知財求人 - 知財ポータルサイト「IP Force」
特開2024-159229データ解析システム、データ解析装置およびデータ解析方法
(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】P2024159229
(43)【公開日】2024-11-08
(54)【発明の名称】データ解析システム、データ解析装置およびデータ解析方法
(51)【国際特許分類】
G06N 20/00 20190101AFI20241031BHJP
G06F 8/71 20180101ALI20241031BHJP
G06F 9/445 20180101ALI20241031BHJP
【ＦＩ】
G06N20/00 130
G06F8/71
G06F9/445 130
【審査請求】未請求
【請求項の数】14
【出願形態】ＯＬ
(21)【出願番号】P 2023075080
(22)【出願日】2023-04-28
(71)【出願人】
【識別番号】000001993
【氏名又は名称】株式会社島津製作所
(74)【代理人】
【識別番号】100104433
【弁理士】
【氏名又は名称】宮園 博一
(74)【代理人】
【識別番号】100172362
【弁理士】
【氏名又は名称】田中 達哉
(72)【発明者】
【氏名】澤田 隆二
(72)【発明者】
【氏名】森谷 友香
(72)【発明者】
【氏名】津島 啓晃
(72)【発明者】
【氏名】大野 剛士
【テーマコード（参考）】
5B376
【Ｆターム（参考）】
5B376AC04
5B376AC06
5B376DA05
(57)【要約】
【課題】バージョンが異なる複数の学習済みモデルを一見して容易に把握することが可能なデータ解析システムを提供する。
【解決手段】このデータ解析システム１００は、データ取得部１０と、学習済みモデル３０を用いて解析対象データ２０を解析する解析部１２ａと、学習済みモデル３０を生成する学習済みモデル生成部１２ｂと、生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶する記憶部１１と、学習済みモデル３０を表示する表示部２ａと、表示された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させる制御を行う制御部１２と、を備える。
【選択図】図１
【解決手段】このデータ解析システム１００は、データ取得部１０と、学習済みモデル３０を用いて解析対象データ２０を解析する解析部１２ａと、学習済みモデル３０を生成する学習済みモデル生成部１２ｂと、生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶する記憶部１１と、学習済みモデル３０を表示する表示部２ａと、表示された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させる制御を行う制御部１２と、を備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析システムであって、
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析システム。
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析システム。
【請求項2】
前記記憶部は、前記複数の学習済みモデルの各々に対して、前記教師データとともに、前記解析対象データの解析結果の精度に関する情報を関連付けて、解析目的が同一のバージョンが異なる前記複数の学習済みモデルを関連付けて記憶するように構成されている、請求項１に記載のデータ解析システム。
【請求項3】
前記制御部は、解析目的が同一のバージョンが異なる前記複数の学習済みモデルの前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、請求項２に記載のデータ解析システム。
【請求項4】
操作者の選択の操作入力を受け付ける入力受付部をさらに備え、
前記制御部は、前記入力受付部によって受け付けた前記選択の操作入力に基づいて選択された、解析目的が同一の前記学習済みモデルおよび前記解析対象データに基づく前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、請求項３に記載のデータ解析システム。
前記制御部は、前記入力受付部によって受け付けた前記選択の操作入力に基づいて選択された、解析目的が同一の前記学習済みモデルおよび前記解析対象データに基づく前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、請求項３に記載のデータ解析システム。
【請求項5】
前記記憶部は、解析目的が同一のバージョンが異なる前記複数の学習済みモデルの前記解析結果の精度に関する情報である第１解析精度情報と、バージョンが同じ前記学習済みモデルに対して、互いに異なる前記解析対象データを解析させた際の前記解析結果の精度に関する情報である第２解析精度情報と、を関連付けて記憶するように構成されており、
前記制御部は、前記第１解析精度情報と、前記第２解析精度情報とを、比較可能に前記表示部に表示させる制御を行うように構成されている、請求項３に記載のデータ解析システム。
前記制御部は、前記第１解析精度情報と、前記第２解析精度情報とを、比較可能に前記表示部に表示させる制御を行うように構成されている、請求項３に記載のデータ解析システム。
【請求項6】
前記学習済みモデル生成部は、前記記憶部に記憶された前記複数の学習済みモデルのうちの、選択された前記学習済みモデルに基づいて、解析目的が同一のバージョンが異なる前記学習済みモデルを生成することが可能であるように構成されている、請求項２に記載のデータ解析システム。
【請求項7】
前記学習済みモデル生成部は、解析目的が同一の前記学習済みモデルが選択された状態で前記学習済みモデルが生成される場合、前記教師データ、または、前記学習済みモデルを生成する際に設定される学習パラメータのうちの、少なくとも１つが変更された状態で学習することにより、解析目的が同一のバージョンが異なる前記学習済みモデルを生成するように構成されている、請求項６に記載のデータ解析システム。
【請求項8】
前記制御部は、解析目的が同一のバージョンが異なる前記学習済みモデルを生成する際に、前記記憶部に記憶された複数のバージョンの前記学習済みモデルを選択可能に前記表示部に表示させる制御を行うように構成されている、請求項７に記載のデータ解析システム。
【請求項9】
前記制御部は、解析目的が同一のバージョンが異なる前記学習済みモデルが生成された場合に、最新バージョンの前記学習済みモデルを選択肢として順次追加していく制御を行うように構成されている、請求項1に記載のデータ解析システム。
【請求項10】
操作者の入力を受け付ける入力受付部をさらに備え、
前記制御部は、前記入力受付部によって入力されたバージョン名が、命名規則に基づいた最新のバージョン名であるか否かを判定し、命名規則に基づいた最新のバージョン名でない場合、前記学習済みモデル生成部に前記学習済みモデルを生成させない制御を行うように構成されている、請求項１に記載のデータ解析システム。
前記制御部は、前記入力受付部によって入力されたバージョン名が、命名規則に基づいた最新のバージョン名であるか否かを判定し、命名規則に基づいた最新のバージョン名でない場合、前記学習済みモデル生成部に前記学習済みモデルを生成させない制御を行うように構成されている、請求項１に記載のデータ解析システム。
【請求項11】
前記記憶部は、学習用モデルのアルゴリズムが同一であり、前記教師データ、または、前記学習済みモデルを生成する際に設定される学習パラメータのうちの、少なくとも１つが変更された状態で生成された前記学習済みモデルを、バージョンが異なる前記学習済みモデルとして関連付けて記憶するように構成されている、請求項１に記載のデータ解析システム。
【請求項12】
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析装置であって、
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析装置。
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析装置。
【請求項13】
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析方法であって、
少なくとも教師データを用いて前記学習済みモデルを生成するステップと、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップと、
記憶された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させるステップと、を備える、データ解析方法。
少なくとも教師データを用いて前記学習済みモデルを生成するステップと、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップと、
記憶された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させるステップと、を備える、データ解析方法。
【請求項14】
バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップにおいて、前記複数の学習済みモデルの各々に対して、前記教師データとともに、前記解析対象データの解析結果の精度に関する情報を関連付けて、解析目的が同一のバージョンが異なる前記複数の学習済みモデルを関連付けて記憶する、請求項１３に記載のデータ解析方法。
【発明の詳細な説明】
【技術分野】
【0001】
この発明は、データ解析システム、データ解析装置およびデータ解析方法に関し、特に、学習済みモデルを生成するとともに、生成した学習済みモデルを用いて解析対象データの解析を行うデータ解析システム、データ解析装置およびデータ解析方法に関する。
【背景技術】
【0002】
従来、学習済みモデルを生成するとともに、生成した学習済みモデルを用いて解析対象データの解析を行うデータ解析システムが知られている（たとえば、特許文献１参照）。
【0003】
上記特許文献１には、測定装置と、表示部と、記憶部と、制御部とを備える学習支援システムが開示されている。上記特許文献１には、複数の学習済みモデルを表示部に表示し、複数の学習済みモデルのうちの選択された学習済みモデルに基づいて、学習済みモデルを生成する構成が開示されている。また、上記特許文献１に開示されている学習支援システムは、生成した学習済みモデルを用いて細胞画像の解析を行うように構成されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２２－１７４７４０号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
ここで、上記特許文献１には開示されていないが、細胞画像（解析対象データ）の解析を行う際に、解析対象データの解析精度を向上させるために、教師データおよび学習パラメータなどを変化させたバージョンが異なる複数の学習済みモデルが生成される場合がある。この場合、操作者は、解析対象データの解析を行う際に、バージョンが異なる複数の学習済みモデルのうちから、解析対象データの解析に用いる学習済みモデルを選択する。しかしながら、上記特許文献１に開示されている構成では、複数の学習済みモデルが表示部に一覧表示されるため、この特許文献１の構成をバージョンが異なる複数の学習済みモデルを表示する構成に適用した場合、バージョンが異なる複数の学習済みモデルを、一見して把握しにくいという不都合がある。そこで、バージョンが異なる複数の学習済みモデルを一見して容易に把握することが可能な技術が望まれている。
【0006】
この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、バージョンが異なる複数の学習済みモデルを一見して容易に把握することが可能なデータ解析システム、データ解析装置およびデータ解析方法を提供することである。
【課題を解決するための手段】
【0007】
上記目的を達成するために、この発明の第１の局面によるデータ解析システムは、学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析システムであって、解析対象データを取得するデータ取得部と、学習済みモデルを用いて解析対象データを解析する解析部と、少なくとも教師データを用いて学習済みモデルを生成する学習済みモデル生成部と、学習済みモデル生成部によって生成された複数の学習済みモデルの各々を生成する際に使用した教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデルを関連付けて記憶する記憶部と、記憶部に記憶された複数の学習済みモデルを表示する表示部と、表示部に表示された複数の学習済みモデルのうち、選択された学習済みモデルと、選択された学習済みモデルと関連付けられたバージョンが異なる学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える。ここで、「バージョンが異なる」とは、ネットワーク構造の生成について記載されたソースコードが同一であり、かつ、教師データおよび学習パラメータなどを変化させたものを意味する。
【0008】
また、この発明の第２の局面によるデータ解析装置は、学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析装置であって、解析対象データを取得するデータ取得部と、学習済みモデルを用いて解析対象データを解析する解析部と、少なくとも教師データを用いて学習済みモデルを生成する学習済みモデル生成部と、学習済みモデル生成部によって生成された複数の学習済みモデルの各々を生成する際に使用した教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデルを関連付けて記憶する記憶部と、記憶部に記憶された複数の学習済みモデルを表示する表示部と、表示部に表示された複数の学習済みモデルのうち、選択された学習済みモデルと、選択された学習済みモデルと関連付けられたバージョンが異なる学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える。
【0009】
また、この発明の第３の局面によるデータ解析方法は、学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析方法であって、少なくとも教師データを用いて学習済みモデルを生成するステップと、学習済みモデル生成部によって生成された複数の学習済みモデルの各々を生成する際に使用した教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデルを関連付けて記憶するステップと、記憶された複数の学習済みモデルのうち、選択された学習済みモデルと、選択された学習済みモデルと関連付けられたバージョンが異なる学習済みモデルとを同一画面上に表示させるステップと、を備える。
【発明の効果】
【0010】
上記第１の局面におけるデータ解析システム、および、記第２の局面におけるデータ解析装置では、記憶部に記憶された複数の学習済みモデルを表示する表示部と、選択された学習済みモデルと、選択された学習済みモデルとバージョンが異なる学習済みモデルとを同一画面上に表示させる制御を行う制御部とを備える。また、上記第３の局面におけるデータ解析方法では、上記のように、記憶された複数の学習済みモデルのうち、選択された学習済みモデルと、選択された学習済みモデルと関連付けられたバージョンが異なる学習済みモデルとを同一画面上に表示させるステップを備える。これにより、記憶された複数の学習済みモデルのうち、選択された学習済みモデルと、選択された学習済みモデルと関連付けられたバージョンが異なる学習済みモデルとが同一画面上に表示されるので、バージョンが異なる複数の学習済みモデルを一見して容易に把握することができる。その結果、バージョンが異なる複数の学習済みモデルを一見して容易に把握することが可能なデータ解析システム、データ解析装置およびデータ解析方法を提供することができる。これにより、操作者は、解析対象データの解析を行う際に、バージョンが異なる複数の学習済みモデルのうちから、解析対象データの解析に用いる学習済みモデルを選択する作業を効率的に行うことができる。
【図面の簡単な説明】
【0011】
【図1】一実施形態によるデータ解析システムの全体構成を示した模式図である。
【図2】一実施形態による解析対象データが、解析目的が同一でバージョンが異なる複数の学習済みモデルを関連付ける構成を説明するための模式図である。
【図3】一実施形態によるデータ解析システムの、学習済みモデルを生成する際の学習モデルなどの選択を行う画面例を示す模式図である。
【図4】一実施形態によるデータ解析システムにおいて、複数の学習済みモデルを表示する画面例を示す模式図である。
【図5】一実施形態によるデータ解析システムにおいて、解析目的が同一のバージョンが異なる学習済みモデルのバージョン履歴を表示する画面例を示す模式図である。
【図6】一実施形態によるデータ解析システムにおいて、解析目的が同一のバージョンが異なる複数の学習済みモデルにおける解析精度の評価画面を示す模式図である。
【図7】一実施形態によるデータ解析システムにおいて、学習済みモデルを用いた解析を行う際の解析レシピを設定する画面例を示す模式図である。
【図8】一実施形態によるデータ解析システムにおいて、解析レシピを選択する際の、解析目的が同一のバージョンが異なる複数の学習済みモデルを表示する画面例を示す模式図である。
【図9】一実施形態によるデータ解析システムにおいて、解析目的が同一のバージョンが異なる複数の学習済みモデルを表示する処理を説明するためのフローチャートである。
【図10】一実施形態によるデータ解析システムにおいて、学習済みモデルのバージョン名が最新であるか否かの判定を行う処理を説明するためのフローチャートである。
【図11】第１変形例によるデータ解析システムの全体構成を示した模式図である。
【図12】第２変形例によるデータ解析システムの全体構成を示した模式図である。
【発明を実施するための形態】
【0012】
以下、本発明を具体化した実施形態を図面に基づいて説明する。
【0013】
