ホーム > 特許ランキング > セイコーエプソン株式会社
知財求人 - 知財ポータルサイト「IP Force」
特開2024-145095データ処理シーケンスの生成方法、生成装置、および、コンピュータープログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024145095
(43)【公開日】2024-10-15
(54)【発明の名称】データ処理シーケンスの生成方法、生成装置、および、コンピュータープログラム
(51)【国際特許分類】
G06N 3/082 20230101AFI20241004BHJP
G06N 3/12 20230101ALI20241004BHJP
【ＦＩ】
G06N3/082
G06N3/12
【審査請求】未請求
【請求項の数】16
【出願形態】ＯＬ
(21)【出願番号】P 2023057342
(22)【出願日】2023-03-31
(71)【出願人】
【識別番号】000002369
【氏名又は名称】セイコーエプソン株式会社
(74)【代理人】
【識別番号】110000028
【氏名又は名称】弁理士法人明成国際特許事務所
(72)【発明者】
【氏名】鈴木 拓実
(72)【発明者】
【氏名】金井 政史
(57)【要約】
【課題】データ処理シーケンスを生成する場合において、入力側のデータ処理要素と出力側のデータ処理要素の組み合わせを予め設定した生成条件を生成できる技術を提供する。
【解決手段】生成方法は、（ａ）候補データ処理要素の入力を受け付ける工程と、（ｂ）工程（ａ）によって受け付けた候補データ処理要素によって行われるデータ処理の種別に応じて、データ処理シーケンスを構成するシーケンス要素の接続に関する接続条件を生成する工程と、を備え、接続条件は、候補データ処理要素が、ＮＮ処理要素と中処理要素とを含む場合には、ＮＮ処理の次に中処理が実行されるように、ＮＮ処理要素と中処理要素とを接続するという条件を含む。
【選択図】図１３
【解決手段】生成方法は、（ａ）候補データ処理要素の入力を受け付ける工程と、（ｂ）工程（ａ）によって受け付けた候補データ処理要素によって行われるデータ処理の種別に応じて、データ処理シーケンスを構成するシーケンス要素の接続に関する接続条件を生成する工程と、を備え、接続条件は、候補データ処理要素が、ＮＮ処理要素と中処理要素とを含む場合には、ＮＮ処理の次に中処理が実行されるように、ＮＮ処理要素と中処理要素とを接続するという条件を含む。
【選択図】図１３
【特許請求の範囲】
【請求項1】
データ処理シーケンスの生成方法であって、
前記データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成され、
前記生成方法は、
（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける工程であって、前記候補データ処理要素は、
（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、
（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、
（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、
（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、工程と、
（ｂ）前記工程（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する工程と、
（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する工程と、
（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する工程と、を備え、
前記工程（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む、生成方法。
前記データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成され、
前記生成方法は、
（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける工程であって、前記候補データ処理要素は、
（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、
（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、
（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、
（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、工程と、
（ｂ）前記工程（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する工程と、
（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する工程と、
（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する工程と、を備え、
前記工程（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む、生成方法。
【請求項2】
請求項１に記載の生成方法であって、
前記工程（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記後処理要素を含む場合には、前記後処理の次に前記データ出力要素でデータ処理後の前記データが出力されるように、前記後処理要素と前記データ出力要素とを接続するという条件を含む、生成方法。
前記工程（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記後処理要素を含む場合には、前記後処理の次に前記データ出力要素でデータ処理後の前記データが出力されるように、前記後処理要素と前記データ出力要素とを接続するという条件を含む、生成方法。
【請求項3】
請求項１に記載の生成方法であって、
前記工程（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記前処理要素と前記ＮＮ処理要素と前記中処理要素と前記後処理要素とを含む場合には、前記データ入力要素から前記データ出力要素に向かう順に、前記前処理、前記ＮＮ処理、前記中処理、前記後処理が実行されるように、前記データ入力要素と前記前処理要素と前記ＮＮ処理要素と前記中処理要素と前記後処理要素と前記データ出力要素とを接続するという条件を含む、生成方法。
前記工程（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記前処理要素と前記ＮＮ処理要素と前記中処理要素と前記後処理要素とを含む場合には、前記データ入力要素から前記データ出力要素に向かう順に、前記前処理、前記ＮＮ処理、前記中処理、前記後処理が実行されるように、前記データ入力要素と前記前処理要素と前記ＮＮ処理要素と前記中処理要素と前記後処理要素と前記データ出力要素とを接続するという条件を含む、生成方法。
【請求項4】
請求項１に記載の生成方法であって、
前記後処理で用いられる前記後処理要素は、前記後処理要素に入力されたデータを前記目標データと比較可能なデータに変換する、生成方法。
前記後処理で用いられる前記後処理要素は、前記後処理要素に入力されたデータを前記目標データと比較可能なデータに変換する、生成方法。
【請求項5】
請求項１に記載の生成方法であって、
前記工程（ｂ）は、接続候補となる前記入力側と前記出力側の一対の前記シーケンス要素である複数の要素セットのそれぞれに対して、前記データ処理シーケンスの要素として出現する出現確率を示す接続参考値と、前記データ処理シーケンスの構成要素として出現させないことを示す非出現データと、のいずれかを関連付けた接続条件テーブルを生成することで前記接続条件を生成する、生成方法。
前記工程（ｂ）は、接続候補となる前記入力側と前記出力側の一対の前記シーケンス要素である複数の要素セットのそれぞれに対して、前記データ処理シーケンスの要素として出現する出現確率を示す接続参考値と、前記データ処理シーケンスの構成要素として出現させないことを示す非出現データと、のいずれかを関連付けた接続条件テーブルを生成することで前記接続条件を生成する、生成方法。
【請求項6】
請求項５に記載の生成方法であって、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記工程（ｂ）は、前記入力側が前記ＮＮ処理要素であり前記出力側が前記中処理要素である前記要素セットである出現要素セットに対しては前記接続参考値を関連付け、前記入力側が前記ＮＮ処理要素であり前記出力側が前記中処理要素とは異なる前記シーケンス要素である前記要素セットに対しては非出現データを関連付けることで前記接続条件テーブルを生成する、生成方法。
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記工程（ｂ）は、前記入力側が前記ＮＮ処理要素であり前記出力側が前記中処理要素である前記要素セットである出現要素セットに対しては前記接続参考値を関連付け、前記入力側が前記ＮＮ処理要素であり前記出力側が前記中処理要素とは異なる前記シーケンス要素である前記要素セットに対しては非出現データを関連付けることで前記接続条件テーブルを生成する、生成方法。
【請求項7】
請求項１に記載の生成方法であって、
前記工程（ｄ）は、
（ｄ１）前記工程（ｃ）によって生成された前記複数のデータ処理シーケンスのそれぞれによって前記対象データをデータ処理して前記データ出力要素に出力されたデータ処理後の出力データを取得する工程と、
（ｄ２）前記出力データと前記目標データとを比較して、前記複数のデータ処理シーケンスのそれぞれの評価値を取得する工程と、
（ｄ３）前記それぞれの評価値を用いて前記特定終了条件を満たす前記特定データ処理シーケンスを特定する工程と、を有する、生成方法。
前記工程（ｄ）は、
（ｄ１）前記工程（ｃ）によって生成された前記複数のデータ処理シーケンスのそれぞれによって前記対象データをデータ処理して前記データ出力要素に出力されたデータ処理後の出力データを取得する工程と、
（ｄ２）前記出力データと前記目標データとを比較して、前記複数のデータ処理シーケンスのそれぞれの評価値を取得する工程と、
（ｄ３）前記それぞれの評価値を用いて前記特定終了条件を満たす前記特定データ処理シーケンスを特定する工程と、を有する、生成方法。
【請求項8】
請求項１に記載の生成方法であって、
前記中処理に用いられる前記中処理要素は、
前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを他の種類のデータに変換する第１種中処理要素と、
前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データの少なくとも一部を抽出して抽出後データを出力する第２種中処理要素と、の少なくともいずれか一方を含む、生成方法。
前記中処理に用いられる前記中処理要素は、
前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを他の種類のデータに変換する第１種中処理要素と、
前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データの少なくとも一部を抽出して抽出後データを出力する第２種中処理要素と、の少なくともいずれか一方を含む、生成方法。
【請求項9】
請求項７に記載の生成方法であって、さらに、
（ｅ）前記工程（ｄ）よりも前に行われ、参照データの入力を受け付ける工程であって、前記参照データは、前記中処理要素において前記ＮＮ出力データのデータ量を低減するために用いるデータである、工程を有する、生成方法。
（ｅ）前記工程（ｄ）よりも前に行われ、参照データの入力を受け付ける工程であって、前記参照データは、前記中処理要素において前記ＮＮ出力データのデータ量を低減するために用いるデータである、工程を有する、生成方法。
【請求項10】
請求項９に記載の生成方法であって、
前記中処理に用いられる前記中処理要素は、
前記ＮＮ出力データと前記参照データとの類似度を示す変換後データを出力する第１種中処理要素と
前記ＮＮ出力データが、前記ＮＮ処理要素が有する複数の中間層のそれぞれから出力される特徴量によって構成されている場合に、前記参照データを用いることなく、前記複数の中間層の少なくとも一部の前記中間層に対応した前記特徴量を抽出する第２種中処理要素と、の少なくともいずれか一方を含む、生成方法。
前記中処理に用いられる前記中処理要素は、
前記ＮＮ出力データと前記参照データとの類似度を示す変換後データを出力する第１種中処理要素と
前記ＮＮ出力データが、前記ＮＮ処理要素が有する複数の中間層のそれぞれから出力される特徴量によって構成されている場合に、前記参照データを用いることなく、前記複数の中間層の少なくとも一部の前記中間層に対応した前記特徴量を抽出する第２種中処理要素と、の少なくともいずれか一方を含む、生成方法。
【請求項11】
請求項９に記載の生成方法であって、
前記工程（ｄ）は、前記工程（ｃ）において生成された前記データ処理シーケンスにおいて、前記ＮＮ処理要素と前記中処理要素とが含まれる場合に、前記中処理要素よりも前記入力側で実行されるデータ処理を、前記参照データに対して実行して処理後参照データを生成する工程を含み、
前記中処理要素は、前記ＮＮ出力データと前記処理後参照データとの類似度を示す変換後データを出力する第１種中処理要素を含む、生成方法。
前記工程（ｄ）は、前記工程（ｃ）において生成された前記データ処理シーケンスにおいて、前記ＮＮ処理要素と前記中処理要素とが含まれる場合に、前記中処理要素よりも前記入力側で実行されるデータ処理を、前記参照データに対して実行して処理後参照データを生成する工程を含み、
前記中処理要素は、前記ＮＮ出力データと前記処理後参照データとの類似度を示す変換後データを出力する第１種中処理要素を含む、生成方法。
【請求項12】
請求項１に記載の生成方法であって、
前記ＮＮ処理に用いられる前記ＮＮ処理要素は、前記ＮＮ処理要素の中間層から取得した特徴量と、前記ＮＮ処理要素の出力要素であるＮＮ出力要素から出力されたＮＮ処理後データと、の少なくともいずれか一方を前記ＮＮ出力データとして前記出力側の前記シーケンス要素に出力する、生成方法。
前記ＮＮ処理に用いられる前記ＮＮ処理要素は、前記ＮＮ処理要素の中間層から取得した特徴量と、前記ＮＮ処理要素の出力要素であるＮＮ出力要素から出力されたＮＮ処理後データと、の少なくともいずれか一方を前記ＮＮ出力データとして前記出力側の前記シーケンス要素に出力する、生成方法。
【請求項13】
請求項７に記載の生成方法であって、
前記工程（ｄ３）によって前記特定データ処理シーケンスが特定されない場合に、前記特定終了条件が満たされるまで、前記工程（ｃ）～前記工程（ｄ）までのルーチンを繰り返し、
前記ルーチンを繰り返す場合において、次の前記ルーチンにおける前記工程（ｃ）は、前回の前記ルーチンにおける前記工程（ｃ）によって生成された前記複数のデータ処理シーケンスと少なくとも一つの前記データ処理シーケンスが異なる前記複数のデータ処理シーケンスを生成することで前記シーケンスセットを生成する再生成工程を含む、生成方法。
前記工程（ｄ３）によって前記特定データ処理シーケンスが特定されない場合に、前記特定終了条件が満たされるまで、前記工程（ｃ）～前記工程（ｄ）までのルーチンを繰り返し、
前記ルーチンを繰り返す場合において、次の前記ルーチンにおける前記工程（ｃ）は、前回の前記ルーチンにおける前記工程（ｃ）によって生成された前記複数のデータ処理シーケンスと少なくとも一つの前記データ処理シーケンスが異なる前記複数のデータ処理シーケンスを生成することで前記シーケンスセットを生成する再生成工程を含む、生成方法。
【請求項14】
請求項１３に記載の生成方法であって、
前記工程（ｃ）は、前記シーケンス要素に対応した遺伝子を複数配列した個体を生成することで前記データ処理シーケンスを規定する工程を含み、
前記再生成工程は、前記評価値を用いて、次世代の前記個体に用いられる現世代の前記個体を特定し、特定した前記個体を複製することと、特定した前記個体に対して交叉と突然変異との少なくとも１つを行うことで前記個体を新たに生成すること、とによって前記次のルーチンの前記シーケンスセットを生成する、生成方法。
前記工程（ｃ）は、前記シーケンス要素に対応した遺伝子を複数配列した個体を生成することで前記データ処理シーケンスを規定する工程を含み、
前記再生成工程は、前記評価値を用いて、次世代の前記個体に用いられる現世代の前記個体を特定し、特定した前記個体を複製することと、特定した前記個体に対して交叉と突然変異との少なくとも１つを行うことで前記個体を新たに生成すること、とによって前記次のルーチンの前記シーケンスセットを生成する、生成方法。
【請求項15】
データ処理シーケンスの生成装置であって、
前記データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成され、
前記生成装置は、
前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける入力部であって、前記候補データ処理要素は、
前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、
（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、
（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、
（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、入力部と、
前記入力部によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する接続条件生成部と、
