特開2023-177487IP Force 特許公報全文掲載

ホーム > 特許ランキング > 株式会社日立製作所 > 特開2023-177487

技術分野

連合学習を実行する連合学習システム、連合学習方法および連合学習プログラム

要約特許出願時に添付された[要約書]

【課題】連合学習に参加するクライアント端末ごとに適したモデルを提供すること。
【解決手段】連合学習システムは、学習データセットを有する複数のクライアント端末とサーバとを有し、学習データセットは、クライアントＩＤと第１説明変数と第１目的変数とを含むデータサンプルを有し、クライアント端末による算出処理を実行し、クライアント端末による第１学習処理及びサーバによる第１統合処理を繰り返す第１連合学習処理を実行する。算出処理では、クライアント端末が、類似度計算モデルにデータサンプルを入力してデータサンプルと複数の学習データセットとの類似度を算出し、第１学習処理では、クライアント端末が、特定の学習データセットとの特定の類似度に基づいて個別分析モデルを学習し、第１統合処理では、サーバが、複数のクライアント端末からの第１学習結果を統合して、統合個別分析モデルに関する第１統合情報を生成する。
【選択図】図４

発明が解決しようとする課題[発明の詳細な説明]から抜粋

しかしながら、上述した特許文献１では、クライアントのデータから算出されるパラメータに基づいて類似度を決定するため、各クライアントのデータサンプル毎の類似度は考慮されていない。したがって、特許文献１の装置は、クライアント単位で統合学習に用いるデータの採否を判断しており、各クライアントのデータサンプル単位での採否を判断できず、統合学習に与える影響の大きさを各クライアントのデータサンプル単位で制御できない。

課題を解決するための手段[発明の詳細な説明]から抜粋

本願において開示される発明の一側面となる連合学習システムは、各々学習データセットを有する複数のクライアント端末と、前記複数のクライアント端末と通信可能なサーバと、を有し、前記複数のクライアント端末の各々が前記学習データセットを用いてモデルを学習し、前記サーバが学習結果を用いて前記複数のクライアント端末の各々の前記モデルを統合する処理を繰り返す連合学習を実行する連合学習システムであって、前記学・・・　続きを知財ポータルサイト IP Force にログインして見る

発明の効果[発明の詳細な説明]から抜粋

本発明の代表的な実施の形態によれば、連合学習に参加するクライアント端末ごとに適したモデルを提供することができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

この発明についての権利主張の範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 図１は、本実施例にかかる連合学習例を示す説明図である。
【図2】 図２は、学習データセットの一例を示す説明図である。
【図3】 図３は、類似度計算モデルの連合学習の一例を示す説明図である。
【図4】 図４は、個別分析モデルの連合学習の一例を示す説明図である。
【図5】 図５は、図４に示した学習重み計算の具体例を示す説明図である。
【図6】 図６は、図４に示した重みづけによるモデル学習４１１ｔの具体例を示す説明図である。
【図7】 図７は、図４に示した重みづけによるモデル学習４１２ｔの具体例を示す説明図である。
【図8】 図８は、図４に示した重みづけによるモデル学習４１３ｔの具体例を示す説明図である。
【図9】 図９は、連合学習システムにおける連合学習のシーケンス図である。
【図10】 図１０は、管理画面例を示す説明図である。
【図11】 図１１は、情報表示画面例を示す説明図である。
【図12】 図１２は、サーバおよびクライアント端末のハードウェア構成例を示すブロック図である。

選択図 図4出願人が指定した本件の代表的な図

１００ 連合学習システム ２０３ 説明変数 ２０４ 目的変数 ３０１ 説明変数 ３０２ 目的変数 ３３０ｔ 統合学習 ４１１ｔ～４１３ｔ モデル更新 ４３０ｔ 統合学習 １０００ 管理画面 １１００ 情報表示画面 Ｃ１～Ｃ３ クライアント端末 Ｄ１～Ｄ３ 学習データセット Ｍ１ 統合類似度計算モデル Ｍ２１～Ｍ２３ 個別分析モデル

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

［広告欄］

ログインすれば広告は減ります

ログインすれば広告は減ります

Copyright © Science Impact Inc. All Rights Reserved.