図１を参照して、一実施形態によるデータ解析システム１００の構成について説明する。データ解析システム１００は、学習済みモデル３０を用いて解析対象のデータである解析対象データ２０を解析するデータ解析システムである。また、データ解析システム１００は、学習済みモデル３０を生成するシステムである。データ解析システム１００は、たとえば、解析対象データ２０として、細胞が写る画像の解析を行う。なお、データ解析システム１００が解析する解析対象データ２０は、細胞が写る画像に限定されない。たとえば、解析対象データ２０は、Ｘ線画像を含み得る。
【0014】
（データ解析システムの構成）
データ解析システム１００は、図１に示すように、サーバ１と、解析データ表示装置２と、を備える。
データ解析システム１００は、図１に示すように、サーバ１と、解析データ表示装置２と、を備える。
【0015】
図１では、オンプレミスのクライアントサーバモデルで構築されたデータ解析システム１００の例を示している。解析データ表示装置２は、データ解析システム１００におけるクライアント端末として機能する。サーバ１は、データ解析システム１００において、データの解析を行うサーバとして機能する。サーバ１と、解析データ表示装置２とは、ネットワーク９０を介して相互に通信可能に接続されている。サーバ１は、ユーザが操作する解析データ表示装置２からのリクエスト（処理要求）に応じて、各種の情報処理を行う。サーバ１は、リクエストに応じて、解析対象データ２０の解析を行う。なお、オンプレミスとは、サーバ１と、解析データ表示装置２とが、互いに同一の施設内に配置されていることを意味する。
【0016】
また、サーバ１は、リクエストに応じて、学習済みモデル３０を表示する画面である学習済みモデル表示画面４１を、作成する。また、サーバ１は、作成した学習済みモデル表示画面４１を、解析データ表示装置２に対して送信する。
【0017】
ネットワーク９０は、サーバ１と、解析データ表示装置２とを相互に通信可能に接続する。ネットワーク９０は、たとえば施設内に構築されたＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）でありうる。
【0018】
解析データ表示装置２は、解析対象のデータである解析対象データ２０を解析した解析結果を表示する解析データ表示装置である。また、解析データ表示装置２は、解析対象データ２０の解析に用いる学習済みモデル３０を表示するように構成されている。解析データ表示装置２は、いわゆるパーソナルコンピュータであり、プロセッサ（図示せず）および記憶部（図示せず）を備える。また、解析データ表示装置２は、表示部２ａおよび入力受付部２ｂを備える。
【0019】
表示部２ａは、解析対象データ２０、および、学習済みモデル３０の少なくとも一方を表示する。本実施形態では、表示部２ａは、後述する記憶部１１に記憶された複数の学習済みモデル３０を表示する。表示部２ａは、たとえば、液晶モニタ、または、有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）モニタなどの表示装置である。表示部２ａは、プロジェクタ、ヘッドマウントディスプレイであってもよい。
【0020】
入力受付部２ｂは、操作者の入力を受け付けるように構成されている。入力受付部２ｂは、たとえば、マウスおよびキーボードを含む入力装置である。入力受付部２ｂは、タッチパネルであってもよい。解析データ表示装置２は、データ解析システム１００において１つまたは複数設けられる。
【0021】
サーバ１は、データ取得部１０と、記憶部１１と、制御部１２とを備える。
【0022】
データ取得部１０は、解析対象データ２０を取得するように構成されている。具体的には、データ取得部１０は、解析データ表示装置２からネットワーク９０を介して入力された解析対象データ２０を取得するように構成されている。また、本実施形態では、データ取得部１０は、解析データ表示装置２からネットワーク９０を介して入力された教師データ２１を取得するように構成されている。教師データ２１は、学習済みモデル３０を生成するために用いられる教師用データである。データ取得部１０は、たとえば、入出力インタフェースを含む。
【0023】
記憶部１１は、制御部１２が実行する各種プログラムを記憶する。また、記憶部１１は、解析対象データ２０、および、学習済みモデル３０を記憶するように構成されている。本実施形態では、記憶部１１は、後述する学習済みモデル生成部１２ｂによって生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶するように構成されている。また、記憶部１１は、後述する解析結果の精度に関する情報２２、および、後述する学習パラメータ２３を記憶するように構成されている。なお、解析目的とは、どのような解析対象データ２０に対して、どのような解析を行うかを意味する。解析目的は、たとえば、細胞画像のセグメンテーション処理、Ｘ線画像のセグメンテーション処理などの、どういった処理を行うかの情報を含む。また、解析目的が同一とは、解析対象データ２０に対する解析の種類が等しいことを意味する。
【0024】
記憶部１１は、たとえば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、または、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの不揮発性の記憶装置を含む。記憶部１１が学習済みモデル３０と教師データ２１とを関連付けて記憶する構成、および、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を関連付けて記憶する構成の詳細については、後述する。
【0025】
学習済みモデル３０は、たとえば、畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ＣＮＮ）であるか、畳み込みニューラルネットワークを一部に含む学習モデルを、教師データ２１によって学習させることにより生成される。
【0026】
制御部１２は、解析対象データ２０を解析するように構成されている。また、制御部１２は、複数の学習済みモデル３０を表示部２ａに表示させる制御を行うように構成されている。制御部１２は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、回路（Ｃｉｒｃｕｉｔｌｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、または、画像処理用に構成されたＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などを含んでいる。
【0027】
制御部１２は、解析部１２ａと、学習済みモデル生成部１２ｂと、を含む。解析部１２ａ、および、学習済みモデル生成部１２ｂは、制御部１２がプログラムを実行することにより実現される機能ブロックとしてソフトウェア的に構成される。解析部１２ａ、および、学習済みモデル生成部１２ｂは、専用のプロセッサ（処理回路）を設けてハードウェアにより構成されていてもよい。
【0028】
解析部１２ａは、学習済みモデル３０を用いて解析対象データ２０を解析するように構成されている。解析部１２ａは、操作者によって選択された学習済みモデル３０を用いて、解析対象データ２０の解析を行う。たとえば、解析対象データ２０が細胞画像の場合、解析部１２ａは、学習済みモデル３０を用いて、細胞画像に写る細胞が分化しているか、未分化を維持しているかの解析を行う。なお、解析部１２ａが行う解析処理は、解析対象データ２０、および、解析部１２ａが利用する学習済みモデル３０によって異なり得る。
【0029】
学習済みモデル生成部１２ｂ、少なくとも教師データ２１を用いて学習済みモデル３０を生成するように構成されている。本実施形態では、学習済みモデル生成部１２ｂは、操作者が選択した学習用モデルのアルゴリズム２４、および、学習済みモデル３０のいずれかと、操作者が選択した教師データ２１とに基づいて、学習済みモデル３０を生成する。学習用モデルのアルゴリズム２４は、たとえば、ニューラルネットワークを含む。
【0030】
制御部１２が学習済みモデル３０を表示させる制御を行う構成の詳細については、後述する。
【0031】
【0032】
本実施形態では、制御部１２は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を関連付けて記憶部１１（図１参照）に記憶することにより、学習済みモデル３０のバージョン管理を行う。
【0033】
図２に示す例は、解析目的が同一のバージョンが異なる第１学習済みモデル３０ａ～第３学習済みモデル３０ｃを関連付けて記憶している。第１学習済みモデル３０ａ、第２学習済みモデル３０ｂ、および、第３学習済みモデル３０ｃは、学習用モデルのアルゴリズム２４（図１参照）が同一で、かつ、バージョン名２５が互いに異なる学習済みモデル３０である。
【0034】
本実施形態では、制御部１２は、学習済みモデル３０に対して、解析対象データ２０、教師データ２１、解析結果の精度に関する情報２２、学習パラメータ２３、および、バージョン名２５を関連付けて記憶するように構成されている。
【0035】
また、教師データ２１は、学習用データ２１ａと、妥当性検証用データ２１ｂと、精度検証用データ２１ｃとを含む。学習用データ２１ａは、学習済みモデル３０を生成する際の学習に用いられるデータである。また、妥当性検証用データ２１ｂは、生成した学習済みモデル３０の妥当性を検証するためのデータである。また、精度検証用データ２１ｃは、生成した学習済みモデル３０の精度を検証するためのデータである。
【0036】