前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成するシーケンス生成部と、
前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた前記特定データ処理シーケンスを特定する特定部と、を備え、
前記接続条件は、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む、生成装置。
前記データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成され、
前記生成装置は、
前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける入力部であって、前記候補データ処理要素は、
前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、
（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、
（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、
（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、入力部と、
前記入力部によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する接続条件生成部と、
前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成するシーケンス生成部と、
前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた前記特定データ処理シーケンスを特定する特定部と、を備え、
前記接続条件は、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む、生成装置。
【請求項16】
データ処理シーケンスの生成をコンピューターに実行させるためのコンピュータープログラムであって、
前記データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成され、
前記コンピュータープログラムは、
（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける機能であって、前記候補データ処理要素は、
（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、
（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、
（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、
（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、機能と、
（ｂ）前記機能（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する機能と、
（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する機能と、
（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する機能と、をコンピューターに実行させ、
前記機能（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む、コンピュータープログラム。
前記データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成され、
前記コンピュータープログラムは、
（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける機能であって、前記候補データ処理要素は、
（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、
（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、
（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、
（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、機能と、
（ｂ）前記機能（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する機能と、
（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する機能と、
（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する機能と、をコンピューターに実行させ、
前記機能（ｂ）における前記接続条件は、
前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む、コンピュータープログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、データ処理シーケンスを生成する技術に関する。
【背景技術】
【0002】
従来、遺伝的プログラミングを用いることにより、個体を木構造のように構造的に表現する技術が知られている（特許文献１）。従来の技術では、遺伝的プログラミングを用いることにより、複数の画像処理要素を木構造に組み合わせたデータ処理シーケンスを生成している。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００７－８７０５５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献１の技術では、遺伝的プログラミングを用いることにより、複数の画像処理シーケンスを生成し、画像処理シーケンスの評価を世代ごとに繰り返し行うことで、基準条件を満たす画像処理シーケンスを特定している。しかしながら、生成された画像処理シーケンスを構成する複数のデータ処理要素において、入力側のデータ処理要素と出力側のデータ処理要素の組み合わせによっては、入力側のデータ処理要素から出力されるデータを出力側のデータ処理要素でデータ処理することが適さない場合が生じ得る。この場合、生成したデータ処理シーケンスによるデータ処理が効率良く実行できずにデータ処理シーケンスの評価に時間を要したり、目標データに応じたデータ処理結果を得ることができずにデータ処理シーケンスの評価ができなかったりという不具合が生じ得る。よって、従来から、データ処理シーケンスを構成する、入力側のデータ処理要素と出力側のデータ処理要素の組み合わせを設定できる技術が望まれている。このような課題は、遺伝的プログラミングを用いて複数の画像処理シーケンスを生成して、基準条件を満たす画像処理シーケンスを特定する技術に限らず、複数のデータ処理シーケンスを生成して、予め定めた特定終了条件に応じたデータ処理シーケンスを特定する技術に共通する。
【課題を解決するための手段】
【0005】
本開示の第１形態によれば、データ処理シーケンスの生成方法が提供される。データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成される。この生成方法は、（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける工程であって、前記候補データ処理要素は、（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、工程と、（ｂ）前記工程（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する工程と、（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する工程と、（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する工程と、を備え、前記工程（ｂ）における前記接続条件は、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む。
【0006】
本開示の第２形態によれば、データ処理シーケンスの生成装置が提供される。データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成される。この生成装置は、前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける入力部であって、前記候補データ処理要素は、前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、入力部と、前記入力部によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する接続条件生成部と、前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成するシーケンス生成部と、前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた前記特定データ処理シーケンスを特定する特定部と、を備え、前記接続条件は、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む。
【0007】
本開示の第３形態によれば、データ処理シーケンスの生成をコンピューターに実行させるためのコンピュータープログラムが提供される。データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成される。このコンピュータープログラムは、（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける機能であって、前記候補データ処理要素は、（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、機能と、（ｂ）前記機能（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する機能と、（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する機能と、（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する機能と、をコンピューターに実行させ、前記機能（ｂ）における前記接続条件は、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む。
【図面の簡単な説明】
【0008】
【図1】実施形態の生成システムを説明するための図。
【図2】記憶装置を説明するための図。
【図3】学習データ群の一例を示す図。
【図5】ＮＮ処理を実行するデータ処理要素を説明するための図。
【図7】参照データ群の一例を示す図。
【図8】一つの世代Ｇの個体群を説明するための図。
【図9】遺伝子の出現範囲を規定するテーブルを示す図。
【図10】木構造のデータ処理シーケンスを示す図。
【図12】生成装置が実行する処理を示すフローチャート。
【図13】生成条件の生成処理を示す詳細フローチャート。
【図14】生成条件入力画面を示す図。
【図17】上限閾値を規定したテーブルを示す図。
【発明を実施するための形態】
【0009】
Ａ．実施形態：
図１は、実施形態の生成システム１０を説明するための図である。生成システム１０は、生成装置２０とセンサー装置２００とを備える。生成装置２０とセンサー装置２００とは、有線や無線によってデータを送受信可能である。センサー装置２００は、対象の物理量を取得するセンサーであり、物理量である光の強さを検出して画像を生成する撮像装置や、物理量である電圧を取得する電圧センサーなどがある。本実施形態は、センサー装置２００は撮像装置である。センサー装置２００によって取得された撮像画像は、生成装置２０に送信される。
図１は、実施形態の生成システム１０を説明するための図である。生成システム１０は、生成装置２０とセンサー装置２００とを備える。生成装置２０とセンサー装置２００とは、有線や無線によってデータを送受信可能である。センサー装置２００は、対象の物理量を取得するセンサーであり、物理量である光の強さを検出して画像を生成する撮像装置や、物理量である電圧を取得する電圧センサーなどがある。本実施形態は、センサー装置２００は撮像装置である。センサー装置２００によって取得された撮像画像は、生成装置２０に送信される。
【0010】
生成装置２０は、データ処理後の所望とするデータを得るための特定データ処理シーケンスＤＳｑを生成するシーケンス生成機能と、シーケンス生成機能を実行する前に実行される接続条件の生成機能と、シーケンス生成機能を実行した後に実行される特定データ処理シーケンスＤＳｑを用いたデータ処理機能とを有する。接続条件の生成機能は、シーケンス生成機能を実行する際に参照される接続条件テーブルを生成する。データ処理機能は、データ処理シーケンスＳｑを用いて入力データである対象データをデータ処理する機能である。例えば、生成装置２０は、撮像画像を元に、所望の目的を達成するための所望データを得るための特定データ処理シーケンスＤＳｑを自動で生成してもよい。例えば、生成装置２０は、撮像画像を元に、センサー装置２００によって撮像された工業製品である回路基板の画像を、特定データ処理シーケンスＤＳｑを用いてデータ処理することで、欠陥部分が黒画像、それ以外の部分が白画像で表された二値化画像を所望画像として出力する。この二値化画像を元に、欠陥部分の有無や位置がユーザーや装置によって特定されることで、工業製品の検査が行われる。また例えば、生成装置２０は、入力データである撮像画像を元に、対象データの種別を判別したり、対象データに応じた１つ以上のスカラー量を出力したりする、特定データ処理シーケンスＤＳｑを自動で生成してもよい。入力データの種別とは、対象データに応じた判別結果であり、例えば、データ処理要素としての機械学習モデルから出力されたラベル判別結果である。対象データに応じたスカラー量とは、温度や電圧値などであり、例えば、データ処理要素としての機械学習モデルによる回帰分析によって出力された出力結果である。
【0011】
シーケンス生成機能は、遺伝的プログラミングを用いて複数のデータ処理シーケンスＳｑを生成し、生成した複数のデータ処理シーケンスＳｑの中から所望とするデータ処理後のデータを得るための特定データ処理シーケンスＤＳｑを特定する。接続条件の生成機能は、遺伝子座に配置された遺伝子の数値ＶＧがどのシーケンス要素に対応するのかを決定するための接続条件テーブルを生成する。本実施形態では、シーケンス生成機能と接続条件の生成機能とデータ処理機能とは、一つの生成装置２０に搭載されているが、これに限定されるものではない。他の実施形態では、シーケンス生成機能と接続条件の生成機能とデータ処理機能とはそれぞれ、別々の装置に搭載されていてもよいし、クラウド上に存在していてもよい。
【0012】
生成装置２０は、パーソナルコンピューターなどの電子計算機である。生成装置２０は、プロセッサー２５と、記憶装置７０と、入力部１５０と、表示部１６０とを備える。プロセッサー２５は、記憶装置７０に記憶された各種プログラムを実行することで、生成装置２０の動作を制御する。プロセッサー２５の詳細な機能は後述する。記憶装置７０は、ＲＡＭやＲＯＭなどのメモリーにより構成されている。記憶装置７０には、プロセッサー２５の各機能を実現するための各種プログラムと、データ処理シーケンスＳｑの生成のために用いる各種データとが記憶されている。記憶装置７０の詳細は後述する。入力部１５０は、外部からの情報を受け付けるインターフェースである。入力部１５０は、例えば、センサー装置２００からのデータの入力を受け付けたり、ユーザーが他の装置を用いて生成したデータの入力を受け付けたりする。また例えば、入力部１５０は、データ処理シーケンスを構成するシーケンス要素の候補となるデータ処理要素としての候補データ処理要素の入力を受け付ける。表示部１６０は、各種情報を表示する。表示部１６０は、例えば、液晶モニターである。
【0013】
プロセッサー２５は、記憶装置７０の各種プログラムを実行することで、シーケンス生成部３０と、データ処理部４０と、特定部５０と、接続条件生成部５５と、表示制御部６０として機能する。なお、プロセッサー２５によって実行される機能の一部は、ハードウェア回路によって実現されてもよい。ここで、本開示において、「プロセッサー」は、ＣＰＵやＧＰＵを包含する用語である。
【0014】
シーケンス生成部３０は、個体ＩＶによって示された遺伝子の配列を木構造のように構造的に表現することで、シーケンス要素の組み合わせが異なる複数のデータ処理シーケンスＳｑによって構成されるシーケンスセットを生成する。データ処理シーケンスＳｑは、複数のシーケンス要素の組み合わせによって表されている。シーケンス要素としては、（ｉ）データを入力するノードであるデータ入力要素と、（ｉｉ）データ入力要素とデータ出力要素との間の中間のノードであるデータ処理要素と、（ｉｉｉ）最終的なデータ処理後のデータである出力データＰＭを出力するノードであるデータ出力要素とがある。データ処理シーケンスＳｑはデータ入力要素と、少なくとも１つのデータ処理要素と、データ出力要素とによって構成されている。なお、データ処理シーケンスを構成する少なくとも１つのデータ処理要素は、入力されたデータをそのまま出力する処理要素であってもよい。なお、データ処理要素は、データ処理フィルターとも呼ぶ。
【0015】
