（グラフを左右方向で縮小）し、さらに外側の区間（時刻Ｔ−Δｔ２〜時刻Ｔ−Δｔ１および時刻Ｔ＋Δｔ１〜時刻Ｔ＋Δｔ２）において時間を延長（グラフを左右方向で拡大）している。

【0032】

≪グラフ編集加工処理：データ値増減≫
図１１は、本実施形態に係るグラフ編集加工処理の時刻におけるデータ値増減処理を説明するためのグラフ４６０である。図１２は、本実施形態に係るグラフ編集加工処理の区間におけるデータ値増減処理を説明するためのグラフ４７０である。グラフ４６０，４７０の点線のグラフは、データ値増減処理前の元のグラフ４１０である。データ値増減処理は、ある時刻または区間でのデータ値を増減（加算または減算）する処理である。利用者が、データ値を増減する時刻／区間および増減値を指示すると、グラフ編集部１１１は、指示された時刻または区間のグラフを上下に移動する。このとき、グラフ編集部１１１は、グラフが不連続にならないように、指示された時刻または区間の前後のグラフも上下に移動する。

【0033】

グラフ４６０（図１１参照）では、時刻Ｔのデータ値増加が指示されて、グラフ編集部１１１は、グラフが不連続にならないように前後の区間（時刻Ｔ−Δｔ〜時刻Ｔ＋Δｔ）で時刻Ｔまでの時間間隔に応じてグラフを上に移動している。詳しくは、指示されたデータ値の増分がＤとして、グラフ編集部１１１は、時刻ＴではグラフをＤ上に移動して、時刻Ｔ±（１／４）Δｔではグラフを（３／４）Ｄ上に移動して、時刻Ｔ±（２／４）Δｔではグラフを（２／４）Ｄ上に移動して、時刻Ｔ±（３／４）Δｔではグラフを（１／４）Ｄ上に移動し、時刻Ｔ±Δｔではグラフを移動しないようにして、時刻Ｔ−Δｔ〜時刻Ｔ＋Δｔの区間のグラフを上に移動している（データ値を増やしている）。

【0034】

時刻ではなく区間を指定してのデータ値増加においても、区間の外側の区間において値を増減した区間までの時間間隔に応じてグラフを上に移動する。グラフ４７０（図１２参照）では、区間Ｔ１〜Ｔ２において増分Ｄのデータ値増加が指示されて、グラフ編集部１１１は、時刻Ｔ１および時刻Ｔ２ではグラフをＤ上に移動して、時刻Ｔ１−（１／４）Δｔおよび時刻Ｔ２＋（１／４）Δｔではグラフを（３／４）Ｄ上に移動し、時刻Ｔ１−（２／４）Δｔおよび時刻Ｔ２＋（２／４）Δｔではグラフを（２／４）Ｄ上に移動し、時刻Ｔ１−（３／４）Δｔおよび時刻Ｔ２＋（３／４）Δｔではグラフを（１／４）Ｄ上に移動し、時刻Ｔ１−Δｔおよび時刻Ｔ２＋Δｔではグラフを移動しないようにして、時刻Ｔ１−Δｔ〜時刻Ｔ１、および、時刻Ｔ２〜Ｔ２＋Δｔの区間のグラフを上に移動している（データ値を増やしている）。
図１１〜図１２では、データ値増加処理を説明したが、データ値削減でも同様である。

【0035】

図８では、左右方向のグラフの拡大縮小による時間延長短縮処理を説明した。上下方向に拡大縮小することで区間全体に亘ってデータ値を増減するようにしてもよい。図１３は、本実施形態に係るグラフ編集加工処理の区間全体に亘るデータ値増減処理を説明するためのグラフ４８０である。グラフ４８０の点線のグラフは、移動処理前の元のグラフ４１０である。

【0036】

利用者が、データ値増減する区間および増減率を指示すると、グラフ編集部１１１は、指示された増減率に従ってグラフを上下方向に拡大または縮小する。グラフ４８０は、上方向に拡大され、区間全体に亘ってデータ値が増加している。

【0037】

≪グラフ編集加工処理：グラフ表示≫
図７〜図１３で説明したグラフの編集加工処理では、編集加工前後のグラフを表示している。グラフ編集部１１１は、関連する他のグラフを表示して、利用者が編集加工しやすいようにしてもよい。

【0038】

図１４は、本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフ５１０である。グラフ５１０では、温度データの変化に関連する電流のデータも含まれている。利用者は、電流のグラフを参照しながら、温度のグラフを編集加工できるようになっている。また、温度と電流の双方のデータを編集加工できるようにしてもよい。

【0039】

図１５は、本実施形態に係るグラフ編集加工処理において、関連するグラフも含めたグラフ５２０である。グラフ５１０と比較して、グラフ５２０では、温度データ値と電流データ値に係る散布図が右下にある。利用者は、電流のグラフと散布図を参照しながら、温度のグラフを編集加工できるようになっている。また、温度と電流の双方のデータを編集加工できるようにしてもよい。

【0040】

≪学習データ生成処理の特徴≫
学習データ生成装置１００は、時系列数値データをグラフ化し、グラフを画像データと見なして敵対的生成ネットワークの生成器を用いて類似グラフを生成し、時系列数値データに変換することで、時系列数値データの学習データ生成を行っている。数値データをグラフ化して画像データとすることで、敵対的生成ネットワークを用いた学習データ生成が可能となっている。