なお、本実施形態では、記憶部１１は、学習用モデルのアルゴリズム２４が同一であり、教師データ２１、または、学習済みモデル３０を生成する際に設定される学習パラメータ２３のうちの、少なくとも１つが変更された状態で生成された学習済みモデル３０を、バージョンが異なる学習済みモデル３０として関連付けて記憶するように構成されている。なお、学習用モデルのアルゴリズム２４が同一とは、学習用モデルのアルゴリズム２４のネットワーク構造が同一であることを意味する。
【0037】
本実施形態では、記憶部１１（図１参照）は、複数の学習済みモデル３０の各々に対して、教師データ２１とともに、解析対象データ２０の解析結果の精度に関する情報２２を関連付けて、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を関連付けて記憶するように構成されている。解析結果の精度に関する情報２２は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２である第１解析精度情報２２ａと、互いに異なる解析対象データ２０を解析させた際の解析結果の精度に関する情報２２である第２解析精度情報２２ｂとを含む。したがって、本実施形態では、記憶部１１は、学習済みモデル３０に対して、第１解析精度情報２２ａと、第２解析精度情報２２ｂと、を関連付けて記憶するように構成されている。
【0038】
ここで、本実施形態によるデータ解析システム１００は、学習済みモデル３０の生成、および、学習済みモデル３０を用いた解析対象データ２０の解析を行うように構成されている。
【0039】
【0040】
【0041】
学習済みモデル生成画面４０は、名前入力欄４０ａ、プロジェクト選択欄４０ｂ、モデル選択欄４０ｃ、データセット選択欄４０ｄ、学習済みモデル選択欄４０ｅ、バージョン名入力欄４０ｆ、概要入力欄４０ｇ、学習パラメータ入力欄４０ｈ、生成ボタン４０ｉ、および、キャンセルボタン４０ｊが表示されている。
【0042】
名前入力欄４０ａは、生成される学習済みモデル３０の名前が入力される入力欄である。また、プロジェクト選択欄４０ｂは、生成される学習済みモデル３０のプロジェクトを選択する選択欄である。なお、学習済みモデル３０のプロジェクトとは、学習済みモデル３０に設定されるカテゴリーである。すなわち、学習済みモデル３０は、選択されたプロジェクト毎に、記憶部１１に記憶される。
【0043】
また、モデル選択欄４０ｃは、学習済みモデル３０を生成する際の学習用モデルのアルゴリズム２４（図１参照）を選択する選択欄である。また、データセット選択欄４０ｄは、学習済みモデル３０の生成に用いる教師データ２１（図１参照）を選択する選択欄である。
【0044】
また、学習済みモデル選択欄４０ｅは、学習済みモデル３０の生成に用いる学習済みモデル３０の選択欄である。学習済みモデル選択欄４０ｅによって学習済みモデル３０を選択することにより、記憶部１１に記憶されている学習済みモデル３０に基づいて学習済みモデル３０を生成することができる。すなわち、既に生成された学習済みモデル３０を改良した学習済みモデル３０を生成することができる。本実施形態では、制御部１２は、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する際に、記憶部１１に記憶された複数のバージョンの学習済みモデル３０を選択可能に表示部２ａに表示させる制御を行うように構成されている。
【0045】
また、バージョン名入力欄４０ｆは、生成する学習済みモデル３０のバージョン名２５を入力する入力欄である。また、概要入力欄４０ｇは、生成する学習済みモデル３０の概要、操作者のコメントなどを入力する入力欄である。また、学習パラメータ入力欄４０ｈは、学習済みモデル３０を生成する際に用いる学習パラメータ２３（図１参照）を入力する入力欄である。図３に示す例では、学習パラメータ入力欄４０ｈは、エポック数を入力するエポック数入力欄４０ｋと、バッチサイズを入力するバッチサイズ入力欄４０ｌとを含む。
【0046】
名前入力欄４０ａ、バージョン名入力欄４０ｆ、概要入力欄４０ｇ、エポック数入力欄４０ｋ、および、バッチサイズ入力欄４０ｌの各々は、たとえば、テキストボックスである。また、プロジェクト選択欄４０ｂ、モデル選択欄４０ｃ、データセット選択欄４０ｄ、および、学習済みモデル選択欄４０ｅの各々は、たとえば、コンボボックスである。
【0047】
また、生成ボタン４０ｉは、学習済みモデル生成画面４０に表示されるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）のボタンである。生成ボタン４０ｉが押下された場合、学習済みモデル生成部１２ｂ（図１参照）は、各入力欄に入力された情報、および、各選択欄において選択された情報に基づいて、学習済みモデル３０を生成する。たとえば、モデル選択欄４０ｃにおいて学習用モデルのアルゴリズム２４が選択された状態で生成ボタン４０ｉが押下された場合、学習済みモデル生成部１２ｂは、選択された学習用モデルのアルゴリズム２４を用いて、学習済みモデル３０を生成する。
【0048】
また、たとえば、学習済みモデル選択欄４０ｅが選択された状態で生成ボタン４０ｉが押下された場合、学習済みモデル生成部１２ｂは、記憶部１１に記憶された複数の学習済みモデル３０のうちの、選択された学習済みモデル３０に基づいて、解析目的が同一のバージョンが異なる学習済みモデル３０を生成することが可能であるように構成されている。
【0049】
また、本実施形態では、学習済みモデル生成部１２ｂは、学習済みモデル表示画面４１において解析目的が同一の学習済みモデル３０が選択された状態で学習済みモデル３０が生成される場合、教師データ２１（図１参照）、または、学習済みモデル３０を生成する際に設定される学習パラメータ２３（図１参照）のうちの、少なくとも１つが変更された状態で学習することにより、解析目的が同一のバージョンが異なる学習済みモデル３０を生成するように構成されている。
【0050】
また、本実施形態では、制御部１２は、解析目的が同一のバージョンが異なる学習済みモデル３０が生成された場合に、最新バージョンの学習済みモデル３０を選択肢として順次追加していく制御を行うように構成されている。
【0051】
また、キャンセルボタン４０ｊは、学習済みモデル生成画面４０に表示されるＧＵＩの押しボタンである。キャンセルボタン４０ｊが押下された場合、制御部１２は、学習済みモデル３０を生成することなく、学習済みモデル生成画面４０を閉じる制御を行うように構成されている。
【0052】
（バージョン名の管理）
ここで、本実施形態では、制御部１２は、学習済みモデル３０のバージョン名２５（図２参照）の命名規則として、セマンティックバージョニングを用いる。セマンティックバージョニングとは、メジャーバージョン、マイナーバージョン、および、パッチバージョンと呼ばれる３の数字を、カンマで区切ることによりバージョン名２５を命名する規則である。なお、命名規則は、セマンティックバージョニング以外の命名規則を含み得る。
ここで、本実施形態では、制御部１２は、学習済みモデル３０のバージョン名２５（図２参照）の命名規則として、セマンティックバージョニングを用いる。セマンティックバージョニングとは、メジャーバージョン、マイナーバージョン、および、パッチバージョンと呼ばれる３の数字を、カンマで区切ることによりバージョン名２５を命名する規則である。なお、命名規則は、セマンティックバージョニング以外の命名規則を含み得る。
【0053】
また、本実施形態では、制御部１２は、学習済みモデル３０のバージョン名２５が枝分かれしないように設定された命名規則に基づいて、学習済みモデル３０のバージョン名２５の判定を行うように構成されている。枝分かれしないように設定された命名規則とは、新たに生成される学習済みモデル３０のバージョン名２５が、常に最新のバージョン名２５となるように設定された命名規則である。たとえば、枝分かれしないように設定された命名規則とは、バージョン名２５が「１．１．１」の学習済みモデル３０と、バージョン名２５が「１．１．３」の学習済みモデル３０とが記憶部１１に記憶されている場合に、バージョン名２５が「１．１．２」の学習済みモデル３０を生成することを禁止する規則である。
【0054】
そのため、本実施形態では、制御部１２は、入力受付部２ｂによって入力されたバージョン名２５が、命名規則に基づいた最新のバージョン名２５であるか否かを判定し、命名規則に基づいた最新のバージョン名２５でない場合、学習済みモデル生成部１２ｂに学習済みモデル３０を生成させない制御を行うように構成されている。具体的には、制御部１２は、各学習済みモデル３０のバージョン名２５において、メジャーバージョン、マイナーバージョン、および、パッチバージョンの各々を比較し、バージョン名２５が最新であるか否かを判定する。
【0055】
（複数の学習済みモデルの表示）
ここで、学習済みモデル３０（図１参照）用いて解析対象データ２０（図１参照）の解析を行う際に、教師データ２１（図１参照）および学習パラメータ２３（図１参照）の少なくともいずれかを変更して複数の学習済みモデル３０を生成し、解析精度が最も高い学習済みモデル３０を用いて解析を行うことが考えられる。この場合、解析目的が同一でバージョンが異なる複数の学習済みモデル３０が生成されるため、複数の学習済みモデル３０を表示部２ａ（図１参照）において一覧表示させる構成の場合、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を、一見して把握することが困難になる。そこで、本実施形態では、制御部１２（図１参照）は、解析目的が同一でバージョンが異なる複数の学習済みモデル３０を比較可能に表示するように構成されている。