シーケンス生成部３０は、個体生成部３２と、遺伝子翻訳部３４とを備える。個体生成部３２は、遺伝的アルゴリズムに基づいて、一次元または二次元に配列された複数の遺伝子によって構成される個体ＩＶを生成する。個体ＩＶを構成する各遺伝子は、データ入力要素とデータ処理要素とをそれぞれ表す数値である。出現範囲を示す数値範囲ごとに、データ入力要素や異なるデータ処理要素が割り当てられる。つまり、個体ＩＶは、データ入力要素およびデータ処理要素のそれぞれに対応した遺伝子を配列することで生成される。個体生成部３２は、一つの世代ごとに、予め定められた数の個体ＩＶを生成する。本実施形態では、個体生成部３２は、一次元に遺伝子を配列することで、予め定めた遺伝子長の個体ＩＶを生成する。一つの世代ごとにおいて、複数のデータ処理シーケンスＳｑのシーケンス要素の組み合わせは異なる。個体生成部３２は、一番初めの１世代目については、個体ＩＶの各遺伝子座に、０から１までの小数点第３位までの数値を遺伝子としてランダムに配置することで、複数の個体ＩＶから構成される個体群８４を生成する。個体生成部３２は、二世代以降については、前回の親世代の個体ＩＶのうちで後述する評価値が高い個体ＩＶから交叉と突然変異との少なくとも一つの手法を用いて個体ＩＶを新たに生成することで、新たに生成した個体ＩＶと、親世代で維持、すなわち親世代の個体ＩＶを複製した個体ＩＶとの集合である個体群８４を生成する。
【0016】
遺伝子翻訳部３４は、記憶装置７０に記憶された後述する接続条件テーブル８８を参照することで、個体ＩＶの各遺伝子を翻訳して木構造で表されたデータ処理シーケンスＳｑを生成する。接続条件テーブル８８は、遺伝子の数値範囲ごとに対応するデータ処理要素と、各シーケンス要素の接続関係を直接的または間接的に規定したテーブルである。データ処理シーケンスＳｑは、個体ＩＶと接続条件テーブル８８とによって表される。接続条件テーブル８８の詳細は後述する。
【0017】
データ処理部４０は、遺伝子翻訳部３４が生成したデータ処理シーケンスＳｑや、記憶装置７０に記憶された特定データ処理シーケンスＤＳｑを用いて、データ入力要素に入力されたデータをデータ処理してデータ出力要素からデータ処理後の出力データＰＭを出力する。
【0018】
特定部５０は、対象データとしての学習データＬＭを個体ＩＶが示すデータ処理シーケンスＳｑによってデータ処理し、得られたデータ処理後のデータである出力データＰＭと、学習データＬＭに関連付けられた目標となる目標データＴＭとを比較して、出力データＰＭと目標データＴＭとの類似度を示す評価値ＥＶを算出する。特定部５０は、１つの世代Ｇにおける複数の個体ＩＶが示す複数のデータ処理シーケンスＳｑごとに、評価値ＥＶを算出する。算出された評価値ＥＶは、個体ＩＶと関連付けて記憶装置７０に記憶される。また特定部５０は、予め定めた特定終了条件に応じたデータ処理シーケンスＳｑを特定データ処理シーケンスＤＳｑとして特定する。特定終了条件の一つには、評価値ＥＶを用いた条件も含まれる。特定終了条件および特定終了条件に応じたデータ処理シーケンスＳｑの詳細は後述する。
【0019】
評価値ＥＶとしては、例えば、平均二乗誤差（MSE:Mean Squared Error）や、ピーク信号対雑音比（PSNR:Peak signal-to-noise ratio）や、構造的類似度（SSIM:Structural Similarity）の一つを用いることができる。ＭＳＥが評価値として用いられる場合、ＭＳＥの値が小さい程、出力データＰＭと目標データＴＭとの類似度ＳＤは高い。つまり、ＭＳＥの逆数が、類似度ＳＤを示す。ＰＳＮＲが評価値として用いられる場合には、ＰＳＮＲが大きい程、出力データＰＭと目標データＴＭとの類似度ＳＤは高い。つまり、ＰＳＮＲは類似度ＳＤを示す。ＳＳＩＭが用いられる場合には、例えば、画像を小領域に分割して、小領域ごとに算出されたＳＳＩＭの平均値であるＭＳＳＩＭ（Mean SSIM）が評価値ＥＶとして用いられる。ＭＳＳＩＭが評価値ＥＶとして用いられる場合、ＭＳＳＩＭが大きい程、類似度ＳＤは高い。つまり、ＭＳＳＩＭは類似度ＳＤを示す。入力データＩＤが良品または不良品であるかなどの判別結果を示す場合には、類似度ＳＤは、例えば、複数の入力データＩＤに応じた出力データＰＭおよび目標データＴＭの一致率としてもよい。
【0020】
接続条件生成部５５は、特定データ処理シーケンスＤＳｑの候補となる複数のデータ処理シーケンスＳｑを生成するために用いる接続条件テーブル８８を生成する。接続条件生成部５５は、後述する処理候補テーブル８１を参照したり、ユーザーからの入力情報を参照したりすることで接続条件テーブル８８を生成する。接続条件テーブル８８は、接続された入力側と出力側の一対のシーケンス要素である要素セットごとに、データ処理シーケンスＳｑの構成要素として出現する出現確率を示す接続参考値ＲＶを関連付けたテーブルである。接続参考値ＲＶは、例えば、入力データをデータ処理して目標データＴＭを目標とする所望データを出力するための接続の相性を表す指標であってもよい。所望データは、目標データＴＭと一致または目標データＴＭに類似するデータである。接続条件テーブル８８の生成方法および接続条件テーブル８８の詳細については後述する。
【0021】
表示制御部６０は、各種情報を表示部１６０に表示させる。表示制御部６０は、例えば、特定データ処理シーケンスＤＳｑや、出力データＰＭや、目標データＴＭや、評価値ＥＶを表示部１６０に表示させる。
【0022】
図２は、記憶装置７０を説明するための図である。記憶装置７０は、学習データ群７４と、参照データ群７７と、データ処理プログラム群７９と、シーケンス要素群８０と、処理候補テーブル８１と、個体群８４と、接続条件テーブル８８と、特定データ処理シーケンスＤＳｑと、各種プログラム９４とを記憶する。
【0023】
特定データ処理シーケンスＤＳｑは、特定部５０によって特定された予め定めた特定終了条件に応じたデータ処理シーケンスＳｑである。特定データ処理シーケンスＤＳｑは、例えば、シーケンス要素である複数のデータ処理要素を識別する要素識別子と、要素識別子の順番、すなわち接続関係とによって表される。データ処理プログラム群７９は、シーケンス要素となり得るデータ処理要素を用いて実行されるデータ処理を実行するために必要な、計算式、プログラム、必要なパラメーター等を含む。本実施形態では、データ処理は、前処理、ＮＮ処理、中処理、後処理を含む。データ処理の詳細については後述する。各種プログラム９４は、プロセッサー２５によって実行されるプログラムである。
【0024】
図３は、学習データ群７４の一例を示す図である。学習データ群７４は、データ処理シーケンスＳｑによるデータ処理対象である対象データとしての学習データＬＭと、学習データＬＭに関連付けられた目標データＴＭとによって構成された学習セットＳＭを複数セット有する。学習データＬＭは、例えば、製造番号が異なる同種の回路基板をセンサー装置２００で撮像した画像である。目標データＴＭは、例えば、良品と不良品のいずれかを示す分類ラベルである。各学習データＬＭと、各学習データＬＭに対応する各目標データＴＭには、識別番号が付与されている。目標データＴＭである分類ラベルは、学習データＬＭに応じて少なくとも一つ設定されている。例えば、学習データＬＭ１に対しては良品を示すラベル０が設定されている。また例えば、学習データＬＭ２に対しては欠陥部分ＤＡが存在するので不良品を示すラベル１が設定されている。また例えば、学習データＬＭが画像である場合、画素ごとや、複数の画素の集合である部分領域ごとに、目標データＴＭとしての分類ラベルが関連付けられていてもよい。
【0025】
学習データＬＭは、データ処理シーケンスＳｑの処理対象となるデータであれば撮像画像に限定されるものではない。例えば学習データＬＭは、分光反射スペクトルなどの一次元データであってもよいし、モノクロ画像などの二次元データであってもよいし、ＲＧＢ画像や分光画像のような三次元データであってもよい。三次元データは、例えば、画素値Ｖ［ｘ，ｙ，λ］で表される。ｘ，ｙは画像の位置を示し、λはＲＧＢの色を示す。本実施形態では、学習データＬＭの種類に関わらず、データ処理シーケンスＳｑにおいて同様にデータを取り扱えるようにするために、次元数を「３」に変換している。例えば、学習データＬＭが、波長λごとの反射率Ｉ［λ］を示す分光反射スペクトルである場合、一次元で表される反射率Ｉ［λ］は三次元のデータＩ［１×１×λ］として記憶装置７０に記憶される。また例えば、学習データＬＭが画素ごとの画素値Ｖ［ｘ，ｙ］を示すモノクロ画像である場合、二次元で表される画素値Ｖ［ｘ，ｙ］は三次元のデータＶ［ｘ，ｙ，１］として記憶装置７０に記憶される。なお、学習データＬＭの次元数を所定数、本実施形態では「３」に変換する次元数変換処理は、ユーザーが生成装置２０に入力する前に行ってもよいし、生成装置２０が行ってもよい。
【0026】
なお、他の実施形態では、目標データＴＭは分類ラベルである必要はなく、特定データ処理シーケンスＤＳｑによるデータ処理の目的に応じて、設定されてもよい。例えば、目標データＴＭは、欠陥部分ＤＡが黒画像、それ以外の部分が白画像で表された二値化画像であってもよい。この場合、目標データＴＭは、例えば、予め欠陥部分の箇所が特定できている学習データＬＭを参考に、ユーザーが欠陥部分ＤＡを黒画像に設定し、それ以外の部分を白画像に設定することで生成される。また、例えば、特定データ処理シーケンスＤＳｑが入力データに応じた少なくとも一つのスカラー量を出力することを目的としている場合には、目標データＴＭは入力データに応じたスカラー量となる。例えば、スカラー量は、温度や電圧などの物理量である。入力データである学習データＬＭが画像である場合、目標データＴＭは、画像１つに対して１つのスカラー量であってもよいし、画素ごとや部分領域ごとのスカラー量であってもよい。また、目標データＴＭの次元数は、分類ラベルでは一次元、二値化画像では二次元であるが、目標データＴＭの取得方式、例えば学習データＬＭを取得するセンサー装置２００の種類を示す次元を加えてもよい。
【0027】
図４は、図２に示すシーケンス要素群８０の詳細を示す図である。図５は、ＮＮ処理を実行するデータ処理要素を説明するための図である。図４に示すように、シーケンス要素群８０は、データ処理シーケンスＳｑにおいてシーケンス要素の候補となる複数のデータ処理要素ＦｔＡ～ＦｔＫを有する。複数のデータ処理要素ＦｔＡ～ＦｔＫは、用いられるデータ処理の種別ごとに分類分けされている。本実施形態では、データ処理の種別は、前処理、ＮＮ処理、中処理、後処理の４種類である。前処理を実行する前処理層は、データ処理要素ＦｔＡ，ＦｔＢ，ＦｔＣである。ＮＮ処理を実行するＮＮ処理層は、データ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦである。中処理を実行する中処理層は、データ処理要素ＦｔＧ，ＦｔＨである。後処理を実行する後処理層は、データ処理要素ＦｔＩ，ＦｔＪ，ＦｔＫである。なお、実際には、前処理、ＮＮ処理、中処理、後処理においてさらに多くのデータ処理要素を含んでもよい。
【0028】
前処理は、データ入力層に入力されたデータである対象データに対して行う処理である。前処理は、例えば、比較的単純なデータ処理や正規化や特徴量の変換を行う処理であり、出力側のデータ処理要素でのデータ処理のために対象データを加工する処理である。前処理は、例えば、対象データがモノクロ画像である場合、欠陥部分ＤＡと欠陥部分ＤＡ以外の正常部分との違いがより強調された画像となるようなデータ処理を実行する。前処理には、明度反転処理、特徴量方向の微分処理、座標方向の微分処理、特徴量方向の正規化処理、領域抽出処理、画像フィルター処理、画像加工処理などが含まれる。領域抽出の候補は、例えば、物体検出、マスク処理、背景除去である。前処理に用いられる前処理要素としてのデータ処理要素ＦｔＡ～ＦｔＣの候補は、例えば、平滑化フィルター、エッジ抽出フィルター、ソーベルフィルター、ラプラシアンフィルター、メディアンフィルターである。画像加工処理の候補は、例えば、切り抜き、リサイズ、ビニングである。なお、同じ種類のデータ処理要素であっても、カーネルサイズ、係数が異なる場合には、異なるデータ処理要素として、シーケンス要素群８０に記憶される。
【0029】
分光反射スペクトルを対象データとする場合、前処理には、スペクトル解析処理、色変換処理、基底変換処理が含まれる。スペクトル解析処理の候補は、例えば、波長選択・補間、波長平均、ベースライン除去、１次微分、２次微分である。色変換処理は、例えば、色空間の変換、色差（ΔＥ）の算出、膜圧測定である。基底変換処理の候補は、例えば、射影変換、主成分分析、線形判別分析、独立成分分析である。
【0030】
ＮＮ処理は、学習済みニューラルネットワークが組み込まれたデータ処理要素である学習済みニューラルネットワーク要素によってデータ処理を行う処理である。学習済みニューラルネットワーク要素をＮＮ処理要素とも呼ぶ。ＮＮ処理要素は、ＮＮ処理要素の入力側である前段に接続されたシーケンス要素から出力されたデータに対してデータ処理としてのＮＮ処理を実行してＮＮ出力データを出力する。ＮＮ処理に用いられるＮＮ処理要素としてのデータ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦは、畳み込みニューラルネットワークの１つであるEfficientNetモデルや、Residual Networkモデルや、Wide Residual Networkモデルである。なお、データ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦは上述以外の他のアルゴリズムを用いたニューラルネットワークモデルであってもよい。
【0031】
図５に示すように、データ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦは、ＮＮ入力層Ｌ１と、複数の中間層Ｌ２と、ＮＮ出力層Ｌ３とを備える。中間層Ｌ２の数は任意に定める事ができ、例えば、データ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦによって中間層Ｌ２の数は異なる。ＮＮ入力層Ｌ１は、入力側のシーケンス要素から出力されたデータが入力される層である。中間層Ｌ２は、入力層Ｌ１から伝達されるデータに基づいて特徴量の算出を行う層である。出力層Ｌ３は、中間層Ｌ２から伝達されるデータに基づいて結果を出力する層である。各層には、複数のノードＮが含まれる。隣接する層のノードＮとノードＮとを繋ぐエッジは、重み付けされている。データ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦは、中間層Ｌ２ａ～Ｌ２ｄのそれぞれから特徴量Ｆ１～Ｆ４を出力する。これらの特徴量Ｆ１～Ｆ４が、ＮＮ出力データを構成する。
【0032】
ＮＮ処理は、入力されたデータの特徴量を抽出する処理である。ＮＮ出力データは、特徴量とＮＮ処理後データとの少なくともいずれか一方を含むデータである。特徴量は、ＮＮ処理層の中間層Ｌ２ａ～Ｌ２ｄから出力されたデータである。ＮＮ処理後データは、ＮＮ出力層Ｌ３から出力されたデータであり、判別結果を示す分類ラベルであったり、回帰分析によるスカラー量であったりする。
【0033】
図４に示す中処理は、中処理要素の入力側である前段に接続されたシーケンス要素から出力されたデータを出力側である後段に接続されるシーケンス要素に適したデータへ変換する。中処理によるデータ変換処理は、例えば、入力側に接続されたシーケンス要素から出力されたデータに対してデータ量を低減する処理である。中処理に用いられる中処理要素としてのデータ処理要素ＦｔＧ，ＦｔＨは、第１種中処理要素と、第２種中処理要素との少なくともいずれか一方を含む。
【0034】
第１種中処理要素は、中処理要素の前段である入力側に接続されたシーケンス要素から出力されたデータを他の種類のデータに変換して変換後データを出力することでデータ量の低減を行う。つまり、第１種中処理要素は、中処理要素の前段である入力側に接続されたシーケンス要素から出力されたデータを、他のパラメーターで表した変換後データに変換して出力する。第１種中処理要素は、例えば、ＮＮ出力データと参照データＲＭとの類似度を示す変換後データを出力するデータ処理要素を含んでいてもよい。詳細には、第１種中処理要素は、例えば入力されたデータがＮＮ処理要素の中間層Ｌ２ａ～Ｌ２ｄから出力された特徴量Ｆ１～Ｆ４である場合には、参照データＲＭをＮＮ処理要素に入力して出力された特徴量である参照特徴量との類似度を示す変換後データを出力する。第１種中処理要素としては、例えば、マンハッタン距離を出力するデータ処理要素や、コサイン類似度を出力するデータ処理要素や、ユーグリッド距離を算出するデータ処理要素がある。
【0035】
第２種中処理要素は、中処理要素の入力側に接続されたシーケンス要素から出力されたデータの少なくとも一部を抽出して抽出後データを出力する。第２種中処理要素は、例えば、上述の参照データＲＭを用いることなく、複数の中間層Ｌ２ａ～Ｌ２ｄの少なくとも一部、例えば中間層Ｌ２ａに対応した特徴量Ｆ１を抽出して、特徴量Ｆ１を抽出後データとして出力するデータ処理要素を含んでいてもよい。このデータ処理要素をレイヤー選択層とも呼ぶ。また、第２種中処理層は、複数の中間層Ｌ２ａ～Ｌ２ｄのそれぞれの特徴量Ｆ１～Ｆ４を抽出して結合することで次元数を削減した抽出後データを出力してもよい。例えば、特徴量Ｆ１～Ｆ４の各値ＶＮＮ［ｘ，ｙ，ｚ，Ｌ］の次元数は、「Ｈｅｉｇｈｔ」を示すｘ軸と、「Ｗｉｄｔｈ」を示すｙ軸と、特徴量である「Ｄｅｐｔｈ」を示すｚ軸と、レイヤーである中間層Ｌ２ａ～Ｌ２ｄを識別するＬ軸の４次元である。第２種中処理要素は、４次元の特徴量Ｆ１～Ｆ４のそれぞれ対応する特徴量の平均値を算出してＬ軸を削減することで、次元数を低減する。なお、第２種中処理要素は、特徴量Ｆ１～Ｆ４のそれぞれの［ｘ，ｙ，ｚ］のサイズが異なる場合には、サイズを同じにするリサイズ処理を実行してもよい。リサイズ処理では、例えば、リサイズ後のサイズがリサイズ前のサイズよりも小さい場合には、リサイズ前の特徴量を部分ごとの平均化するなどして圧縮する。またリサイズ処理では、例えば、リサイズ後のサイズがリサイズ前のサイズよりも大きい場合には、リサイズ前の特徴量に対して補間処理を行うことでリサイズ後の特徴量を生成する。
【0036】
上述のように第１種中処理要素と第２種中処理要素との少なくともいずれかを用いて、中処理要素の出力側のシーケンス要素に適したデータとなるようにＮＮ出力データなどのデータをデータ処理できる。
【0037】