【0041】

敵対的生成ネットワークへの入力は、実データのグラフに限らず、実データのグラフを編集加工したグラフも含んでいる。これにより、敵対的生成ネットワークの生成に必要な入力データ（学習データ）を増やすことができ、敵対的生成ネットワークの生成器であるグラフ生成ネットワーク１２１を用いるグラフ生成部１１３は、より類似度の高いグラフを生成できるようになる。

【0042】

また、少量しか収集できず、偏りのある実データについても、データの特性を理解している利用者が、あり得るデータを想定してデータを編集加工し、偏りの少ないデータにしてから敵対的生成ネットワークへの入力データとすることができる。このため、学習データ生成した結果の数値データは、偏りの少ないデータにすることができる。

【0043】

グラフの編集手法としては、上下方向の移動や拡大縮小（データ値の増減）、左右方向の拡大縮小（時間の延長短縮）、時刻や区間を指定してのデータ値の増減などがある。グラフ編集部１１１は、利用者の指示に従い、かつグラフの連続性が保てるように、グラフを変形しており、利用者の意図に沿ったグラフの編集加工処理が可能となっている。

【0044】

≪変型例：グラフの編集加工≫
上記した実施形態でのグラフ編集加工処理は、折れ線グラフを対象にしている。折れ線グラフに限定せず、数値データを曲線のグラフにして、同様の編集加工処理を行ってもよい。曲線のグラフは、数値データが示す点を制御点とし、これらの制御点を通る曲線を、例えばスプライン補間を用いて生成するようにしてもよい。他に、ベジェ曲線やＢ−スプライン曲線などを用いてもよい。

【0045】

また、描画ツールの曲線や折れ線の編集にある手法を用いて、グラフを編集加工するようにしてもよい。例えば、曲線の制御点や折れ線の頂点（折れ線の制御点）を移動したり、追加したり、削減したりするようにして、編集加工してもよい。さらに、グラフとしての整合性を保つためにグラフ編集部１１１は、整合性を保てない（不整合が生じる）編集の指示を受け付けた場合には、不整合を警告して指示を受け付けないようにしてもよい。グラフとしての整合性としては、グラフが連続している、同じ時刻に複数の値はなく１つの値であるなどがあり、グラフとしての不整合性としては、グラフが不連続である、同じ時刻に複数の値があるなどがある。

【0046】

図１１では、時刻Ｔにおけるデータ値増加の指示を受けて、グラフ編集部１１１が、Ｔ−Δｔ〜Ｔ＋Δｔの区間の値を上に移動している。利用者による、時刻がＴ、Ｔ±（１／４）Δｔ、Ｔ±（２／４）Δｔ、およびＴ±（３／４）Δｔの頂点の移動の指示を受け付けて、グラフ編集部１１１が、移動後の頂点を通るようにグラフを移動（変形）させてもよい。
図１６は、本実施形態の変型例に係る、不整合のある頂点の移動を説明するためのグラフ６１０である。頂点６１１から頂点６１２への移動は、複数の値をとる時刻が生じる不整合な移動である。このような、利用者による不整合な移動の指示を受け付けないようにすることで、不整合なグラフが生成されることを防ぐことができる。

【0047】

≪変型例：数値データの加工≫
上記した実施形態では、グラフを編集加工することで、敵対的生成ネットワークへの入力データを増やしている。グラフ化する前の数値データを編集加工するようにしてもよい。例えば、数値データについて、最大値と最小値の差の所定比率より小さい増減値となるように、各数値データをランダムに増減するようにしてもよい。また、時刻について、データの取得間隔の所定比率より小さい増減値となるように、各時刻データをランダムに前後するようにしてもよい。数値データや時刻の増減について、ランダムではなく、正規分布など所定の分布に従うように増減するようにしてもよい。
さらに、これらの編集加工手法を、グラフ編集部１１１によるグラフ編集加工処理後の数値データに施したり、数値データ生成部１１４が生成した数値データに施したりしてもよい。

【0048】

≪その他変型例≫
なお、本発明は、上記した実施形態や変型例に限定されることなく、その趣旨を逸脱しない範囲で変更することができる。また、これらの実施形態は、例示に過ぎず、本発明の技術的範囲を限定するものではない。例えば、区間におけるデータ値増減処理（図１２参照）において、グラフ編集部１１１は、利用者に指示された区間Ｔ１〜Ｔ２の前後の幅Δｔの区間のデータ値を増減させている。前と後で区間の幅が異なってもよい。
本発明はその他の様々な実施形態を取ることが可能であり、さらに、本発明の要旨を逸脱しない範囲で、省略や置換等種々の変更を行うことができる。これら実施形態やその変形は、本明細書等に記載された発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0049】

１００ 学習データ生成装置
１１１ グラフ編集部
１１２ モデル生成部
１１３ グラフ生成部
１１４ 数値データ生成部
１２１ グラフ生成ネットワーク（グラフ生成モデル）
１３０ 数値データリポジトリ
１４０ 数値データ
３１０ グラフ（数値データ１４０のグラフ）
３２０ グラフ（編集画像データ）
３３０ グラフ（生成画像データ）
３４０ 数値データ

【要約】

【課題】少量のデータから機械学習用の学習データを生成する。
【解決手段】学習データ生成装置１００は、数値データのグラフを編集するグラフ編集部１１１、数値データのグラフと編集済みグラフとを画像化した画像データを学習データとして機械学習技術を用いたグラフ生成モデル（グラフ生成ネットワーク１２１）を生成するモデル生成部１１２、生成されたグラフ生成モデルを用いて生成画像データを生成するグラフ生成部１１３、およびグラフ編集部１１１が編集した編集画像データあるいはグラフ生成部１１３で生成した生成画像データから数値データを生成する数値データ生成部１１４を備える。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】