ここで、学習済みモデル３０（図１参照）用いて解析対象データ２０（図１参照）の解析を行う際に、教師データ２１（図１参照）および学習パラメータ２３（図１参照）の少なくともいずれかを変更して複数の学習済みモデル３０を生成し、解析精度が最も高い学習済みモデル３０を用いて解析を行うことが考えられる。この場合、解析目的が同一でバージョンが異なる複数の学習済みモデル３０が生成されるため、複数の学習済みモデル３０を表示部２ａ（図１参照）において一覧表示させる構成の場合、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を、一見して把握することが困難になる。そこで、本実施形態では、制御部１２（図１参照）は、解析目的が同一でバージョンが異なる複数の学習済みモデル３０を比較可能に表示するように構成されている。
【0056】
【0057】
図４に示す学習済みモデル表示画面４１は、記憶部１１（図１参照）に記憶された複数の学習済みモデル３０を表示する画面である。学習済みモデル表示画面４１は、学習済みモデル表示領域４１ａを含む。なお、学習済みモデル表示画面４１に表示される複数の学習済みモデル３０は、互いに解析目的（図１参照）が異なる学習済みモデル３０である。言い換えると、学習済みモデル表示画面４１は、解析目的が異なる複数の学習済みモデル３０を一覧表示する画面である。
【0058】
学習済みモデル表示領域４１ａは、名前表示欄４１ｂと、バージョン名表示欄４１ｃと、プロジェクト名表示欄４１ｄとを含む。
【0059】
名前表示欄４１ｂは、学習済みモデル３０の名前を表示する欄である。また、バージョン名表示欄４１ｃは、学習済みモデル３０のバージョン名２５（図２参照）を表示する欄である。また、プロジェクト名表示欄４１ｄは、学習済みモデル３０のプロジェクト名を表示する欄である。また、プロジェクト名表示欄４１ｄには、学習済みモデル３０毎に、詳細ボタン４１ｅおよび更新ボタン４１ｆが表示されている。
【0060】
詳細ボタン４１ｅは、ＧＵＩの押しボタンである。詳細ボタン４１ｅが押下された場合、対応する学習済みモデル３０の詳細画面が表示される。詳細画面は、図５に示すバージョン履歴画面４２と、図６に示す精度評価画面４３とを含む。
【0061】
（学習済みモデルのバージョン履歴の表示）
図５に示すバージョン履歴画面４２は、学習済みモデル表示画面４１（図４参照）において選択された学習済みモデル３０（図１参照）と、選択された学習済みモデル３０と関連付けられた解析目的が同一のバージョンが異なる学習済みモデル３０とを表示する画面である。
図５に示すバージョン履歴画面４２は、学習済みモデル表示画面４１（図４参照）において選択された学習済みモデル３０（図１参照）と、選択された学習済みモデル３０と関連付けられた解析目的が同一のバージョンが異なる学習済みモデル３０とを表示する画面である。
【0062】
本実施形態では、制御部１２（図１参照）は、表示部２ａ（図１参照）に表示された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させる制御を行うように構成されている。本実施形態では、制御部１２は、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられた解析目的が同一のバージョンが異なる学習済みモデル３０とを同一画面上に表示させる制御を行うように構成されている。具体的には、制御部１２は、バージョン履歴画面４２を表示部２ａに表示させる制御を行うことにより、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられた解析目的が同一のバージョンが異なる学習済みモデル３０とを同一画面上に表示させるように構成されている。なお、画面をスクロールすることにより表示される学習済みモデル３０は、同一画面上に表示される学習済みモデル３０に含まれる。
【0063】
バージョン履歴画面４２は、複数の学習済みモデル３０の詳細情報を表示する詳細情報表示欄４２ａを含む。図５に示す例では、「学習済みモデルＡ」のうち、互いにバージョン名２５（図２参照）が異なる３つの詳細情報表示欄４２ａと、バージョン名２５が同じで、検証用データセットが異なる詳細情報表示欄４２ａを含む。具体的には、図５に示す例では、バージョン名２５が「１．０．０」で、検証用データセットがデータセットＡ、バージョン名２５が「１．０．０．」で、検証用データセットがデータセットＢ、バージョン名２５が「１．０．１」で、検証用データセットがデータセットＡ、バージョン名２５が「２．０．０」で、検証用データセットがデータセットＡ、の４つの詳細情報表示欄４２ａを含む。
【0064】
詳細情報表示欄４２ａの各々は、バージョン名表示欄４２ｂ、名前表示欄４２ｃ、モデル名表示欄４２ｄ、データセット表示欄４２ｅ、学習済みモデル表示欄４２ｆ、概要表示欄４２ｇ、学習パラメータ表示欄４２ｈ、検証データセット表示欄４２ｉ、推論用パラメータ表示欄４２ｊ、および、精度表示欄４２ｋを含む。
【0065】
バージョン名表示欄４２ｂは、学習済みモデル３０のバージョン名２５を表示する表示欄である。また、名前表示欄４２ｃは、学習済みモデル３０の名前を表示する表示欄である。また、モデル名表示欄４２ｄは、学習済みモデル３０を生成する際に用いた学習用モデルのアルゴリズム２４（図１参照）を表示する表示欄である。また、データセット表示欄４２ｅは、学習済みモデル３０を生成した際に用いた教師データ２１を表示する表示欄である。また、学習済みモデル表示欄４２ｆは、学習済みモデル３０を生成する際に用いた学習済みモデル３０を表示欄である。また、概要表示欄４２ｇは、学習済みモデル３０を生成する際に操作者が入力した概要を表示する表示欄である。また、学習パラメータ表示欄４２ｈは、学習済みモデル３０を生成する際に用いた学習パラメータ２３（図１参照）を表示する表示欄である。また、検証データセット表示欄４２ｉは、生成した学習済みモデル３０によって解析した解析対象データ２０（図1参照）を表示する表示欄である。また、推論用パラメータ表示欄４２ｊは、生成した学習済みモデル３０を用いて解析対象データ２０を解析する際に設定された推論用パラメータを表示する表示欄である。また、精度表示欄４２ｋは、生成した学習済みモデル３０を用いて解析対象データ２０を解析した際の解析結果の精度に関する情報２２（図１参照）を表示する表示欄である。
【0066】
なお、本実施形態では、解析部１２ａ（図１参照）は、操作者の操作に基づいて、生成した学習済みモデル３０を用いて、解析対象データ２０の解析を行うように構成されている。制御部１２は、解析部１２ａによって解析対象データ２０の解析を行った際に、解析対象データ２０と、解析の際に設定された推論用パラメータと、解析結果の精度に関する情報２２とを、学習済みモデル３０と関連付けて記憶部１１に記憶している。したがって、制御部１２は、バージョン履歴画面４２の検証データセット表示欄４２ｉ、推論用パラメータ表示欄４２ｊ、および、精度表示欄４２ｋにおいて、生成した学習済みモデル３０によって解析した解析対象データ２０、推論用パラメータ、および、解析結果の精度に関する情報２２を表示することができる。
【0067】
（学習済みモデルの精度評価の表示）
ここで、学習済みモデル３０の改良を行う場合には、教師データ２１（図１参照）および学習パラメータ２３（図１参照）の少なくともいずれかを変更して、複数の学習済みモデル３０の生成を行うことが考えられる。しかしながら、教師データ２１および学習パラメータ２３の少なくともいずれかを変更して複数の学習済みモデル３０を生成したとしても、複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較できない場合、どの学習済みモデル３０が解析対象データ２０の解析に適しているか否かを一見して把握することが困難である。そこで、本実施形態では、制御部１２は、複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させる制御を行うように構成されている。
ここで、学習済みモデル３０の改良を行う場合には、教師データ２１（図１参照）および学習パラメータ２３（図１参照）の少なくともいずれかを変更して、複数の学習済みモデル３０の生成を行うことが考えられる。しかしながら、教師データ２１および学習パラメータ２３の少なくともいずれかを変更して複数の学習済みモデル３０を生成したとしても、複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較できない場合、どの学習済みモデル３０が解析対象データ２０の解析に適しているか否かを一見して把握することが困難である。そこで、本実施形態では、制御部１２は、複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させる制御を行うように構成されている。
【0068】