後処理は、後処理要素の入力側である前段に接続されたシーケンス要素から出力されたデータに対して、対象データに関連付けられた目標となる目標データＴＭに応じたデータとなるように実行されるデータ処理である。目標データＴＭに応じたデータとは、目標データＴＭと比較可能なデータである。例えば、目標データＴＭに応じたデータとは、目標データＴＭと比較して特定終了条件を満たすかどうかを評価できるデータであり、目標データＴＭと同種のデータである。上記のように後処理要素によって目標データＴＭと比較可能なデータを出力できるので、後処理要素の出力側に出力要素を接続することでデータ処理シーケンスＳｑによってデータ処理した出力データＰＭと、目標データＴＭとの比較を容易に行うことができる。
【0038】
例えば、目標データＴＭが離散値である分類ラベルである場合には、目標データＴＭに応じたデータは判別結果としてのラベルである。また例えば、目標データＴＭが連続値であるスカラー量である場合には、目標データＴＭに応じたデータは、回帰分析などのよって得られるスカラー量である。判別結果を出力する後処理を実行する後処理要素としては、マハラノビス距離を出力するデータ処理要素、サポートベクターマシン（Support Vector Machine: SVM）を実行するデータ処理要素、大津の２値化を実行するデータ処理要素、線形判別を実行するデータ処理要素が挙げられる。また判別結果を出力する後処理を実行する後処理要素としては、２次判別を実行するデータ処理要素、ランダムフォレストを実行するデータ処理要素、ｋ近傍法を実行するデータ処理要素、ｋ平均法を実行するデータ処理要素、ニューラルネットワークモデルを用いた判別分析処理を実行するデータ処理要素が挙げられる。また、連続値を出力する後処理を実行する後処理要素としては、例えば、重回帰分析を実行するデータ処理要素、部分最小二乗回帰を実行するデータ処理要素、ニューラルネットワークモデルを用いた回帰分析を実行するデータ処理要素が挙げられる。このようにデータ処理要素である後処理層は、後処理層に入力されたデータを目標データと比較可能なデータに変換して出力する。
【0039】
図６Ａは、図２に示す処理候補テーブル８１が有する第１処理候補テーブル８１Ａを示す図である。図６Ｂは、図２に示す処理候補テーブル８１が有する第２処理候補テーブル８１Ｂを示す図である。本実施形態では、データ処理シーケンスＳｑに入力される対象データおよび対象データに応じた目標データＴＭの「次元」と「値の特性」とに応じてタスクジャンル、データ処理の種別、および、非出現種別が定められている。「値の特性」とは、目標データＴＭが離散値であるか連続値であるかを意味する。離散値は、あらかじめ分類されたクラスを表すラベル値のように、連続していな数値である。連続値は、対象物に含まれている特定の物質の質量のように、値と値との間に無限に数値を取り得る値である。
【0040】
図６Ａに示すように、第１処理候補テーブル８１Ａでは、データ処理シーケンスＳｑに入力される対象データの種別と、対象データに対応する目標データＴＭの種別との組み合わせに応じたタスクジャンルが定められている。詳細には、対象データの「次元」および「値の特性」、目標データＴＭの「次元」および「値の特性」の組み合わせに応じてタスクジャンルが定められる。本実施形態のタスクジャンルは、タスクジャンルＮｏ．１～Ｎｏ．１２がある。本実施形態の第１処理候補テーブル８１Ａでは、対象データは、「一次元の離散値または連続値」、「二次元の離散値または連続値」、「三次元の離散値または連続値」の３項目に分類分けされている。「一次元の離散値または連続値」は、例えば、分光スペクトルデータである。「二次元の離散値または連続値」は、例えば、モノクロ画像である。「三次元の離散値または連続値」は、例えば、ＲＧＢ画像や分光画像である。また、本実施形態の第１処理候補テーブル８１Ａでは、目標データＴＭは、「０次元の離散値」～「三次元の連続値」の８項目に分類分けされている。
【0041】
タスクジャンルＮｏ．１～Ｎｏ．１２は、データ処理シーケンスＳｑを用いた処理の目標についての分類を示す。タスクジャンルを、データ処理の目的のタイプともよぶ。例えば、タスクジャンルＮｏ．１は、一次元ベクトルを対象データとして、対象データの判別を行うタスクジャンルである。また例えば、タスクジャンルＮｏ．２は、一次元ベクトルを対象データとして、対象データに応じたスカラー量を出力する検量を行うタスクジャンルである。また、例えば、Ｎｏ．３のタスクジャンルは、一次元の離散値または連続値である対象データに対して、複数の判別を行うタスクジャンルである。複数の判別とは、例えば、一次元に並んだ離散値ごと又は連続値ごとに行われる判別や、１つの画像に対してラベル分類を行う判別や、１つの画像の複数の領域ごとに行う判別や、１つの対象データに対して複数項目ごとに行われる判別などを含む。なお、検量についても、温度などの１種類のスカラー量が出力される検量や、温度や電圧などの複数種類のスカラー量が出力される検量や、対象データの領域ごとの検量などがある。
【0042】
図６Ｂに示すように、第２処理候補テーブル８１Ｂは、タスクジャンルごとにデータ処理の種別と非出現種別とが定められたテーブルである。つまり、データ処理の種別と非出現種別とは、対象データの「次元」および「値の特性」、目標データＴＭの「次元」および「値の特性」に応じて定められている。データ処理の種別は、入力データとしての対象データに対して、予め行うデータ処理の種別について規定する。例えば、タスクジャンルＮｏ．１では、データ処理として前処理とＮＮ処理と中処理と後処理とを用いることが規定されている。また例えば、タスクジャンルＮｏ．２では、データ処理として前処理と後処理とを用いることが規定されている。
【0043】
非出現種別は、データ処理種別に規定された各処理に用いられるデータ処理要素のうち、データ処理シーケンスＳｑの構成要素として出現させないデータ処理要素を規定する。例えば、非出現種別は、タスクジャンルが示す内容に適合しないデータ処理を実行するデータ処理要素を規定する。例えば、対象データが一次元のデータであるタスクジャンルでは、ベクトル処理を実行するデータ処理要素がデータ処理シーケンスＳｑの候補要素となる一方で、二次元や三次元のデータの処理を行うためのソーベルフィルターやラプラシアンフィルターなどの画像処理フィルターは候補要素とはならない。よって、対象データが一次元のデータであるタスクジャンルでは、非出現種別に、画像処理フィルターを規定する。また、例えば、タスクジャンルＮｏ．１では、後処理が実行される一方で、目標データＴＭが０次元の離散値である。よって、後処理を実行するデータ処理要素ＦｔＩ～ＦｔＫのうちで、離散値である判別結果を出力しない、例えばスカラー量を出力するデータ処理要素は、非出現種別に規定される。また例えば、テーブル識別子Ｎｏ．２では、後処理が実行される一方で、目標データＴＭが連続値である。よって、後処理を実行するデータ処理要素ＦｔＩ～ＦｔＫのうちで、連続値としてのスカラー量を出力しない、例えば離散値である判別結果を出力するデータ処理要素は、非出現種別に規定される。
【0044】
処理候補テーブル８１は、ユーザーの入力によって設定されてもよいし、データ処理シーケンスＳｑによってデータ処理する対象データや、対象データの種別および目標データＴＭの種別の入力を受け付けることで、生成装置２０が予め定められたテーブル生成アルゴリズムによって自動で生成してもよい。
【0045】
図７は、参照データ群の一例を示す図である。参照データ群７７は、図３に示す学習セットＳＭと比較可能な参照データセットＲＳＭを複数有する。参照データセットＲＳＭは、学習セットＳＭの学習データＬＭと同種のデータである参照データＲＭと、参照データＲＭに関連付けられたラベルとしての参照ラベルとを有する。参照ラベルは、図３の学習セットＳＭに関連付けられたラベルと同様に良品を示すラベル０と不良品を示すラベル１である。参照データＲＭは、例えば、中処理要素においてＮＮ出力データのデータ量を低減するために用いられるデータである。例えば、上述のごとく、中処理要素において、対象データのＮＮ出力データと、参照データのＮＮ出力データとを比較してＮＮ出力データからデータ量が低減されたマンハッタン距離が出力される。これにより、生成装置２０は、参照データＲＭを用いてＮＮ出力データのデータ量を低減できるので、データ処理シーケンスＳｑによるデータ処理の効率を向上できる。なお、参照ラベルは、学習セットＳＭの学習データＬＭと比較する対象となる参照データＲＭを識別するために用いられている。つまり、ラベル０が付された学習データＬＭの比較対象としては、ラベル０が付された参照データＲＭが用いられる。なお、目標データＴＭがラベル以外、例えば目標画像やスカラー量である場合には、参照データセットＲＳＭは、参照ラベルに代えて比較対象となる学習セットＳＭを特定するための関連情報を有していてもよい。例えば、図３に示す学習セットＳＭに識別子が付されている場合には、関連情報は、学習セットＳＭの識別子を示す情報である。
【0046】
参照データＲＭは、上述の学習データＬＭと同様に、次元数を「３」に変換する次元数変換処理が実行されたデータである。
【0047】
図２に示す個体群８４は、個体生成部３２によって生成された１つの世代における複数の個体ＩＶの集合である。図８は、一つの世代Ｇの個体群８４を説明するための図である。本実施形態では、１つの世代Ｇで５つの個体ＩＶ１～ＩＶ５が生成される例を説明する。各個体ＩＶ１～ＩＶ５は、遺伝子を配置する複数の遺伝子座が一次元的に配列されている。各個体ＩＶ１～ＩＶ５の遺伝子長は同じであり、各個体ＩＶ１～ＩＶ５はＮｏ．１～Ｎｏ．１０の遺伝子座に遺伝子を順に配列することで構成されている。個体生成部３２は、各遺伝子座に、０から１までの小数点第３位までの数値で表された遺伝子を配置する。つまり、本実施形態では、各遺伝子座で遺伝子が取りうる数値ＶＧは、０以上１以下の小数点第３位までの数値である。
【0048】
図９は、接続条件テーブル８８を元に生成される遺伝子の出現範囲を説明するためのテーブル８２Ｔを示す図である。出現範囲は、遺伝子翻訳部３４が接続条件テーブル８８と後述する選択アルゴリズムとを用いることで決定される。
【0049】
テーブル８２Ｔは、入力側シーケンス要素の種別を示す入力側要素種別ごとに、出現範囲が規定されている。入力側要素種別は、シーケンス要素群８０の各データ処理要素や、データ入力要素の種別を表す。図９では、データ入力要素の入力側要素種別が「ｉｎ」で表され、データ処理要素の入力側要素種別が「ＦｔＭ」～「ＦｔＱ」で表されている。なお、理解の容易のために、出力側シーケンス要素の要素種別に関わらずテーブル８２Ｔに記載した出現範囲が用いられる。入力数は、データ処理要素やデータ入力要素の入力側に接続されるシーケンス要素の数を示す。入力数が「２」である場合には、２つのシーケンス要素から出力されたデータが、データ処理要素に入力される。出力数は、データ処理要素の出力側に接続されるシーケンス要素の数を示す。本実施形態では、出力数は全て「１」であり、データ処理要素やデータ入力要素は、一つの出力側のシーケンス要素に接続される。
【0050】
テーブル８２Ｔの出現範囲は、遺伝子の数値ＶＧの範囲を規定する。テーブル８２Ｔでは、各シーケンス要素が均等な確率でランダムにデータ処理シーケンスＳｑ中に出現するように、０～１の数値を６等分して出現範囲が設定されている。例えば、遺伝子の数値ＶＧが０以上０．１６７未満の値である場合には、この遺伝子にはデータ処理要素ＦｔＭが割り当てられる。
【0051】
図２のさらなる説明を行う前に、図１０を用いて、遺伝子翻訳部３４によるデータ処理シーケンスＳｑの生成処理を説明する。図１０は、遺伝子翻訳部３４によって生成された木構造のデータ処理シーケンスＳｑを示す図である。図１０に示すデータ処理シーケンスＳｑは、図８に示す個体ＩＶ１と、接続条件テーブル８８と、接続条件テーブル８８を用いて生成されるテーブル８２Ｔに示す出現範囲と、を用いて生成されたデータ処理シーケンスＳｑ１である。なお、接続条件テーブル８８には、後述のごとくテーブル８２Ｔと同様に入力数と出力数が規定されている。
【0052】
遺伝子翻訳部３４は、個体ＩＶと、テーブル８２Ｔと、シーケンス要素群８０とを用いて、データ出力要素ｏｕｔ側から入力側へと向かう順に木構造のデータ処理シーケンスＳｑを生成する。図１０に示すように、まず遺伝子翻訳部３４は、データ出力要素ｏｕｔを出力側の端部である終端ノードに設定し、個体ＩＶの遺伝子の配列順に入力側へとシーケンス要素を接続することでデータ処理シーケンスＳｑを生成する。シーケンス要素の接続は、予め定めた接続ルールに従い実行される。本実施形態では、遺伝子の配列順に、終端ノード側から優先して配置すると共に、図１０に示す左側の接続先を右側の接続先よりも優先して配置するという深さ優先のルールに従って、データ処理シーケンスＳｑが生成される。つまり、遺伝子の配列順に、データ出力要素ｏｕｔ側からデータ処理要素またはデータ入力要素ｉｎを配置すると共に、入力側が複数に分かれている場合には、左側のシーケンスがデータ入力要素ｉｎとなるまで、左側を優先させる。
【0053】
遺伝子翻訳部３４は、個体ＶＩ１のＮｏ．１の遺伝子の数値ＶＧである「０．５３４」と、テーブル８２Ｔとを参照して、「０．５３４」がデータ処理要素ＦｔＰの出現範囲内にあることを特定する。これにより、データ出力要素ｏｕｔの入力側に、データ処理要素ＦｔＰを接続する。次に、遺伝子翻訳部３４は、テーブル８２Ｔ、詳細には接続条件テーブル８８を参照してデータ処理要素ＦｔＰの入力数が「２」であることを特定することで、データ処理要素ＦｔＰの入力側に２つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、個体ＶＩ１のＮｏ．２の遺伝子に対応するシーケンス要素を図１０に示す左側の入力側接続先に配置する。つまり、遺伝子翻訳部３４は、Ｎｏ．２の遺伝子の数値ＶＧである「０．２９２」と、テーブル８２Ｔとを参照して、「０．２９２」がデータ処理要素ＦｔＮの出現範囲内であることを特定する。これにより、データ処理要素ＦｔＰの左側の入力側接続先にデータ処理要素ＦｔＮを配置する。
【0054】
次いで、遺伝子翻訳部３４は、Ｎｏ．２の遺伝子が表すデータ処理要素ＦｔＮと、テーブル８２Ｔ、詳細には接続条件テーブル８８とを参照して、データ処理要素ＦｔＮの入力数が「１」であることを特定することで、データ処理要素ＦｔＮの入力側に１つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、Ｎｏ．３の遺伝子の数値ＶＧである「０．４６２」と、テーブル８２Ｔとを参照して、「０．４６２」がデータ処理要素ＦｔＯの出現範囲内であることを特定する。これにより、Ｎｏ．２の遺伝子が示すデータ処理要素ＦｔＮの入力側接続先にデータ処理要素ＦｔＯを配置する。
【0055】
次に、遺伝子翻訳部３４は、Ｎｏ．３の遺伝子が表すデータ処理要素ＦｔＯと、テーブル８２Ｔ、詳細には接続条件テーブル８８とを参照して、データ処理要素ＦｔＯの入力数が「１」であることを特定することで、データ処理要素ＦｔＯの入力側に１つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、Ｎｏ．４の遺伝子の数値ＶＧである「０．８５６」と、テーブル８２Ｔとを参照して、「０．８５６」がデータ入力要素ｉｎの出現範囲内であることを特定する。これにより、Ｎｏ．３の遺伝子が示すデータ処理要素ＦｔＯの入力側接続先にデータ入力要素ｉｎを配置する。これにより、図１０のデータ処理シーケンスＳｑの左側のシーケンスの生成は終了する。
【0056】
ついで、遺伝子翻訳部３４は、個体ＶＩ１のＮｏ．５の遺伝子に対応するシーケンス要素を図１０に示す右側の入力側接続先に配置する。つまり、遺伝子翻訳部３４は、Ｎｏ．５の遺伝子の数値ＶＧである「０．１３８」と、テーブル８２Ｔとを参照して、「０．１３８」がデータ処理要素ＦｔＭの出現範囲内であることを特定する。これにより、データ処理要素ＦｔＰの右側の入力側接続先にデータ処理要素ＦｔＭを配置する。
【0057】
また、遺伝子翻訳部３４は、Ｎｏ．５の遺伝子が表すデータ処理要素ＦｔＭと、テーブル８２Ｔ、詳細には接続条件テーブル８８とを参照して、データ処理要素ＦｔＭの入力数が「１」であることを特定することで、データ処理要素ＦｔＭの入力側に１つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、Ｎｏ．６の遺伝子の数値ＶＧである「０．９３２」と、テーブル８２Ｔとを参照して、「０．９３２」がデータ入力要素ｉｎの出現範囲内であることを特定する。これにより、Ｎｏ．５の遺伝子が示すデータ処理要素ＦｔＭの入力側接続先にデータ入力要素ｉｎを配置する。これにより、図１０に示すデータ処理シーケンスＳｑの右側のシーケンスの生成は終了する。
【0058】
遺伝子翻訳部３４は、入力側シーケンス要素が全てデータ入力要素ｉｎになった場合には、個体ＩＶ１の全ての遺伝子を用いていない場合であっても、データ処理シーケンスＳｑの生成処理を終了する。なお、遺伝子翻訳部３４は、個体ＩＶ１の全ての遺伝子を用いた場合において、入力側シーケンス要素が全てデータ入力要素ｉｎになっていない場合には、残りの未接続の入力側シーケンス要素にデータ処理要素ｉｎを設定することで、データ処理シーケンスＳｑの生成処理を終了する。
【0059】
個体ＶＩ１と接続条件テーブル８８と接続条件テーブル８８を用いて算出した出現範囲とを用いて生成されたデータ処理シーケンスＳｑ１は、２つのデータ入力要素ｉｎを有する。一方のデータ入力要素ｉｎに入力された入力データは、データ処理要素ＦｔＯによってデータ処理された後に、次いでデータ処理要素ＦｔＮによってデータ処理され、第１処理データが生成される。他方のデータ入力要素ｉｎに入力された入力データは、データ処理要素ＦｔＭによってデータ処理されて第２処理データが生成される。第１処理データと第２処理データとは、データ処理要素ＦｔＰによってデータ処理されて、データ出力要素ｏｕｔによってデータ処理後の１つの出力データＰＭが出力される。
【0060】
図１１は、図２に示す接続条件テーブル８８の詳細を示す図である。接続条件テーブル８８は、接続条件生成部５５によって生成されるテーブルである。接続条件テーブル８８は、接続された入力側と出力側の一対のシーケンス要素である要素セットごとに、接続参考値ＲＶとしての「１」と、非出現データとしての「－１」とのいずれかが関連付けられている。接続参考値ＲＶは、データ処理シーケンスＳｑの構成要素として出現する出現確率を示す。非出現データは、データ処理シーケンスＳｑの構成要素として出現させないことを示す。なお、接続参考値ＲＶは、要素セットごとに異なる値に設定されてもよい。