図６に示す精度評価画面４３は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０（図１参照）の解析結果の精度に関する情報２２（図１参照）を表示する画面である。精度評価画面４３は、解析結果の精度に関する情報２２をグラフ形式で表示するグラフ表示領域４３ａと、解析結果の精度に関する情報２２をマトリクス形式で表示するマトリクス表示領域４３ｂとを含む。
【0069】
図６に示すように、制御部１２（図１参照）は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａ（図１参照）に表示させる制御を行うように構成されている。具体的には、制御部１２は、入力受付部２ｂ（図１参照）によって受け付けた選択の操作入力に基づいて選択された、解析目的が同一の学習済みモデル３０および解析対象データ２０に基づく解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させる制御を行うように構成されている。
【0070】
グラフ表示領域４３ａに表示されたグラフ５０は、縦軸が精度指標（Ａｃｃｕｒａｃｙ）であり、横軸がデータセット名である。また、グラフ５０は、凡例５１に示すように、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を表示する。具体的には、グラフ５０では、第１凡例５１ａ～第３凡例５１ｃに示すように、名前が「学習済みモデルＡ」の学習済みモデル３０のうちの、バージョン名２５（図２参照）が「１．０．０」、「１．０．１」、および、「２．０．０」の学習済みモデル３０の解析結果の精度に関する情報２２を表示している。なお、第１凡例５１ａは、バージョン名２５が「１．０．０」の学習済みモデル３０を示している。また、第２凡例５１ｂは、バージョン名２５が「１．０．１」の学習済みモデル３０を示している。また、第３凡例５１ｃは、バージョン名２５が「２．０．０」の学習済みモデル３０を示している。
【0071】
また、グラフ５０に示す曲線５２ａは、バージョン名２５が「１．０．０」の学習済みモデル３０の解析結果の精度に関する情報２２を示している。また、曲線５２ｂは、バージョン名２５が「１．０．１」の学習済みモデル３０の解析結果の精度に関する情報２２を示している。また、曲線５２ｃは、バージョン名２５が「２．０．０」の学習済みモデル３０の解析結果の精度に関する情報２２を示している。
【0072】
グラフ５０では、各バージョンの学習済みモデル３０に対して、データセットＡ～データセットＤの各々を用いて解析した場合の解析結果の精度に関する情報２２を表示している。すなわち、グラフ５０は、一つのデータセットに着目した場合、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２である第１解析精度情報２２ａを表示しているといえる。また、グラフ５０は、１つのバージョンに着目した場合、互いに異なる解析対象データ２０を解析された際の解析結果の精度に関する情報２２である第２解析精度情報２２ｂを表示しているといえる。言い換えると、制御部１２は、第１解析精度情報２２ａと、第２解析精度情報２２ｂとを、比較可能に表示部２ａに表示させる制御を行うように構成されている。
【0073】
また、マトリクス表示領域４７ｂに表示されるマトリクス５３は、バージョン名表示欄５３ａと、データセット名表示欄５３ｂと、パラメータ表示欄５３ｃと、Ａｃｃｕｒａｃｙ表示欄５３ｄと、ＩｏＵ表示欄５３ｅとを含む。なお、マトリクス５３では、グラフ５０に対応する情報が表示されるが、図６に示す例では、マトリクス５３において、便宜的に、一部の情報のみを表示している。
【0074】
バージョン名表示欄５３ａは、学習済みモデル３０のバージョン名２５を表示する表示欄である。また、データセット名表示欄５３ｂは、学習済みモデル３０を用いて解析した解析対象データ２０の名称を表示する表示欄である。また、パラメータ表示欄５３ｃは、解析対象データ２０の解析を行う際に設定された推論用パラメータを表示する表示欄である。また、Ａｃｃｕｒａｃｙ表示欄５３ｄは、学習済みモデル３０が解析対象データ２０を解析した際のＡｃｃｕｒａｃｙの値を表示する表示欄である。また、ＩｏＵ表示欄５３ｅは、学習済みモデル３０が解析対象データ２０を解析した際のＩｏＵを表示する表示欄である。言い換えると、Ａｃｃｕｒａｃｙ表示欄５３ｄおよびＩｏＵ表示欄５３ｅは、解析結果の精度に関する情報２２を表示する表示欄である。また、図６に示す例では、ＩｏＵ表示欄５３ｅは、ＩｏＵ_１、ＩｏＵ_２、ＩｏＵ_３、および、ＩｏＵ_４の、４つのＩｏＵを表示する表示欄を含む。なお、Ａｃｃｕｒａｃｙとは、学習済みモデル３０が解析対象データ２０を解析した際の推論が正しい割合を示す値である。また、ＩｏＵとは、学習済みモデル３０が解析対象データ２０を解析した際の、推論結果と真の結果とのマッチ度を示す値である。
【0075】
本実施形態では、制御部１２は、操作者が選択した学習済みモデル３０のうちの、操作者が選択したバージョンを表示するバージョン履歴画面４２および精度評価画面４３を表示可能に構成されている。すなわち、制御部１２は、操作者が選択した学習済みモデル３０、および、選択したバージョンに基づいて、記憶部１１（図１参照）から各バージョンに関連付けられた各種データを取得し、バージョン履歴画面４２および精度評価画面４３を表示部２ａに表示させるように構成されている。
【0076】
【0077】
図７に示す解析レシピ設定画面４４は、入力データ設定欄４４ａと、学習済みモデル設定欄４４ｂと、解析結果出力先設定欄４４ｃとを含む。
【0078】
入力データ設定欄４４ａは、学習済みモデル３０に解析させる解析対象データ２０を設定するための設定欄である。また、学習済みモデル設定欄４４ｂは、入力データ設定欄４４ａによって設定された解析対象データ２０を解析する学習済みモデル３０を設定するための設定欄である。また、解析結果出力先設定欄４４ｃは、学習済みモデル３０が解析対象データ２０を解析した際に出力される解析結果の出力先を設定する設定欄である。
【0079】
操作者は、各設定欄において、解析対象データ２０、学習済みモデル３０、および、解析結果の出力先を設定することにより、どのような解析対象データ２０を、どのような学習済みモデル３０を用いて解析し、解析結果をどこに出力するかといった、解析レシピを作成することができる。また、操作者は、作成した解析レシピに基づいて、解析対象データ２０を解析することができる。
【0080】
また、学習済みモデル設定欄４４ｂには、設定ボタン４４ｄが表示されている。設定ボタン４４ｄは、ＧＵＩの押しボタンである。設定ボタン４４ｄが押下された場合、制御部１２は、図８に示す学習済みモデル選択画面４５を表示する。
【0081】
図８に示す学習済みモデル選択画面４５は、学習済みモデル選択欄４５ａと、更新ボタン４５ｂとを含む。学習済みモデル選択欄４５ａは、学習済みモデル３０の選択肢４５ｃを表示する選択欄である。学習済みモデル選択欄４５ａは、たとえば、コンボボックスである。また、更新ボタン４５ｂは、学習済みモデル選択画面４５に表示されるＧＵＩの押しボタンである。
【0082】
【0083】
選択肢４５ｃのうちのいずれかが選択された状態で更新ボタン４５ｂが押下された場合、制御部１２は、選択されたバージョンの学習済みモデル３０を、解析レシピ設定画面４４（図７参照）の学習済みモデル設定欄４４ｂ（図７参照）に設定し、学習済みモデル選択画面４５を閉じる。
【0084】
（学習済みモデルの表示処理）
次に、図９を参照して、本実施形態によるデータ解析システム１００（図１参照）が、複数の学習済みモデル３０（図１参照）を表示部２ａ（図１参照）に表示する処理について説明する。
次に、図９を参照して、本実施形態によるデータ解析システム１００（図１参照）が、複数の学習済みモデル３０（図１参照）を表示部２ａ（図１参照）に表示する処理について説明する。
【0085】
ステップ１０１において、学習済みモデル生成部１２ｂ（図１参照）は、少なくとも教師データ２１（図１参照）を用いて学習済みモデル３０を生成する。本実施形態では、学習済みモデル生成部１２ｂは、教師データ２１、学習パラメータ２３、学習済みモデル３０または学習用モデルのアルゴリズム２４のいずれかを用いて、学習済みモデル３０を生成する。
【0086】
【0087】
ステップ１０３において、制御部１２（図１参照）は、学習済みモデル生成部１２ｂによって生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶する。また、本実施形態では、制御部１２は、ステップ１０３において、複数の学習済みモデル３０の各々に対して、教師データ２１とともに、解析対象データ２０の解析結果の精度に関する情報２２（図１参照）を関連付けて、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を関連付けて記憶する。
【0088】
ステップ１０４において、制御部１２は、記憶された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させる。本実施形態では、制御部１２は、選択された学習済みモデル３０と関連付けられた解析目的が同一のバージョンが異なる学習済みモデル３０とを同一画面上に表示させる。その後、処理は、終了する。
【0089】
なお、ステップ１０３において、制御部１２が教師データ２１とともに、解析結果の精度に関する情報２２を学習済みモデル３０に関連付けて記憶部１１に記憶しない場合、ステップ１０２の処理はスキップできる。