【0061】
接続条件テーブル８８は、入力側に配置される候補となる入力側シーケンス要素の要素種別と、入力側シーケンス要素によって実行されるデータ処理の処理種別と、出力側シーケンス要素の要素種別と、出力側シーケンス要素によって実行されるデータ処理の処理種別と、接続参考値ＲＶとしての「１」と非出現データである「－１」とが規定されている。
【0062】
入力側シーケンス要素は、データ処理要素ＦｔＡ～ＦｔＫとデータ入力要素ｉｎである。出力側シーケンス要素は、データ処理要素ＦｔＡ～ＦｔＫとデータ出力要素ｏｕｔである。つまり、接続条件テーブル８８には、接続候補となる入力側と出力側の一対のシーケンス要素である要素セットが複数規定されている。入力数は、入力側シーケンス要素の入力側に接続されるシーケンス要素の数を示す。出力数は、入力側シーケンス要素の出力側に接続されるシーケンス要素の数を示す。入力側シーケンス要素および出力側シーケンス要素において括弧書きで示した数値０～１１は、各要素の識別子である。接続条件テーブル８８には、複数の要素セットのうち、接続を禁止する特定要素セットに対しては、上述のごとくデータ処理シーケンスＳｑの構成要素として出現させないことを示す非出現データとしての「－１」が関連付けられている。また接続条件テーブル８８には、非出現データが関連付けられた特定要素セット以外の要素セットに対しては、上述のごとく接続参考値ＲＶである「１」が関連付けられている。
【0063】
図１２は、生成装置２０が実行する処理を示すフローチャートを示す図である。図１２に示す処理は、ステップＳ１０の生成条件の生成処理と、ステップＳ３０の特定データ処理シーケンスＤＳｑの生成処理と、ステップＳ５０の特定データ処理シーケンスＤＳｑの利用処理と、を含む。
【0064】
図１３は、生成条件の生成処理の詳細フローチャートを示す図である。記憶装置７０は、ステップＳ１０１において、複数の学習セットＳＭから構成される学習データ群７４を記憶する。ステップＳ１０１は、ユーザーが、複数の学習セットＳＭを生成装置２０に入力することで実行される。この場合、生成装置２０は、入力された複数の学習セットＳＭの学習データＬＭの次元数が「３」より小さい場合には、次元数を「３」に変換する次元数変換処理を実行してもよい。また、次元数変換処理は、ステップＳ１０１において実行されなくてもよく、上述のステップＳ３０において実行されてもよい。
【0065】
次に、プロセッサー２５は、ステップＳ１０３において、参照データセットＲＳＭが存在しているか否かを判定する。参照データセットＲＳＭが存在するか否かのステップＳ１０３の判定は、プロセッサー２５がセンサー装置２００などの外部装置の予め定められた保存領域にデータが記憶されているか否かで判定してもよい。またステップＳ１０３の判定は、例えば、プロセッサー２５が表示部１６０に確認情報を表示することで行ってもよい。確認情報は、ユーザーに対して参照データセットＲＳＭが存在するか確認するメッセージ情報である。また、確認情報は、ユーザーに対して参照データセットＲＳＭを記憶装置７０に記憶させることを促す情報を含んでいてもよい。
【0066】
プロセッサー２５は、ステップＳ１０３において「Ｙｅｓ」の判定を行った第１の場合には、次のステップＳ１０４を実行する。一方で、プロセッサー２５は、ステップＳ１０３において「Ｎｏ」の判定を行った第２の場合には、表示部１６０に参照データセットＲＳＭの入力を促す情報を表示してステップＳ１０３を再び実行してもよい。なお、他の実施形態では、プロセッサー２５は、第２の場合にはステップＳ１０４をスキップして次のステップＳ１０５を実行してもよい。またプロセッサー２５は、第２の場合において、ステップＳ３０の処理において参照データセットＲＳＭが必須であることを示す情報が記憶装置７０に記憶されている場合には、表示部１６０にエラー表示を表示してステップＳ１０の処理を終了してもよい。また、プロセッサー２５は、ステップＳ１０４をスキップした場合、学習セットＳＭを参照データセットＲＳＭとして用いてもよい。
【0067】
プロセッサー２５は、ステップＳ１０３で「Ｙｅｓ」の判定が成された第１の場合において、ステップＳ１０４において参照データセットＲＳＭの入力を受け付ける。受け付けた参照データセットＲＳＭは記憶装置７０に記憶される。なお、参照データセットＲＳＭの参照データＲＭが、学習データＬＭとデータの種類が異なり比較評価ができない場合には、プロセッサー２５は、エラーを示す情報を表示部１６０に表示させてステップＳ１０の処理を終了してもよい。また、ステップＳ１０４において、プロセッサー２５は、ステップＳ１０１で記憶された学習データ群７４の少なくとも一部の学習セットＳＭを参照データセットＲＳＭとして記憶装置７０に記憶させてもよい。また、プロセッサー２５は、ステップＳ１０４において、参照データＲＭの次元数が学習データＬＭの次元数と異なる場合には、次元数を統一することを促す情報を表示部１６０に表示させてもよいし、参照データＲＭに対して次元数変換処理を行ってもよい。
【0068】
次にステップＳ１０５において、プロセッサー２５は、データ処理シーケンスＳｑを生成する生成条件についてユーザーの指定があるか否かを判定する。生成条件についてのユーザーの指定は、表示部１６０に表示された生成条件入力画面に対して入力部１５０を介して指定内容をユーザーが入力することで行われる。この生成条件についてのユーザーの指定は、ステップＳ１０５よりも前、または、ステップＳ１０５において実行される。
【0069】
図１４は、生成条件入力画面ＳＩＭを示す図である。ユーザーは、図１４に示す生成条件入力画面ＳＩＭを用いて生成条件を生成装置２０に入力する。生成条件入力画面ＳＩＭは、手動生成選択枝Ｂ１と、自動生成選択枝Ｂ２とを有する。また生成条件入力画面ＳＩＭは、データ種別選択フィールドｆ０と、前処理選択フィールドｆ１と、ＮＮ処理選択フィールドｆ２と、中処理選択フィールドｆ３と、後処理選択フィールドｆ４と、手動生成フィールドｆ５とを有する。データ種別選択フィールドｆ０は、データ処理シーケンスＳｑによってデータ処理を行う対象データの種別と目標データＴＭの種別の組み合わせを選択するフィールドである。対象データの種別および目標データＴＭの種別は、図６Ａに示す対象データ種別および目標データＴＭの種別が挙げられる。またデータ種別選択フィールドｆ０では、データ種別として「その他の種別」も選択可能である。データ処理選択フィールドｆ０は、例えばプルダウンによってデータ種別の選択を受け付ける。
【0070】
前処理選択フィールドｆ１は、データ処理シーケンスＳｑのシーケンス要素の候補となる候補データ処理要素としての前処理要素を選択するフィールドである。ＮＮ処理選択フィールドｆ２は、データ処理シーケンスＳｑのシーケンス要素の候補となる候補データ処理要素としてのＮＮ処理要素を選択するフィールドである。中処理選択フィールドｆ３は、データ処理シーケンスＳｑのシーケンス要素の候補となる候補データ処理要素としての中処理要素を選択するフィールドである。後処理選択フィールドｆ４は、データ処理シーケンスＳｑのシーケンス要素の候補となる候補データ処理要素としての後処理要素を選択するフィールドである。
【0071】
プロセッサー２５は、データ種別選択フィールドｆ０によって選択されたデータ種別に応じてた選択フィールドｆ１～ｆ４の少なくとも一つのフィールドを表示する。具体的には、プロセッサー２５は、選択されたデータ種別と図６Ｂに示す第２処理候補テーブル８１Ｂとを参照し、選択されたデータ種別に関連付けられたデータ処理種別に応じた選択フィールドｆ１～ｆ４を表示させる。例えば、選択されたデータ種別が「一次元の離散値・連続値／０次元の離散値」である場合、すなわちタスクジャンルがＮｏ．１の場合には、処理候補テーブル８１のデータ処理種別には「前処理」、「ＮＮ処理」、「中処理」、「後処理」が規定されている。この場合、プロセッサー２５は、前処理選択フィールドｆ１、ＮＮ処理選択フィールドｆ２、中処理選択フィールドｆ３、後処理選択フィールドｆ４を表示部１６０に表示させる。各フィールドｆ１～ｆ４に表示されるデータ処理要素の名称は、第２処理候補テーブル８１Ｂのデータ処理の種別が規定するデータ処理要素である。なお、後処理要素において、判別結果を出力する後処理要素と、スカラー量を出力する後処理要素とがある場合には、フィールドｆ５には、対象データおよび目標データＴＭの「次元」と「値の特性」に応じて、データ処理として用いられる候補となる後処理要素のみを表示する。また、プロセッサー２５は、図６に示すタスクジャンルＮｏ．１に関連付けられた非出現種別を参照して、非出現種別に応じたデータ処理要素については選択フィールドｆ１～ｆ４には表示しない。
【0072】
ユーザーによって選択フィールドｆ１～ｆ４に表示されたデータ処理要素が選択された後に、自動生成選択枝Ｂ２が選択された場合には、選択されたデータ処理要素は、選択されたことを示す情報と関連付けて記憶装置７０の一領域である一次記憶領域に記憶される。
【0073】
一方で、手動生成選択枝Ｂ１が選択された場合には、ユーザーは、フィールドｆ５においてデータ処理シーケンスＳｑのシーケンス要素を入力することで、データ処理シーケンスＳｑを生成する。ユーザーはデータ処理シーケンスＳｑを生成した後に、再び手動生成選択枝Ｂ１を選択することで、生成したデータ処理シーケンスＳｑが記憶装置７０に記憶される。
【0074】
なお、生成条件の指定の内容は上記に限定されるものではない。例えば、指定の内容としては、データ処理シーケンスＳｑの生成に関する条件であればよく、要素セットの接続参考値ＲＶの値や、個体ＩＶの遺伝子長や、１世代で生成する個体ＩＶの数や、次世代の個体を生成する際の個体ＩＶの複製や交叉や突然変異の条件を含んでいてもよい。
【0075】
上記のように、生成条件入力画面ＳＩＭを用いて生成条件を受け付ける工程は、フィールドｆ１～ｆ４で示すように、データ処理シーケンスＳｑを構成するシーケンス要素の候補となるデータ処理要素としての候補データ処理要素の入力を受け付ける工程を含む。
【0076】
図１３に示すように、ステップＳ１０５において「Ｎｏ」の判定が成された場合には、プロセッサー２５は、ステップＳ１０８を実行する。一方で、ステップＳ１０５において「Ｙｅｓ」の判定が成された場合には、プロセッサー２５は、ステップＳ１０６において、指定された生成条件を反映する処理を実行する。具体的には、プロセッサー２５は、一次記憶領域に記憶された指定された生成条件を用いてデータ処理シーケンスＳｑを生成した場合に、不具合が発生するか否かを判定する。プロセッサー２５は、不具合が発生しないと判定した場合には、記憶装置７０における所定記憶領域に指定された生成条件を記憶させることで生成条件を反映する。不具合とは、例えば、指定された生成条件において、遺伝子長が極端に長い場合や、ＮＮ処理要素が選択される場合に中処理要素が選択されていない場合など、特定データ処理シーケンスＤＳｑを特定するための処理効率が極端に低下する場合である。
【0077】
プロセッサー２５は、ステップＳ１０８において、記憶装置７０の所定記憶領域に記憶された生成条件をもとに、データ処理シーケンスＳｑのシーケンス要素の候補となるデータ処理要素の修正を行う。具体的には、例えば、図６に示す処理候補テーブル８１において、処理対象となる対象データに関連付けられたデータ処理要素のうちから、生成条件によって指定されたデータ処理要素を抽出して、抽出したデータ処理要素を候補データ処理要素として記憶装置７０の所定記憶領域に生成条件の一部として記憶させる。
【0078】
図１３に示すように、ステップＳ１１１において、プロセッサー２５は、生成条件を決定する処理を実行する。具体的には、プロセッサー２５は、記憶装置７０の所定記憶領域に記憶された生成条件を図１１に示すステップＳ３０において用いることを決定する。また、ステップＳ１１１の生成条件を決定する処理において、プロセッサー２５の接続条件生成部５５は、生成条件として所定記憶領域に記憶された抽出されたデータ処理要素を用いて接続条件テーブル８８を生成する。この接続条件テーブル８８を生成するステップＳ１１１は、生成条件入力画面ＳＩＭを介して受け付けた候補データ処理要素によって行われるデータ処理の種別に応じて、データ処理シーケンスを構成するシーケンス要素の接続に関する接続条件を生成する工程である。接続条件の生成の一つは、図１１に示す接続条件テーブルを生成することで行われる。以下に接続条件テーブルの生成方法について説明する。
【0079】
ステップＳ１１１において、接続条件テーブル８８の生成は以下の接続アルゴリズムに従って実行される。
＜接続アルゴリズム＞
・第１接続アルゴリズム：
候補データ処理要素が、ＮＮ処理要素と中処理要素とを含む場合には、ＮＮ処理の次に中処理が実行されるように、ＮＮ処理要素と中処理要素とを接続する。
・第２接続アルゴリズム：
候補データ処理要素が、後処理要素を含む場合には、後処理の次にデータ出力要素ｏｕｔでデータ処理後のデータが出力されるように、後処理要素とデータ出力要素ｏｕｔとを接続する。
・第３接続アルゴリズム：
候補データ処理要素が、前処理要素とＮＮ処理要素と中処理要素と後処理要素とを含む場合には、データ入力要素ｉｎからデータ出力要素に向かう順に、前処理、ＮＮ処理、中処理、後処理が実行されるように、データ入力要素ｉｎと前処理要素とＮＮ処理要素と中処理要素と後処理要素とデータ出力要素ｏｕｔとを接続する。
＜接続アルゴリズム＞
・第１接続アルゴリズム：
候補データ処理要素が、ＮＮ処理要素と中処理要素とを含む場合には、ＮＮ処理の次に中処理が実行されるように、ＮＮ処理要素と中処理要素とを接続する。
・第２接続アルゴリズム：
候補データ処理要素が、後処理要素を含む場合には、後処理の次にデータ出力要素ｏｕｔでデータ処理後のデータが出力されるように、後処理要素とデータ出力要素ｏｕｔとを接続する。
・第３接続アルゴリズム：
候補データ処理要素が、前処理要素とＮＮ処理要素と中処理要素と後処理要素とを含む場合には、データ入力要素ｉｎからデータ出力要素に向かう順に、前処理、ＮＮ処理、中処理、後処理が実行されるように、データ入力要素ｉｎと前処理要素とＮＮ処理要素と中処理要素と後処理要素とデータ出力要素ｏｕｔとを接続する。
【0080】
なお、各処理は複数のデータ処理要素を組み合わせて実行されてもよく、本実施形態では、前処理は１つまたは複数のデータ処理要素の組み合わせによって実行される。
【0081】
また、第３接続アルゴリズムは第１接続アルゴリズムおよび第２接続アルゴリズムを包含しているため、第３接続アルゴリズムが実行される場合には第１接続アルゴリズムおよび第２接続アルゴリズムの実行を省略してもよい。
【0082】
第１接続アルゴリズムが実行された場合、接続条件生成部５５は、入力側がＮＮ処理要素ＦｔＤ～ＦｔＦであり、出力側が中処理要素ＦｔＧ，ＦｔＩである要素セットである出現要素セットに対しては接続参考値ＲＶを関連付ける。また、第１接続アルゴリズムが実行された場合、接続条件生成部５５は、入力側がＮＮ処理要素ＦｔＤ～ＦｔＦであり、出力側が中処理要素ＦｔＧ，ＦｔＨとは異なるシーケンス要素である要素セットに対しては非出現データを関連付ける。これにより、接続条件生成部５５は、第１接続アルゴリズムを用いた接続条件テーブル８８を生成する。
【0083】
上記の接続アルゴリズムを用いて接続条件生成部５５が生成する接続条件テーブル８８の具体例について説明する。この具体例では、図１４に示すように、データ種別選択フィールドｆ０においてタスクジャンルＮｏ．１に対応する「一次元の離散値・連続値／０次元の離散値」が選択され、選択フィールドｆ１～ｆ４においてデータ処理要素ＦｔＡ，ＦｔＢ，ＦｔＣ，ＦｔＤ，ＦｔＥ，ＦｔＦ，ＦｔＧ，ＦｔＨ，ＦｔＩ，ＦｔＪ，ＦｔＫが選択されている。この場合において、プロセッサー２５は、生成条件入力画面ＳＩＭの入力指示内容および図６Ｂに示す第２処理候補テーブル８１Ｂを参照して、候補処理データ処理要素としてデータ処理要素ＦｔＡ，ＦｔＢ，ＦｔＣ，ＦｔＤ，ＦｔＥ，ＦｔＦ，ＦｔＧ，ＦｔＨ，ＦｔＩ，ＦｔＪ，ＦｔＫを抽出する。
【0084】
次に、接続条件生成部５５は、図１１に示すように、データ入力要素ｉｎおよび候補処理データ処理要素としてデータ処理要素ＦｔＡ～ＦｔＫを入力側シーケンス要素、データ出力要素ｏｕｔおよび候補処理データ処理要素としてデータ処理要素ＦｔＡ～ＦｔＫを出力側シーケンス要素とする全ての組み合わせの要素セットに対して、接続参考値ＲＶと非出現データとのいずれかを関連付ける。接続条件生成部５５は、接続条件を規定した上述の接続アルゴリズムに従って要素セットに対して、接続参考値ＲＶと非出現データとのいずれかを関連付ける。
【0085】
接続アルゴリズムの第３接続アルゴリズムでは、データ入力要素ｉｎからデータ出力要素ｏｕｔに向かう順に、前処理、ＮＮ処理、中処理、後処理が実行されるように、データ入力要素ｉｎと前処理要素とＮＮ処理要素と中処理要素と後処理要素とデータ出力要素ｏｕｔとを接続する。よって、接続条件生成部５５は、第３接続アルゴリズムに従って、接続順となる要素セットに対しては接続参考値である「１」を関連付け、接続順とは異なる接続順になる要素セットに対して非出現データである「－１」を関連付ける。例えば、図１１に示すように、データ入力要素ｉｎの出力側は前処理要素が接続されるように、入力側シーケンス要素がデータ入力要素ｉｎであり、出力側シーケンス要素がＮＮ処理、中処理、後処理を実行するデータ処理要素ＦｔＤ～ＦｔＫおよびデータ出力要素ｏｕｔである要素セットについては、非出現データである「－１」を関連付ける。また例えば、接続条件生成部５５は、前処理の次にはＮＮ処理が実行されるように、入力側シーケンス要素が前処理を実行するデータ処理要素ＦｔＡ～ＦｔＣであり、出力側シーケンス要素が中処理や後処理を実行するデータ処理要素ＦｔＧ～ＦｔＫ、データ出力要素ｏｕｔである要素セットについては、図１１に示すように非出現データである「－１」を関連付ける。
【0086】
以上のように、図１３に示すステップＳ１１１は、接続候補となる入力側と出力側の一対のシーケンス要素である要素セットに対して、接続参考値ＲＶと非出現データとのいずれかを関連付けた接続条件テーブル８８を生成することで、接続条件を生成する工程を含む。
【0087】
図１５は、図１２のステップＳ３０の詳細フローチャートを示す図である。まず、ステップＳ３０６において、個体生成部３２は、現世代Ｇについての複数の個体ＩＶから構成される個体群８４を生成する。本実施形態では、図８に示すように５つの個体ＩＶ１～ＩＶ５から構成される個体群８４を生成する。
【0088】
次に、ステップＳ３０８において、遺伝子翻訳部３４は、各個体ＩＶ１～ＩＶ５のうちで一つを選択して、接続条件テーブル８８を参照することで選択した一つの個体ＩＶを翻訳してデータ処理シーケンスＳｑを生成する。ステップＳ３０８の詳細については後述する。
【0089】
次に、ステップＳ３５０において、データ処理部４０はステップＳ３０８で生成されたデータ処理シーケンスＳｑを用いて複数の学習データＬＭをデータ処理して複数の出力データＰＭを生成する。ここで、データ処理シーケンスＳｑが前処理を実行する前処理要素ＦｔＡ～ＦｔＣを有する場合であって、参照データセットＲＳＭが記憶装置７０に記憶されている場合には、ステップＳ３５０において、データ処理部４０は参照データＲＭについても前処理を実行する。
【0090】
また、ステップＳ３５０において、データ処理シーケンスＳｑがＮＮ処理を実行するＮＮ処理要素ＦｔＤ～ＦｔＦを有する場合であって、参照データセットＲＳＭが記憶装置７０に記憶されている場合には、データ処理部４０は参照データＲＭについてもＮＮ処理を実行して中間層Ｌ２ａ～Ｌ２ｄから出力される特徴量Ｆ１～Ｆ４を参照ＮＮ出力データとして出力する。なお、データ処理部４０は、ＮＮ処理要素ＦｔＤ～ＦｔＦの入力側に前処理要素ＦｔＡ～ＦｔＣが接続されている場合には、学習データＬＭと同様に、参照データＲＭは前処理要素ＦｔＡ～ＦｔＣによって前処理が実行され、前処理が実行された後の参照データＲＭに対してＮＮ処理が実行される。
【0091】
以上のように、ステップＳ３０８によって生成されたデータ処理シーケンスＳｑにおいて、ＮＮ処理要素ＦｔＤ～ＦｔＦと中処理要素ＦｔＧ，ＦｔＨが含まれる場合に、ステップＳ３５０においてデータ処理部４０は、中処理要素ＦｔＧ，ＦｔＨよりも入力側で実行されるデータ処理を、参照データＲＭに対して実行して処理後参照データを生成する。
【0092】
また、ステップＳ３５０において、データ処理シーケンスＳｑに中処理を実行する第１種中処理要素は、学習データ７４から生成された特徴量を示すＮＮ出力データと、参照データＲＭから生成された特徴量を示す処理後参照データとの類似度を示す変換後データを出力する。なお、学習データ７４と参照データＲＭとのそれぞれに分類ラベルが関連付けられている場合には、同じ分類ラベル同士の類似度が算出される。
【0093】
また、ステップＳ３５０において、データ処理シーケンスＳｑに後処理を実行する後処理要素ＦｔＪ～ＦｔＫが含まれている場合には、データ処理部４０は、後処理要素ＦｔＪ～ＦｔＫの前段である入力側から出力された後処理前データを後処理要素ＦｔＩ～ＦｔＫによって後処理を実行する。また、後処理要素ＦｔＩ～ＦｔＫがランダムフォレストを実行するデータ処理要素などであり、後処理が学習処理を含む場合には、後処理前データの生成元である学習データ７４に関連付けられた目標データＴＭと、後処理前データとを後処理要素ＦｔＩ～ＦｔＫに入力して学習を行う。データ処理部４０は、後処理要素ＦｔＩ～ＦｔＫの学習後に、後処理前データを後処理要素ＦｔＩ～ＦｔＫに入力して後処理要素ＦｔＩ～ＦｔＫから出力データＰＭを得る。なお、学習用のデータと、学習後に入力する評価用データとは、同じであっても異なっていてもよい。また、複数の学習データＬＭは、交差検証によって学習用のデータと評価用データとを分類されてもよい。
【0094】
上述のデータ処理部４０が実行するデータ処理シーケンスＳｑによるデータ処理において、ＮＮ処理要素ＦｔＤ～ＦｔＦが入力されたデータをそのまま出力するようなデータ処理要素である場合には、ＮＮ処理は省略されてもよい。また例えば、上述のデータ処理部４０が実行するデータ処理シーケンスＳｑによるデータ処理において、中処理要素ＦｔＧ，ＦｔＨが入力されたデータをそのまま出力するようなデータ処理要素である場合には、中処理は省略されてもよい。また例えば、上述のデータ処理部４０が実行するデータ処理シーケンスＳｑによるデータ処理において、後処理要素ＦｔＩ～ＦｔＫが入力されたデータをそのまま出力するようなデータ処理要素である場合には、後処理は省略されてもよい。
【0095】
次に、ステップＳ３５２において、特定部５０は、ステップＳ３５０によって生成された複数の出力データＰＭと、複数の出力データＰＭのそれぞれの生成元の学習データＬＭに関連付けられた目標データＴＭとを比較して、評価値ＥＶを複数算出することで処理結果を評価する。特定部５０は、複数の評価値ＥＶの平均値を、出力データＰＭと目標データＴＭとの類似度ＳＤを示す最終的な評価値ＥＶとして用いる。また、一つの世代Ｇの全個体ＩＶに対して行われるステップＳ３５６や特定終了条件を満たすまで繰り返し実行されるステップＳ３５６は、複数のデータ処理シーケンスＳｑのそれぞれに対応する複数の評価値ＥＶが示す複数の類似度ＳＤを用いて、特定終了条件を満たす特定データ処理シーケンスＤＳｑを特定する工程である。出力データＰＭと目標データＴＭとの類似度ＳＤを用いて特定終了条件に応じたデータ処理シーケンスＳｑを容易に特定できる。
【0096】
次に、ステップＳ３５４において、特定部５０は、一つの世代Ｇの個体ＩＶ全てにおいてステップＳ３０８～ステップＳ３５２の処理を実行したか否かを判定する。ステップＳ３５４で「Ｎｏ」の判定が成された場合には、プロセッサー２５は、一つの世代Ｇの個体ＩＶのうちでステップＳ３０８～ステップＳ３５２を実行していない個体ＩＶから一つを選択してステップＳ３０８～ステップＳ３５２の処理を再び実行する。つまり、データ処理部４０は、一つの世代Ｇを構成する複数の個体ＩＶに対応した複数のデータ処理シーケンスＳｑのそれぞれによって学習データＬＭをデータ処理して、複数のデータ処理シーケンスＳｑごとにデータ処理後の出力データＰＭを生成する。そして、特定部５０は、複数のデータ処理シーケンスＳｑごとに生成した複数の出力データＰＭと、対応する目標データＴＭとを比較して評価値ＥＶを算出する。
【0097】
一方で、ステップＳ３５４で「Ｙｅｓ」の判定が成された場合には、特定部５０は、ステップＳ３５６において、現世代における算出した複数の評価値ＥＶを用いて、予め定められた特定終了条件が満たされたか否かを判定する。
【0098】
特定終了条件は、例えば、以下の第１個別終了条件と第２個別終了条件と第３個別終了条件とを含む。特定部５０は、特徴終了条件に含まれる複数の条件である第１個別終了条件～第３個別終了条件の一つが満たされた場合に、特定終了条件が満たされたと判定する。
・第１個別終了条件：
現世代の複数の個体ＩＶを元に算出した複数の評価値ＥＶが示すそれぞれの類似度ＳＤのうちで、最も高い類似度ＳＤｍａｘが、予め定めた終了閾値以上であるという条件。
・第２個別終了条件：
特定終了条件が満たされず、ステップＳ３０６～ステップＳ３５６の処理が再び実行される回数が一定回数に到達したという条件。
・第３個別終了条件：
ステップＳ３０の処理開始から一定時間経過したという条件。
・第１個別終了条件：
現世代の複数の個体ＩＶを元に算出した複数の評価値ＥＶが示すそれぞれの類似度ＳＤのうちで、最も高い類似度ＳＤｍａｘが、予め定めた終了閾値以上であるという条件。
・第２個別終了条件：
特定終了条件が満たされず、ステップＳ３０６～ステップＳ３５６の処理が再び実行される回数が一定回数に到達したという条件。
・第３個別終了条件：
ステップＳ３０の処理開始から一定時間経過したという条件。
【0099】
特定終了条件が第１個別終了条件を含むことで、出力データＰＭと目標データＴＭとを比較して取得した評価値ＥＶを用いて特定データ処理シーケンスＤＳｑを容易に特定できる。また、特定終了条件が第２個別終了条件と第３個別終了条件とを含むことで、評価値ＥＶが示す類似度ＳＤｍａｘが終了閾値以上とならない場合でも、特定データ処理シーケンスＤＳｑを特定できる。これにより、特定データ処理シーケンスが特定されるまでの処理時間が長くなることを抑制できる。
【0100】
特定部５０は、第１個別終了条件～第３個別終了条件のいずれかを満たした場合は、ステップＳ３５８において、満たした個別終了条件に応じたデータ処理シーケンスＳｑを特定データ処理シーケンスＤＳｑとして特定する。特定された特定データ処理シーケンスＤＳｑは、記憶装置７０に記憶される。
【0101】
特定部５０は、ステップＳ３５６において、第１個別終了条件が満たされた場合には、最も高い類似度ＳＤｍａｘの算出元であるデータ処理シーケンスＳｑを特定データ処理シーケンスＤＳｑとして特定する。また特定部５０は、ステップ３５６において、第２個別終了条件と第３個別終了条件とのいずれかが満たされた場合には、第２個別終了条件と第３個別終了条件とのいずれかが満たされるまでに算出された類似度ＳＤの中で最も高い類似度ＳＤｍａｘを特定する。そして類似度ＳＤｍａｘが終了閾値以上であるか否かに関わらず、類似度ＳＤｍａｘの算出元であるデータ処理シーケンスＳｑを特定データ処理シーケンスＤＳｑとして特定する。
【0102】
一方で、特定終了条件を満たすまで、すなわち特定データ処理シーケンスＤＳｑが特定されない場合には、ステップＳ３０６～ステップＳ３５６のルーチンが繰り返し実行される。
【0103】
次ルーチンのステップＳ３０６では、個体生成部３２は、前回のルーチンにおけるステップＳ３０６およびＳ３０８によって生成された複数のデータ処理シーケンスＳｑと少なくとも一つのデータ処理シーケンスＳｑが異なる複数のデータ処理シーケンスＳｑを生成することでシーケンスセットを生成する再生成工程を実行する。詳細には、再生成工程において個体生成部３２は、評価値ＥＶを用いて、次世代の個体ＩＶに用いられる現世代の個体ＩＶを特定し、特定した個体ＩＶを複製することと、特定した個体ＩＶに対して交叉と突然変異との少なくとも１つを行うことで個体ＩＶを新たに生成することと、によって次のルーチンのシーケンスセットを生成する。
【0104】
本実施形態では、再生成工程において個体生成部３２は、前回のルーチンで生成した複数のデータ処理シーケンスＳｑのうちで評価値ＥＶが示す類似度ＳＤが低い１つ以上のデータ処理シーケンスＳｑである対象データ処理シーケンスＳｑを、シーケンス要素が異なる新たなデータ処理シーケンスＳｑに置き換えることで、シーケンスセットを生成する。個体生成部３２は、前回のルーチンで用いた親世代の複数の個体ＩＶのうちで、類似度ＳＤが下位Ｊ番目までの個体ＩＶについては、類似度ＳＤが下位Ｊ番目までに該当しない個体ＩＶを特定して、特定した個体ＩＶに対して交叉と突然変異との少なくとも一つを用いて、今回のルーチンにおける現世代の個体ＩＶを新たに生成する。なお、個体生成部３２は、親世代の複数の個体ＩＶのうちで、類似度ＳＤが下位Ｊ番目には該当しない個体ＩＶについては複製する。複製した個体ＩＶと交叉や突然変異を用いて新たに生成した個体ＩＶとによって新たなシーケンスセットが構成される。そして、新たなシーケンスセットを対象としてステップＳ３０８～ステップＳ３５６の処理が再び実行される。なお、他の実施形態では、親世代の複数の個体ＩＶのうちで、類似度ＳＤが予め定めた複製基準値以下の個体ＩＶについては、類似度ＳＤが複製基準値より大きい個体ＩＶをもとに交叉や突然変位を用いて新たな個体ＩＶを生成してもよい。以上のように、類似度ＳＤが低い１つ以上のデータ処理シーケンスＳｑを、類似度ＳＤが高いデータ処理シーケンスＳｑを元にシーケンス要素の組み合わせが異なる新たなデータ処理シーケンスを生成して置き換えることで、類似度ＳＤが低いデータ処理シーケンスＳｑについては、処理対象から外すことができる。これにより、より効率良く基準条件を満たすデータ処理シーケンスＳｑを特定できる。
【0105】
新たなシーケンスセットを対象としたステップＳ３０８～ステップＳ３５６の処理において、前回までのルーチンで用いたシーケンスセットを構成するデータ処理シーケンスＳｑと同じデータ処理シーケンスＳｑについては、前回までのルーチンで算出された評価値ＥＶが用いられる。これにより、評価値ＥＶを再度計算する必要がないので、特定データ処理シーケンス生成処理の処理効率を向上できる。
【0106】
以上のように、特定終了条件が満たされるまで繰り返し実行されるステップＳ３０８は、シーケンス要素に対応した遺伝子を複数配列した個体ＩＶを生成することで、シーケンス要素の組み合わせが異なる複数のデータ処理シーケンスＳｑを規定して、複数のデータ処理シーケンスＳｑをシーケンスセットとして生成する工程である。また、特定終了条件が満たされるまで繰り返し実行されるステップＳ３５０は、複数のデータ処理シーケンスＳｑのそれぞれによって対象データとしての学習データＬＭをデータ処理して、データ出力要素ｏｕｔに出力されたデータ処理後の出力データＰＭを取得する工程である。また、特定終了条件が満たされるまで繰り返し実行されるステップＳ３５２は、出力データＰＭと目標データＴＭとを比較して、複数のデータ処理シーケンスＳｑのそれぞれの評価値ＥＶを取得する工程である。
【0107】
図１６は、図１５に示すステップＳ３０８の詳細フローチャートを示す図である。まず、遺伝子翻訳部３４は、ステップＳ３１１において、現世代Ｇを構成する個体ＩＶ１～ＩＶ５のうちで、未処理の個体ＩＶを一つ選択する。また、ステップＳ３１４において、遺伝子翻訳部３４は、記憶装置７０に記憶された接続条件テーブル８８を読み出す。
【0108】
次に、ステップＳ３１６において、遺伝子翻訳部３４は、入力側シーケンス要素が接続されていない未接続の出力側シーケンス要素である接続先を一つ選択する。本実施形態では、データ出力要素ｏｕｔを終端ノードに設定し、データ出力要素ｏｕｔ側から順にシーケンス要素が接続される。よって、最初のルーチンにおけるステップＳ３１６では、遺伝子翻訳部３４は、接続先としてデータ出力要素ｏｕｔを選択する。なお、シーケンス要素の接続は、上述のごとく予め定めた接続ルールに従い実行される。上述のごとく、まず遺伝子翻訳部３４は、データ出力要素ｏｕｔを出力側の端部である終端ノードに設定し、個体ＩＶの遺伝子の配列順に入力側へとシーケンス要素を接続することでデータ処理シーケンスＳｑを生成する。また、遺伝子翻訳部３４は、上述のごとく、遺伝子の配列順に、終端ノード側から優先して配置すると共に、図１０に示す左側の接続先を右側の接続先よりも優先して配置するというルールである。
【0109】
ステップＳ３１６の次に、遺伝子翻訳部３４は、ステップＳ３１８において、接続先である出力側シーケンス要素に接続される入力側シーケンス要素を、接続条件テーブル８８を参照して選択する。具体的には、遺伝子翻訳部３４は、接続条件テーブル８８を用いて、出力側シーケンス要素に対して、接続参考値ＲＶが高い入力側シーケンス要素ほど、出力側シーケンス要素に接続される接続確率が高くなる確率関係を有するように、データ処理シーケンスＳｑを生成する。上記確率関係を有するデータ処理シーケンスＳｑは、以下の入力側シーケンス要素の選択アルゴリズムに従って入力側シーケンス要素が選択されることで生成される。なお、本実施形態では接続参考値ＲＶは全て「１」に設定されているので、接続参考値ＲＶが関連付けられた入力側シーケンス要素は均等な接続確率である。
【0110】
＜入力側シーケンス要素の選択アルゴリズム＞
選択アルゴルズムの前提条件は以下のとおりである。
・遺伝子の数値・・・ＶＧ（ＶＧは、０から１までの小数点第３位までの数値）
・出力側シーケンス要素識別子・・・ｊ
ここで、ｊは、０以上の整数で表され、出力側シーケンス要素ごとに異なる値が割り当てられている。本実施形態では、図１１に示すように、識別子ｊは、０～１１が割り当てられている。
・接続される入力側シーケンス要素識別子・・・ｉ
ここで、ｉは、０以上の整数で表され、０～Ｎｆまでの識別子によって表される。Ｎｆは、入力側シーケンス要素の候補となる数から１を引いた値であり、本実施形態では、図７に示すように、入力側シーケンス要素の数は図１１に示すように「１２」であるため、Ｎｆは１１であり、識別子ｉは、０～１１が割り当てられている。
・接続条件テーブル８８の要素セットに関連付けられた値・・・ｔｉｊ
ｔｉｊは、図１１に示す接続参考値ＲＶまたは非出現データである「－１」であり、添え字の「ｉｊ」は、要素セットを特定するための識別子であり、入力側シーケンス要素と出力側シーケンス要素の識別子に対応する。例えば、ｔ１２は、図１１において入力側シーケンス要素がデータ処理要素ＦｔＡ、出力側シーケンス要素がデータ処理要素ＦｔＢの要素セットの接続参考値である「１」を示す。
・接続参考値ＲＶが取り得る値・・・Ｈ
本実施形態では、接続参考値ＲＶは１であるので取り得る範囲は１である。
選択アルゴルズムの前提条件は以下のとおりである。
・遺伝子の数値・・・ＶＧ（ＶＧは、０から１までの小数点第３位までの数値）
・出力側シーケンス要素識別子・・・ｊ
ここで、ｊは、０以上の整数で表され、出力側シーケンス要素ごとに異なる値が割り当てられている。本実施形態では、図１１に示すように、識別子ｊは、０～１１が割り当てられている。
・接続される入力側シーケンス要素識別子・・・ｉ
ここで、ｉは、０以上の整数で表され、０～Ｎｆまでの識別子によって表される。Ｎｆは、入力側シーケンス要素の候補となる数から１を引いた値であり、本実施形態では、図７に示すように、入力側シーケンス要素の数は図１１に示すように「１２」であるため、Ｎｆは１１であり、識別子ｉは、０～１１が割り当てられている。
・接続条件テーブル８８の要素セットに関連付けられた値・・・ｔｉｊ
ｔｉｊは、図１１に示す接続参考値ＲＶまたは非出現データである「－１」であり、添え字の「ｉｊ」は、要素セットを特定するための識別子であり、入力側シーケンス要素と出力側シーケンス要素の識別子に対応する。例えば、ｔ１２は、図１１において入力側シーケンス要素がデータ処理要素ＦｔＡ、出力側シーケンス要素がデータ処理要素ＦｔＢの要素セットの接続参考値である「１」を示す。
・接続参考値ＲＶが取り得る値・・・Ｈ
本実施形態では、接続参考値ＲＶは１であるので取り得る範囲は１である。
【0111】
選択アルゴリズムにおいて、出力側シーケンス要素ｊの入力側に入力側シーケンス要素ｉが接続される確率Ｐｉｊは以下の式（１）によって算出される。
【数1】
【0112】