【0090】
【0091】
【0092】
ステップ１１１において、制御部１２は、学習済みモデル表示画面４１（図４参照）において選択された学習済みモデル３０のバージョン名２５と、解析目的が同一のバージョンが異なる複数の学習済みモデル３０のバージョン名２５とを取得する。
【0093】
ステップ１１２において、制御部１２は、バージョン名入力欄４０ｆに入力されたバージョン名２５が最新であるか否かを判定する。具体的には、制御部１２は、バージョン名入力欄４０ｆに入力されたバージョン名２５のメジャーバージョン、マイナーバージョン、および、パッチバージョンと、ステップ１１１において取得した複数の学習済みモデル３０の各々のバージョン名２５のメジャーバージョン、マイナーバージョン、および、パッチバージョンと、を比較する。制御部１２は、バージョン名入力欄４０ｆに入力されたバージョン名２５が最新である場合、処理は、ステップ１１３へ進む。制御部１２は、バージョン名入力欄４０ｆに入力されたバージョン名２５が最新でない場合、処理は、ステップ１１４へ進む。
【0094】
ステップ１１３において、学習済みモデル生成部１２ｂ（図１参照）は、バージョン名入力欄４０ｆに入力されたバージョン名２５を用いて、学習済みモデル３０を生成する。その後、処理は、終了する。
【0095】
また、処理が、ステップ１１２からステップ１１４へ進んだ場合、ステップ１１４において、制御部１２は、バージョン名入力欄４０ｆに入力されたバージョン名２５が最新でない旨を表示する。制御部１２は、たとえば、学習済みモデル生成画面４０上にポップアップ形式で、バージョン名入力欄４０ｆに入力されたバージョン名２５が最新でない旨を表示する。また、制御部１２は、学習済みモデル生成部１２ｂに学習済みモデル３０を生成させない制御を行う。たとえば、制御部１２は、学習済みモデル生成画面４０に表示される生成ボタン４０ｉ（図３参照）を押下不可とする制御を行う。その後、処理は、終了する。
【0096】
（本実施形態の効果）
本実施形態では、以下のような効果を得ることができる。
本実施形態では、以下のような効果を得ることができる。
【0097】
本実施形態では、上記のように、データ解析システム１００は、学習済みモデル３０を用いて解析対象のデータである解析対象データ２０を解析するデータ解析システムであって、解析対象データ２０を取得するデータ取得部１０と、学習済みモデル３０を用いて解析対象データ２０を解析する解析部１２ａと、少なくとも教師データ２１を用いて学習済みモデル３０を生成する学習済みモデル生成部１２ｂと、学習済みモデル生成部１２ｂによって生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶する記憶部１１と、記憶部１１に記憶された複数の学習済みモデル３０を表示する表示部２ａと、表示部２ａに表示された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させる制御を行う制御部１２と、を備える。
【0098】
これにより、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とが同一画面上に表示されるので、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することができる。その結果、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することができる。これにより、操作者は、解析対象データ２０の解析を行う際に、バージョンが異なる複数の学習済みモデル３０のうちから、解析対象データ２０の解析に用いる学習済みモデル３０を選択する作業を効率的に行うことができる。
【0099】
また、本実施形態では、上記のように、データ解析方法は、学習済みモデル３０を用いて解析対象のデータである解析対象データ２０を解析するデータ解析方法であって、少なくとも教師データ２１を用いて学習済みモデル３０を生成するステップと、学習済みモデル生成部１２ｂによって生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶するステップと、記憶された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させるステップと、を備える。
【0100】
これにより、上記データ解析システム１００と同様に、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することが可能となるので、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することが可能なデータ解析方法を提供することができる。その結果、操作者が解析対象データ２０の解析を行う際に、バージョンが異なる複数の学習済みモデル３０のうちから、解析対象データ２０の解析に用いる学習済みモデル３０を選択する作業を効率的に行うことが可能なデータ解析方法を提供することできる。
【0101】
また、上記実施形態では、以下のように構成したことによって、下記のような更なる効果が得られる。
【0102】
すなわち、本実施形態では、上記のように、記憶部１１は、複数の学習済みモデル３０の各々に対して、教師データ２１とともに、解析対象データ２０の解析結果の精度に関する情報２２を関連付けて、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を関連付けて記憶するように構成されている。これにより、解析目的が同一の複数の学習済みモデル３０における解析対象データ２０の解析結果の精度に関する情報２２を操作者に比較可能に提示することができる。その結果、各学習済みモデル３０の解析結果の精度に関す情報２２を操作者に比較可能に提示することが可能となるので、操作者は、解析目的が同一の複数の学習済みモデル３０のうちから、解析対象データ２０の解析に適した学習済みモデル３０選択する作業を、より効果的に行うことができる。
【0103】
また、本実施形態では、上記のように、制御部１２は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させる制御を行うように構成されている。操作者は、解析結果の精度に関する情報２２を比較することにより、解析目的が同一の複数の学習済みモデル３０のうち、解析対象データ２０の解析に適した学習済みモデル３０を一見して容易に判別することができる。その結果、操作者は、解析対象データ２０の解析を行う際に、解析精度の高い学習済みモデル３０を容易に選択することができる。
【0104】
また、本実施形態では、上記のように、操作者の選択の操作入力を受け付ける入力受付部２ｂをさらに備え、制御部１２は、入力受付部２ｂによって受け付けた選択の操作入力に基づいて選択された、解析目的が同一の学習済みモデル３０および解析対象データ２０に基づく解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させる制御を行うように構成されている。これにより、操作者は、選択した学習済みモデル３０と解析目的が同一で、バージョンが異なる複数の学習済みモデル３０のうち、解析対象データ２０の解析に適した学習済みモデル３０を容易に判別することができる。したがって、操作者は、解析対象データ２０の解析に適した学習済みモデル３０を容易に選択することができる。その結果、解析対象データ２０の解析に適した学習済みモデル３０を選択する際の作業効率をより向上させることができる。
【0105】
また、本実施形態では、上記のように、記憶部１１は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２である第１解析精度情報２２ａと、バージョンが同じ学習済みモデル３０に対して、互いに異なる解析対象データ２０を解析させた際の解析結果の精度に関する情報２２である第２解析精度情報２２ｂと、を関連付けて記憶するように構成されており、制御部１２は、第１解析精度情報２２ａと、第２解析精度情報２２ｂとを、比較可能に表示部２ａに表示させる制御を行うように構成されている。これにより、解析目的が同一のバージョンが異なる複数の学習済みモデル３０から出力された第１解析精度情報２２ａを比較することにより、操作者は、解析対象データ２０の解析に適した学習済みモデル３０を容易に判別することができる。また、操作者は、第２解析精度情報２２ｂを比較することにより、学習済みモデル３０の解析精度が低下しているか否かを容易に判別することができる。したがって、操作者は、学習済みモデル３０の精度を向上させるために学習済みモデル３０を改良する必要があるか否かを、容易に判別することができる。これらの結果、解析対象データ２０の解析に適した学習済みモデル３０の判別、および、学習済みモデル３０の開量が必要であるか否かの判別を容易に行うことが可能となるので、操作者の利便性（ユーザビリティ）を向上させることができる。
【0106】
また、本実施形態では、上記のように、学習済みモデル生成部１２ｂは、記憶部１１に記憶された複数の学習済みモデル３０のうちの、選択された学習済みモデル３０に基づいて、解析目的が同一のバージョンが異なる学習済みモデル３０を生成することが可能であるように構成されている。これにより、選択された学習済みモデル３０に基づいて、解析目的が同一のバージョンが異なる学習済みモデル３０が生成することが可能であるので、解析目的が同一であり、既に生成された学習済みモデル３０を容易に改良することができる。その結果、既に生成された学習済みモデル３０を容易に改良することが可能となるので、解析対象データ２０の解析精度を向上させた学習済みモデル３０を容易に生成することができる。