ここで、上記式（１）のＳｉｊは、以下の式（２）によって算出される。
上記式（２）から理解できるように、接続条件テーブル８８の値ｔｉｊが接続参考値ＲＶの取り得る値Ｈの範囲内、すなわち１であれば、値Ｓｉｊは値ｔｉｊと同じ値となる。一方、接続条件テーブル８８に非出現データである「－１」が関連付けられている場合には、値ｔｉｊは「－１」であり、値Ｈの範囲外となるため値Ｓｉｊは「０」となる。
【数2】
【0113】
上記式（１）および式（２）から理解できるように、接続条件テーブル８８の値ｔｉｊに非出現データが関連付けられている場合は、確率Ｐｉｊは「０」となることから、非出現データが関連付けられた要素セットは、データ処理シーケンスＳｑの構成要素として出現する確率はゼロである。
【0114】
また選択アルゴリズムにおいて、非出現データが関連付けられていない要素セットに対して、入力側シーケンス要素ｉが出力側シーケンス要素ｊに対して接続される遺伝子の数値範囲の上限閾値Ｔｉｊは以下の式（３）を用いて算出される。なお、下限閾値は、非出現データが関連付けられた要素セットを除く一つ前の識別子に応じた入力側シーケンス要素の上限閾値に設定される。一つ前の識別子が無い場合には、下限閾値は「０」に設定される。図１７は、図１１の接続条件テーブル８８を元に算出された上限閾値を規定したテーブル８８５を示す図である。このテーブル８８５は、記憶装置７０に記憶されてもよい。テーブル８８５において、各要素セットに対応する欄には、上限閾値または非出現データに応じたブランクが設定されている。
【数3】
【0115】
上記の選択アルゴリズムを用いて遺伝子の出現範囲を示す数値範囲を決定することで、同じ出力側シーケンス要素に対する接続候補である各入力側シーケンス要素の各接続参考値ＲＶの比が、出力側シーケンス要素に接続される接続確率の比となるように、データ処理シーケンスＳｑが生成される。決定された数値範囲は、出力側シーケンス要素ごとに、図９に示すテーブル８２Ｔとして記憶装置７０に記憶されてもよい。
【0116】
遺伝子翻訳部３４は、上記式（３）で算出された上限閾値を用いて、データ入力要素ｉｎおよび複数のデータ処理要素ＦｔＡ～ＦｔＫの入力側シーケンス要素のそれぞれに対して、異なる出現範囲としての数値範囲を設定する。そして、遺伝子の数値ＶＧが、設定した数値範囲内に対応したデータ入力要素ｉｎまたはデータ処理要素としてのデータ処理要素を入力側シーケンス要素として選択する。
【0117】
出現範囲としての数値範囲と、選択されるシーケンス要素の例を以下に示す。
＜識別子ｊの出力側シーケンス要素に対する入力側シーケンス要素の選択＞
０≦ＶＧ＜Ｔ０ｊのときは、識別子ｉが「０」の入力側シーケンス要素が選択される。
Ｔ０ｊ≦ＶＧ＜Ｔ１ｊのときは、識別子ｉが「１」の入力側シーケンス要素が選択される。
Ｔ１ｊ≦ＶＧ＜Ｔ２ｊのときは、識別子ｉが「２」の入力側シーケンス要素が選択される。
以下も同様であるので、最後に一例を示す。
Ｔ（Ｎｆ－１），ｊ≦ＶＧ≦ＴＮｆ，ｊのときは、識別子ｉがＮｆの入力側シーケンス要素が選択される。
＜識別子ｊの出力側シーケンス要素に対する入力側シーケンス要素の選択＞
０≦ＶＧ＜Ｔ０ｊのときは、識別子ｉが「０」の入力側シーケンス要素が選択される。
Ｔ０ｊ≦ＶＧ＜Ｔ１ｊのときは、識別子ｉが「１」の入力側シーケンス要素が選択される。
Ｔ１ｊ≦ＶＧ＜Ｔ２ｊのときは、識別子ｉが「２」の入力側シーケンス要素が選択される。
以下も同様であるので、最後に一例を示す。
Ｔ（Ｎｆ－１），ｊ≦ＶＧ≦ＴＮｆ，ｊのときは、識別子ｉがＮｆの入力側シーケンス要素が選択される。
【0118】
なお、数値範囲の不等号については、遺伝子の値ＶＧがいずれかの出現範囲に含まれている限り、等号の有無を変更してもよい。
【0119】
図１６に示すステップＳ３１８の次に、ステップＳ３２０において、遺伝子翻訳部３４は、データ処理シーケンスＳｑの生成が完了したか否かを判定する。具体的には、遺伝子翻訳部３４は、上流側のノードが全てデータ入力要素ｉｎとなり、未接続のノードが無い場合にはデータ処理シーケンスＳｑの生成が完了したと判定する。この場合、遺伝子翻訳部３４は、ステップＳ３２２において生成したデータ処理シーケンスＳｑをデータ処理部４０に出力する。一方で、遺伝子翻訳部３４は、データ処理シーケンスＳｑの生成が完了していないと判定した場合には、再びステップＳ３１６以降の処理を実行する。
【0120】
以上のように、図１５に示すステップＳ３０６と図１６に示すステップＳ３０８は、シーケンス要素の組み合わせが異なる複数のデータ処理シーケンスによって構成されるシーケンスセットを生成する工程である。また、図１５に示すステップＳ３０６と図１６に示すステップＳ３０８は、データ入力要素およびデータ処理要素のそれぞれに対応した複数の遺伝子を配列した個体と、接続条件テーブル８８とを少なくとも用いてシーケンスセットを生成する工程である。
【0121】
図１８は、図１２に示すステップＳ５０の詳細フローチャートを示す図である。ステップＳ５０の利用処理は、図１５に示す生成処理によって特定データ処理シーケンスＤＳｑが特定された後に実行される。まず記憶装置７０は、ステップＳ５００において、入力部１５０によって受け付けたシーケンス要素である複数のデータ処理要素をシーケンス要素群８０として記憶する。ステップＳ５００において記憶されるシーケンス要素群８０の複数のデータ処理要素は、特定データ処理シーケンスＤＳｑで用いられるデータ処理要素のみであってもよい。なお、利用処理と、図１５に示す生成処理とが同じ生成装置２０で実行される場合には、ステップＳ５００は省略でき、ステップＳ３００によって記憶装置７０に記憶されたシーケンス要素群８０を用いることができる。
【0122】
次に、ステップＳ５０１において、記憶装置７０は、図１５のステップＳ３５８で特定された特定データ処理シーケンスＤＳｑを記憶する。なお、利用処理と、図１５に示す生成処理とが同じ生成装置２０で実行される場合には、ステップＳ５００およびステップＳ５０１は省略でき、ステップＳ３００およびステップＳ３５８によって記憶装置７０に記憶されたシーケンス要素群８０および特定データ処理シーケンスＤＳｑを用いることができる。また、ステップＳ５００とステップＳ５０１の順番は上記に限定されるものではない。
【0123】
次に、ステップＳ５０３において、データ処理部４０は、入力部１５０を介して記憶装置７０に記憶されたデータであって特定データ処理シーケンスＤＳｑのデータ処理の対象となるデータを読み出すことで取得する。ステップＳ５０３によって取得される処理対象のデータは、例えば、学習データＬＭと同種の対象物を撮像したデータである。なお、データ処理部４０は、データ処理の対象となるデータが複数ある場合には、記憶装置７０に予め記憶された複数のデータのうちの一つを読み出すことでデータを取得してもよいし、後述するデータ処理を実行するタイミングで対象となるデータをセンサー装置２００からその都度取得してもよい。
【0124】
次に、データ処理部４０は、ステップＳ５０４において、ステップＳ５０３によって取得された画像に対して特定データ処理シーケンスＤＳｑを用いたデータ処理を実行する。つまり、処理対象のデータに対して、特定データ処理シーケンスＤＳｑが示す順番に従って、記憶装置７０のシーケンス要素群８０に記憶されたデータ処理要素を適用してデータ処理を実行する。
【0125】
次に、ステップＳ５０５において、特定データ処理シーケンスＤＳｑを用いたデータ処理後のデータである出力データＰＭが出力される。ステップＳ５０５は、例えば、出力データＰＭが記憶装置７０に記憶されることで実行されたり、表示部１６０に表示されたりすることで実行される。
【0126】
次に、データ処理部４０は、ステップＳ５０６において、特定データ処理シーケンスＤＳｑを用いたデータ処理を継続するかどうかを判定する。例えば、データ処理部４０は、ユーザーからデータ処理の継続を示す情報が入力された場合や、データ処理の対象となる未処理のデータが記憶装置７０にまだ残っている場合に、データ処理を継続すると判定する。データ処理を継続する場合には、再びステップＳ５０３以降の処理が実行される。一方で、データ処理部４０は、ユーザーからデータ処理の終了を示す情報が入力された場合や、データ処理の対象となる未処理のデータが記憶装置７０に残っていない場合には、利用処理を終了する。
【0127】
上記実施形態によれば、図６，図１３，図１４に示すように、生成装置２０は、データ処理の種別に応じてシーケンス要素の接続条件を生成できる。接続条件は、ＮＮ処理の次に中処理が実行されるようにＮＮ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦと中処理要素ＦｔＧ，ＦｔＨとを接続するという上述の第１接続アルゴリズムに従った条件を含んでいる。これにより、ＮＮ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦの出力側に中処理要素ＦｔＧ，ＦｔＨが接続されるように複数のデータ処理シーケンスＳｑを生成できるので、ＮＮ出力データに対して中処理を実行できる。一般にＮＮ出力データは、特徴量が膨大であったり、次元数にレイヤーが追加されるので次元数が入力されたデータに対して増加したりする。このようなＮＮ出力データに対して、出力側に接続されるシーケンス要素に適したデータへ変換する中処理要素ＦｔＧ，ＦｔＨを接続することで、データ処理シーケンスＳｑによるデータ処理について不具合の発生を低減できる。よって、特定データ処理シーケンスを特定する処理効率を向上できる。
【0128】
また上記実施形態によれば、接続条件が後処理の次にデータ出力要素でデータ処理後のデータが出力されるように後処理層ＦｔＩ，ＦｔＪ，ＦｔＫとデータ出力要素ｏｕｔとを接続するという上述の第２接続アルゴリズムに従った条件を含むので、対象データに関連付けられた目標データＴＭに応じたデータとなるように後処理要素ＦｔＩ，ＦｔＪ，ＦｔＫでデータ処理した後のデータをデータ出力要素ｏｕｔで出力データＰＭとして出力できる。これにより、出力データＰＭと目標データＴＭとの比較を容易に行うことができる。よって、出力データＰＭと目標データＴＭとの類似度ＳＤを用いた上述の第１個別終了条件が満たされたかどうかの判定を容易に行うことができる。
【0129】
また上記実施形態によれば、上述の第３接続アルゴリズムに従った接続条件によってデータ処理シーケンスＳｑが生成されることで、データ入力要素に入力された対象データが、前処理、ＮＮ処理、中処理、後処理の順でデータ処理された後にデータ出力要素で出力される。これにより、ＮＮ処理の処理効率を上げるために対象データに対して前処理を実行したり、ＮＮ出力データに対して後処理に適したデータとするために中処理でデータ処理したりできる。よって、複数のデータ処理シーケンスＳｑのそれぞれのデータ処理の処理効率を向上できるので、予め定めた特定終了条件に応じた特定データ処理シーケンスの特定を効率良く行うことができる。
【0130】
また上記実施形態によれば、図１１に示すように、要素セットに対して接続参考値ＲＶと非出現データである「－１」とのいずれかを関連付けた接続条件テーブル８８によって、データ処理に適さない入力側のデータ処理要素と出力側のデータ処理との組み合わせである要素セットが、データ処理シーケンスＳｑの構成要素として出現することを抑制できる。例えば、図１１に示すように、出力側シーケンス要素が中処理要素ＦｔＧ，ＦｔＨの要素セットにおいて、入力側シーケンス要素がＮＮ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦ以外のシーケンス要素は非出現データである「－１」が関連付けられている。これにより、ＮＮ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦの出力側には中処理要素ＦｔＧ，ＦｔＨを接続させることができる。よって、ＮＮ処理要素ＦｔＤ，ＦｔＥ，ＦｔＦのＮＮ出力データを中処理要素ＦｔＧ，ＦｔＨの出力側に接続されるシーケンス要素に適したデータ、例えば次元数を削減したデータに変換できる。
【0131】
また上記実施形態によれば、図１４に示すように、生成条件入力画面ＳＩＭを介してユーザーからデータ処理シーケンスＳｑに組み込む候補データ処理要素の選択を受け付けることで、図６の処理候補テーブル８１に加えてユーザーの指示に応じた候補データ処理要素を決定できる。これにより、ユーザーがデータ処理シーケンスＳｑの構成要素として組み込むことを希望するデータ処理要素を候補データ処理要素として、データ処理シーケンスＳｑを生成できる。
【0132】
Ｂ．他の実施形態：
Ｂ－１．他の実施形態１：
上記実施形態において記憶装置７０に記憶されていた各種データは、生成装置２０とは異なる装置、例えば補助記憶装置に記憶されていてもよい。
Ｂ－１．他の実施形態１：
上記実施形態において記憶装置７０に記憶されていた各種データは、生成装置２０とは異なる装置、例えば補助記憶装置に記憶されていてもよい。
【0133】
Ｂ－２．他の実施形態２：
上記実施形態によれば、図１３に示すステップＳ１０４において参照データセットＲＳＭの入力を受け付けていたが、参照データセットＲＳＭとして学習セットＳＭの少なくとも一部を用いる場合には、ステップＳ１０４が省略されてもよい。複数の参照データセットＲＳＭの少なくとも一部は学習セットＳＭであってもよい。
上記実施形態によれば、図１３に示すステップＳ１０４において参照データセットＲＳＭの入力を受け付けていたが、参照データセットＲＳＭとして学習セットＳＭの少なくとも一部を用いる場合には、ステップＳ１０４が省略されてもよい。複数の参照データセットＲＳＭの少なくとも一部は学習セットＳＭであってもよい。
【0134】
Ｂ－３．他の実施形態３：
上記実施形態では、一つの世代Ｇに属する複数の個体ＩＶが示す複数のデータ処理シーケンスＳｑの一つずつ順番に処理結果の評価を行っていたが、複数の生成装置２０を用いて複数のデータ処理シーケンスＳｑについて並列に処理結果の評価を行ってもよい。
上記実施形態では、一つの世代Ｇに属する複数の個体ＩＶが示す複数のデータ処理シーケンスＳｑの一つずつ順番に処理結果の評価を行っていたが、複数の生成装置２０を用いて複数のデータ処理シーケンスＳｑについて並列に処理結果の評価を行ってもよい。
【0135】
Ｂ－４．他の実施形態４：
上記実施形態では、データ処理シーケンスＳｑは、遺伝的アルゴリズムを用いて個体ＩＶを生成することによって生成していたがこれに限定されるものではない。例えば、複数のシーケンス要素を、ランダムに配置することで複数のデータ処理シーケンスＳｑを生成してもよい。
上記実施形態では、データ処理シーケンスＳｑは、遺伝的アルゴリズムを用いて個体ＩＶを生成することによって生成していたがこれに限定されるものではない。例えば、複数のシーケンス要素を、ランダムに配置することで複数のデータ処理シーケンスＳｑを生成してもよい。
【0136】
Ｂ－５．他の実施形態５：
上記実施形態において、図１６のステップＳ３１８において、遺伝子翻訳部３４は、接続条件テーブル８８と選択アルゴリズムを用いて上限閾値を算出して、入力側シーケンス要素を選択していたが、入力側シーケンス要素の選択方法はこれに限定されるものではない。例えば、遺伝子翻訳部３４は、図１３のステップＳ１１において接続条件テーブル８８を生成した後に、上述の選択アルゴリズムを用いて全ての要素セットに対する出現範囲を規定したテーブルを事前に生成して記憶装置７０に記憶させてもよい。
上記実施形態において、図１６のステップＳ３１８において、遺伝子翻訳部３４は、接続条件テーブル８８と選択アルゴリズムを用いて上限閾値を算出して、入力側シーケンス要素を選択していたが、入力側シーケンス要素の選択方法はこれに限定されるものではない。例えば、遺伝子翻訳部３４は、図１３のステップＳ１１において接続条件テーブル８８を生成した後に、上述の選択アルゴリズムを用いて全ての要素セットに対する出現範囲を規定したテーブルを事前に生成して記憶装置７０に記憶させてもよい。
【0137】
Ｂ－６．他の実施形態６：
上記実施形態では、遺伝子翻訳部３４は、接続条件テーブル８８と式（１）～式（３）を用いて、出力側シーケンス要素に対して、接続参考値ＲＶが高い入力側シーケンス要素ほど、出力側シーケンス要素に接続される接続確率が高くなる確率関係を有するように、複数のデータ処理シーケンスを生成していたが、これに限定されるものではない。例えば、遺伝子翻訳部３４は、上記の確率関係を有するように複数のデータ処理シーケンスを生成できれば、式（１）～式（３）を用いなくてもよい。例えば、遺伝子翻訳部３４は、接続参考値ＲＶが高くなるほど、段階的に、入力側シーケンス要素が出現する数値範囲を大きく設定することで、上記確率関係を有するように複数のデータ処理シーケンスを生成してもよい。
上記実施形態では、遺伝子翻訳部３４は、接続条件テーブル８８と式（１）～式（３）を用いて、出力側シーケンス要素に対して、接続参考値ＲＶが高い入力側シーケンス要素ほど、出力側シーケンス要素に接続される接続確率が高くなる確率関係を有するように、複数のデータ処理シーケンスを生成していたが、これに限定されるものではない。例えば、遺伝子翻訳部３４は、上記の確率関係を有するように複数のデータ処理シーケンスを生成できれば、式（１）～式（３）を用いなくてもよい。例えば、遺伝子翻訳部３４は、接続参考値ＲＶが高くなるほど、段階的に、入力側シーケンス要素が出現する数値範囲を大きく設定することで、上記確率関係を有するように複数のデータ処理シーケンスを生成してもよい。
【0138】
Ｃ．他の形態：
本開示は、上述した実施形態に限られるものではなく、その趣旨を逸脱しない範囲において種々の形態で実現することができる。例えば、本開示は、以下の形態（aspect）によっても実現可能である。以下に記載した各形態中の技術的特徴に対応する上記実施形態中の技術的特徴は、本開示の課題の一部又は全部を解決するために、あるいは、本開示の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することが可能である。
本開示は、上述した実施形態に限られるものではなく、その趣旨を逸脱しない範囲において種々の形態で実現することができる。例えば、本開示は、以下の形態（aspect）によっても実現可能である。以下に記載した各形態中の技術的特徴に対応する上記実施形態中の技術的特徴は、本開示の課題の一部又は全部を解決するために、あるいは、本開示の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することが可能である。
【0139】
（１）本開示の第１形態によれば、データ処理シーケンスの生成方法が提供される。データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成される。この生成方法は、（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける工程であって、前記候補データ処理要素は、（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、工程と、（ｂ）前記工程（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する工程と、（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する工程と、（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する工程と、を備え、前記工程（ｂ）における前記接続条件は、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む。この形態によれば、データ処理の種別に応じてシーケンス要素の接続条件を生成できる。接続条件は、ＮＮ処理の次に中処理が実行されるようにＮＮ処理要素と中処理要素とを接続するという条件を含んでいる。これにより、ＮＮ処理要素の出力側に中処理要素が接続されるように複数のデータ処理シーケンスを生成できるので、ＮＮ出力データに対して中処理を実行できる。一般にＮＮ出力データは、特徴量が膨大であったり次元数が入力されたデータに対して増加したりする。このようなＮＮ出力データに対して、出力側に接続されるシーケンス要素に適したデータへ変換する中処理要素を接続することで、データ処理シーケンスによるデータ処理について不具合の発生を低減できる。よって、特定データ処理シーケンスを特定する処理効率を向上できる。
【0140】
（２）上記形態において、前記工程（ｂ）における前記接続条件は、前記候補データ処理要素が、前記後処理要素を含む場合には、前記後処理の次に前記データ出力要素でデータ処理後の前記データが出力されるように、前記後処理要素と前記データ出力要素とを接続するという条件を含んでもよい。この形態によれば、接続条件が後処理の次にデータ出力要素でデータ処理後のデータが出力されるように後処理要素とデータ出力要素とを接続するという条件を含むので、対象データに関連付けられた目標データに応じたデータとなるように後処理要素でデータ処理した後のデータをデータ出力要素で出力できる。
【0141】
（３）上記形態において、前記工程（ｂ）における前記接続条件は、前記候補データ処理要素が、前記前処理要素と前記ＮＮ処理要素と前記中処理要素と前記後処理要素とを含む場合には、前記データ入力要素から前記データ出力要素に向かう順に、前記前処理、前記ＮＮ処理、前記中処理、前記後処理が実行されるように、前記データ入力要素と前記前処理要素と前記ＮＮ処理要素と前記中処理要素と前記後処理要素と前記データ出力要素とを接続するという条件を含んでもよい。この形態によれば、データ入力要素に入力された対象データを、前処理、ＮＮ処理、中処理、後処理の順でデータ処理した後にデータ出力要素で出力できる。これにより、ＮＮ処理の処理効率を上げるために対象データに対して前処理を実行したり、ＮＮ出力データに対して後処理に適したデータとするために中処理でデータ処理したりできる。よって、複数のデータ処理シーケンスのそれぞれのデータ処理の処理効率を向上できるので、予め定めた特定終了条件に応じた特定データ処理シーケンスの特定を効率良く行うことができる。
【0142】
（４）上記形態において、前記後処理で用いられる前記後処理要素は、前記後処理要素に入力されたデータを前記目標データと比較可能なデータに変換してもよい。この形態によれば、後処理要素によって目標データと比較可能なデータが出力されるので、目標データと、データ処理シーケンスによってデータ処理したデータとの比較が容易になる。
【0143】
（５）上記形態において、前記工程（ｂ）は、接続候補となる前記入力側と前記出力側の一対の前記シーケンス要素である複数の要素セットのそれぞれに対して、前記データ処理シーケンスの要素として出現する出現確率を示す接続参考値と、前記データ処理シーケンスの構成要素として出現させないことを示す非出現データと、のいずれかを関連付けた接続条件テーブルを生成することで前記接続条件を生成してもよい。この形態によれば、要素セットに対して接続参考値と非出現データとのいずれかを関連付けた接続条件テーブルによって、データ処理に適さない入力側のデータ処理要素と出力側のデータ処理との組み合わせである要素セットが、データ処理シーケンスの構成要素として出現することを抑制できる。
【0144】
（６）上記形態において、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記工程（ｂ）は、前記入力側が前記ＮＮ処理要素であり前記出力側が前記中処理要素である前記要素セットである出現要素セットに対しては前記接続参考値を関連付け、前記入力側が前記ＮＮ処理要素であり前記出力側が前記中処理要素とは異なる前記シーケンス要素である前記要素セットに対しては非出現データを関連付けることで前記接続条件テーブルを生成してもよい。この形態によれば、ＮＮ処理要素の出力側には中処理要素を接続させることができるので、ＮＮ処理要素のＮＮ出力データを中処理要素の出力側に接続されるシーケンス要素に適したデータへ変換できる。
【0145】
（７）上記形態において、前記工程（ｄ）は、（ｄ１）前記工程（ｃ）によって生成された前記複数のデータ処理シーケンスのそれぞれによって前記対象データをデータ処理して前記データ出力要素に出力されたデータ処理後の出力データを取得する工程と、（ｄ２）前記出力データと前記目標データとを比較して、前記複数のデータ処理シーケンスのそれぞれの評価値を取得する工程と、（ｄ３）前記それぞれの評価値を用いて前記特定終了条件を満たす前記特定データ処理シーケンスを特定する工程と、を有していてもよい。この形態によれば、出力データと目標データとを比較して取得した評価値を用いて特定データ処理シーケンスを容易に特定できる。
【0146】
（８）上記形態において、前記中処理に用いられる前記中処理要素は、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを他の種類のデータに変換する第１種中処理要素と、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データの少なくとも一部を抽出して抽出後データを出力する第２種中処理要素と、の少なくともいずれか一方を含んでいてもよい。この形態によれば、中処理要素によって、中処理要素に入力されたデータを他の種類のデータに変換する処理と、抽出後データを出力する処理との少なくとも一方の処理を実行できる。
【0147】
（９）上記形態において、さらに、（ｅ）前記工程（ｄ）よりも前に行われ、参照データの入力を受け付ける工程であって、前記参照データは、前記中処理要素において前記ＮＮ出力データのデータ量を低減するために用いるデータである、工程を有していてもよい。この形態によれば、参照データを用いてＮＮ出力データのデータ量を低減できるので、データ処理シーケンスによるデータ処理の効率を向上できる。
【0148】
（１０）上記形態において、前記中処理に用いられる前記中処理要素は、前記ＮＮ出力データと前記参照データとの類似度を示す変換後データを出力する第１種中処理要素と前記ＮＮ出力データが、前記ＮＮ処理要素が有する複数の中間層のそれぞれから出力される特徴量によって構成されている場合に、前記参照データを用いることなく、前記複数の中間層の少なくとも一部の前記中間層に対応した前記特徴量を抽出する第２種中処理要素と、の少なくともいずれか一方を含んでいてもよい。この形態によれば、第１種中処理要素と第２種中処理要素との少なくもいずれかを用いて、中処理要素の出力側のシーケンス要素に適したデータになるようにＮＮ出力データをデータ処理できる。
【0149】
（１１）上記形態において、前記工程（ｄ）は、前記工程（ｃ）において生成された前記データ処理シーケンスにおいて、前記ＮＮ処理要素と前記中処理要素とが含まれる場合に、前記中処理要素よりも前記入力側で実行されるデータ処理を、前記参照データに対して実行して処理後参照データを生成する工程を含み、前記中処理要素は、前記ＮＮ出力データと前記処理後参照データとの類似度を示す変換後データを出力する第１種中処理要素を含んでいてもよい。この形態によれば、第１種中処理要素によってＮＮ出力データと処理後データとの類似度を示す変換後データを出力できる。
【0150】
（１２）上記形態において、前記ＮＮ処理に用いられる前記ＮＮ処理要素は、前記ＮＮ処理要素の中間層から取得した特徴量と、前記ＮＮ処理要素の出力要素であるＮＮ出力要素から出力されたＮＮ処理後データと、の少なくともいずれか一方を前記ＮＮ出力データとして前記出力側の前記シーケンス要素に出力してもよい。この形態によれば、中間層から取得した特徴量や、ＮＮ出力要素から出力されたＮＮ処理後データを出力側のシーケンス要素に出力できる。
【0151】
（１３）上記形態において、前記工程（ｄ３）によって前記特定データ処理シーケンスが特定されない場合に、前記特定終了条件が満たされるまで、前記工程（ｃ）～前記工程（ｄ）までのルーチンを繰り返し、前記ルーチンを繰り返す場合において、次の前記ルーチンにおける前記工程（ｃ）は、前回の前記ルーチンにおける前記工程（ｃ）によって生成された前記複数のデータ処理シーケンスと少なくとも一つの前記データ処理シーケンスが異なる前記複数のデータ処理シーケンスを生成することで前記シーケンスセットを生成する再生成工程を含んでいてもよい。この形態によれば、再生成工程によって、特定終了条件が満たされるまで特定データ処理シーケンスの候補となるデータ処理シーケンスを生成できる。
【0152】
（１４）上記形態において、前記工程（ｃ）は、前記シーケンス要素に対応した遺伝子を複数配列した個体を生成することで前記データ処理シーケンスを規定する工程を含み、
前記再生成工程は、前記評価値を用いて、次世代の前記個体に用いられる現世代の前記個体を特定し、特定した前記個体を複製することと、特定した前記個体に対して交叉と突然変異との少なくとも１つを行うことで前記個体を新たに生成すること、とによって前記次のルーチンの前記シーケンスセットを生成してもよい。この形態によれば、交差と突然変異との少なくとも１つと、複製とを用いることで容易に次のルーチンのシーケンスセットを容易に生成できる。
前記再生成工程は、前記評価値を用いて、次世代の前記個体に用いられる現世代の前記個体を特定し、特定した前記個体を複製することと、特定した前記個体に対して交叉と突然変異との少なくとも１つを行うことで前記個体を新たに生成すること、とによって前記次のルーチンの前記シーケンスセットを生成してもよい。この形態によれば、交差と突然変異との少なくとも１つと、複製とを用いることで容易に次のルーチンのシーケンスセットを容易に生成できる。
【0153】
（１５）本開示の第２形態によれば、データ処理シーケンスの生成装置が提供される。データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成される。この生成装置は、前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける入力部であって、前記候補データ処理要素は、前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、入力部と、前記入力部によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する接続条件生成部と、前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成するシーケンス生成部と、前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた前記特定データ処理シーケンスを特定する特定部と、を備え、前記接続条件は、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む。この形態によれば、データ処理の種別に応じてシーケンス要素の接続条件を生成できる。接続条件は、ＮＮ処理の次に中処理が実行されるようにＮＮ処理要素と中処理要素とを接続するという条件を含んでいる。これにより、ＮＮ処理要素の出力側に中処理要素が接続されるように複数のデータ処理シーケンスを生成できるので、ＮＮ出力データに対して中処理を実行できる。一般にＮＮ出力データは、特徴量が膨大であったり次元数が入力されたデータに対して増加したりする。このようなＮＮ出力データに対して、出力側に接続されるシーケンス要素に適したデータへ変換する中処理要素を接続することで、データ処理シーケンスによるデータ処理について不具合の発生を低減できる。よって、特定データ処理シーケンスを特定する処理効率を向上できる。
【0154】
（１６）本開示の第３形態によれば、データ処理シーケンスの生成をコンピューターに実行させるためのコンピュータープログラムが提供される。データ処理シーケンスは、シーケンス要素としての、データを入力するデータ入力要素、複数のデータ処理要素の少なくとも１つ、およびデータ処理後の前記データを出力するデータ出力要素によって構成される。このコンピュータープログラムは、（ａ）前記データ処理シーケンスを構成する前記シーケンス要素の候補となる前記データ処理要素としての候補データ処理要素の入力を受け付ける機能であって、前記候補データ処理要素は、（ｉ）前記データ入力要素に入力された前記データである対象データに対してデータ処理としての前処理を実行する前処理要素と、（ｉｉ）学習済みニューラルネットワーク要素（以下、「ＮＮ処理要素」と呼ぶ。）であって、前記ＮＮ処理要素の入力側に接続された前記シーケンス要素から出力された前記データに対して前記データ処理としてのＮＮ処理を実行してＮＮ出力データを出力するＮＮ処理要素と、（ｉｉｉ）中処理要素であって、前記中処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データを出力側に接続される前記シーケンス要素に適したデータへ変換する前記データ処理としての中処理を実行する中処理要素と、（ｉｖ）後処理要素であって、前記後処理要素の前記入力側に接続された前記シーケンス要素から出力された前記データに対して、前記対象データに関連付けられた目標となる目標データに応じた前記データとなるように前記データ処理としての後処理を実行する後処理要素と、の少なくとも一つの処理要素を含む、機能と、（ｂ）前記機能（ａ）によって受け付けた前記候補データ処理要素によって行われる前記データ処理の種別に応じて、前記データ処理シーケンスを構成する前記シーケンス要素の接続に関する接続条件を生成する機能と、（ｃ）前記接続条件に従って、前記シーケンス要素の組み合わせが異なる複数の前記データ処理シーケンスをシーケンスセットとして生成する機能と、（ｄ）前記複数のデータ処理シーケンスの中から、予め定めた特定終了条件に応じた特定データ処理シーケンスを特定する機能と、をコンピューターに実行させ、前記機能（ｂ）における前記接続条件は、前記候補データ処理要素が、前記ＮＮ処理要素と前記中処理要素とを含む場合には、前記ＮＮ処理の次に前記中処理が実行されるように、前記ＮＮ処理要素と前記中処理要素とを接続するという条件を含む。この形態によれば、データ処理の種別に応じてシーケンス要素の接続条件を生成できる。接続条件は、ＮＮ処理の次に中処理が実行されるようにＮＮ処理要素と中処理要素とを接続するという条件を含んでいる。これにより、ＮＮ処理要素の出力側に中処理要素が接続されるように複数のデータ処理シーケンスを生成できるので、ＮＮ出力データに対して中処理を実行できる。一般にＮＮ出力データは、特徴量が膨大であったり次元数が入力されたデータに対して増加したりする。このようなＮＮ出力データに対して、出力側に接続されるシーケンス要素に適したデータへ変換する中処理要素を接続することで、データ処理シーケンスによるデータ処理について不具合の発生を低減できる。よって、特定データ処理シーケンスを特定する処理効率を向上できる。
【0155】
本開示は、上記以外の種々の形態で実現することも可能である。例えば、コンピュータープログラムを記録した一時的でない記録媒体（non-transitory storage medium）の形態で実現することができる。
【符号の説明】
【0156】
１０…生成システム、２０…生成装置、２５…プロセッサー、３０…シーケンス生成部、３２…個体生成部、３４…遺伝子翻訳部、４０…データ処理部、５０…特定部、５５…接続条件生成部、６０…表示制御部、７０…記憶装置、７４…学習データ群、７７…参照データ群、７９…データ処理プログラム群、８０…シーケンス要素群、８１…処理候補テーブル、８１Ａ…第１処理候補テーブル、８１Ｂ…第２処理候補テーブル、８２…遺伝子テーブル、８２Ｔ…テーブル、８４…個体群、８８…接続条件テーブル、９４…各種プログラム、１５０…入力部、１６０…表示部、２００…センサー装置、８８５…テーブル、Ｂ１…手動生成選択枝、Ｂ２…自動生成選択枝、ＲＳＭ…参照データセット、ＳＩＭ…生成条件入力画面、ＤＡ…欠陥部分、ＤＳｑ…特定データ処理シーケンス、Ｆ１～Ｆ４…特徴量、ＦｔＡ～ＦｔＱ…データ処理要素、ＩＶ，ＩＶ１～ＩＶ５…個体、Ｌ１…ＮＮ入力要素、Ｌ２ａ～Ｌ２ｄ…中間層、Ｌ３…ＮＮ出力要素、ＬＭ，ＬＭ１，ＬＭ２…学習データ、ＲＭ…参照データ、ＲＶ…接続参考値、ＳＭ…学習セット、Ｓｑ…データ処理シーケンス、ＴＭ…目標データ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6A】
【図6B】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】