【0107】
また、本実施形態では、上記のように、学習済みモデル生成部１２ｂは、解析目的が同一の学習済みモデル３０が選択された状態で学習済みモデル３０が生成される場合、教師データ２１、または、学習済みモデル３０を生成する際に設定される学習パラメータ２３のうちの、少なくとも１つが変更された状態で学習することにより、解析目的が同一のバージョンが異なる学習済みモデル３０を生成するように構成されている。これにより、教師データ２１、および、学習パラメータ２３の少なくとも１つを変更することにより、解析目的が同一でバージョンが異なる学習済みモデル３０を容易に生成することができる。したがって、学習済みモデル３０による解析対象データ２０の解析精度を向上させるために、学習済みモデル３０を改良する場合に、解析目的が同一でバージョンが異なる複数の学習済みモデル３０を容易に生成することができる。その結果、学習済みモデル３０による解析対象データ２０の解析精度を向上させるために学習済みモデル３０を効率よく改良することができる。
【0108】
また、本実施形態では、上記のように、制御部１２は、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する際に、記憶部１１に記憶された複数のバージョンの学習済みモデル３０を選択可能に表示部２ａに表示させる制御を行うように構成されている。これにより、既に生成済みの解析目的が同一でバージョンが異なる学習済みモデル３０を選択し、改良して新たなバージョンの学習済みモデル３０を生成する場合に、操作者は、解析目的が同一でバージョンが異なる学習済みモデル３０を容易に把握することができる。その結果、操作者の利便性（ユーザビリティ）を向上させることができる。
【0109】
また、本実施形態では、上記のように、制御部１２は、解析目的が同一のバージョンが異なる学習済みモデル３０が生成された場合に、最新バージョンの学習済みモデル３０を選択肢として順次追加していく制御を行うように構成されている。ここで、解析目的が同一のバージョンが異なる学習済みモデル３０を生成した場合、解析対象データ２０の解析の精度は、必ずしも向上するとは限らない。そのため、たとえば、解析目的が同一のバージョンが異なる学習済みモデル３０を生成された場合に、最新バージョンの学習済みモデル３０を用いて解析対象データ２０の解析を行うように自動的に設定する構成の場合、解析対象データ２０の解析精度が低下する場合がある。そこで、上記のように、最新バージョンの学習済みモデル３０を選択肢として順次追加していく制御を行うように構成することにより、最新バージョンの学習済みモデル３０が、解析対象データ２０の解析を行う学習済みモデル３０として自動的に設定されることを抑制することができる。その結果、最新バージョンの学習済みモデル３０が、解析対象データ２０の解析を行う学習済みモデル３０として自動的に設定されることにより、解析対象データ２０の解析精度が低下することを抑制することができる。
【0110】
また、本実施形態では、上記のように、操作者の入力を受け付ける入力受付部２ｂをさらに備え、制御部１２は、入力受付部２ｂによって入力されたバージョン名２５が、命名規則に基づいた最新のバージョン名２５であるか否かを判定し、命名規則に基づいた最新のバージョン名２５でない場合、学習済みモデル生成部１２ｂに学習済みモデル３０を生成させない制御を行うように構成されている。これにより、解析目的が同一でバージョンが異なる学習済みモデル３０のバージョン名２５が過去のバージョン名２５から派生した別系統のバージョンの学習済みモデル３０が生成されることを抑制することができる。その結果、解析目的が同一の学習済みモデル３０のバージョン名２５の管理が複雑化することを抑制することができる。
【0111】
また、本実施形態では、上記のように、記憶部１１は、学習用モデルのアルゴリズム２４が同一であり、教師データ２１、または、学習済みモデル３０を生成する際に設定される学習パラメータ２３のうちの、少なくとも１つが変更された状態で生成された学習済みモデル３０を、バージョンが異なる学習済みモデル３０として関連付けて記憶するように構成されている。ここで、学習用モデルのアルゴリズム２４のバージョンが更新された場合、データ解析システム１００における解析動作を担保できない場合がある。解析動作を担保できない学習済みモデル３０を関連付けて記憶すると、データ解析システム１００の保守作業が煩雑化する。そこで、上記のように構成することにより、学習用モデルのアルゴリズム２４が互いに異なる学習済みモデル３０同士を、互いに異なる系統でバージョン管理することができる。したがって、解析動作を担保できない可能性がある学習済みモデル３０をバージョン管理に含めることを防止することができる。その結果、データ解析システム１００の保守作業が煩雑化することを抑制することができる。
【0112】
また、本実施形態では、上記のように、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶するステップにおいて、複数の学習済みモデル３０の各々に対して、教師データ２１とともに、解析対象データ２０の解析結果の精度に関する情報２２を関連付けて、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を関連付けて記憶する。これにより、解析目的が同一の複数の学習済みモデル３０における解析対象データ２０の解析結果の精度に関する情報２２を操作者に比較可能に提示することができる。その結果、各学習済みモデル３０の解析結果の精度に関す情報２２を操作者が比較可能に提示することが可能となるので、解析目的が同一の複数の学習済みモデル３０のうちから、解析対象データ２０の解析に適した学習済みモデル３０を操作者に容易に選択させることが可能なデータ解析方法を提供することができる。
【0113】
［変形例］
今回開示された実施形態は、全ての点で例示であり制限的なものではないと考えられるべきである。本発明の範囲は上記実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内での全ての変更（変形例）が含まれる。
今回開示された実施形態は、全ての点で例示であり制限的なものではないと考えられるべきである。本発明の範囲は上記実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内での全ての変更（変形例）が含まれる。
【0114】
たとえば、上記実施形態では、データ解析システム１００が、いわゆる、オンプレミスのシステムとして構成される例を示したが、本発明はこれに限られない。たとえば、図１１に示す第１変形例のように、データ解析システム２００は、いわゆる、クラウドサービス型のシステムとして構成されていてもよい。
【0115】
図１１に示す第１変形例では、サーバ１と解析データ表示装置２とは、ネットワーク９１を介して接続されている。ネットワーク９１は、たとえばインターネットでありうる。第１変形例では、ネットワーク９１がインターネットであるため、データ解析システム２００は、いわゆる、クラウドコンピューティングの形態で構築されるシステムとして構成される。このように構成しても、上記実施形態によるデータ解析システム１００と同様に、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することが可能さデータ解析システム２００を提供することができる。
【0116】
また、上記実施形態では、データ解析システム１００が、サーバ１と、解析データ表示装置２とが互いに異なる装置である構成の例を示したが、本発明はこれに限られない。たとえば、図１２に示すデータ解析装置３００のように、１つの情報処理装置において構成されてもよい。
【0117】
図１２に示すように、データ解析装置３００は、データ取得部３１０と、記憶部３１１と、制御部３１２と、表示部３１３と、入力受付部３１４とを備える。
【0118】
データ解析装置３００が備えるデータ取得部３１０、記憶部３１１、および、制御部３１２は、上記実施形態によるデータ解析システム１００が備えるデータ取得部１０，記憶部１１、および、制御部１２と同様の構成であるため、詳細な説明は省略する。
【0119】
また、制御部３１２は、解析部３１２ａおよび学習済みモデル生成部３１２ｂを備える。解析部３１２ａ、および、学習済みモデル生成部３１２ｂは、上記実施形態による解析部１２ａ、および、学習済みモデル生成部１２ｂと同様の構成であるため、詳細な説明は省略する。
【0120】
また、第２変形例によるデータ解析装置３００が備える表示部３１３および入力受付部３１４は、上記実施形態によるデータ解析システム１００が備える表示部２ａ、および、入力受付部２ｂと同様の構成であるため、詳細な説明は省略する。
【0121】
第２変形例によるデータ解析装置３００は、上記のように、学習済みモデル３０を用いて解析対象のデータである解析対象データ２０を解析するデータ解析装置であって、解析対象データ２０を取得するデータ取得部３１０と、学習済みモデル３０を用いて解析対象データ２０を解析する解析部３１２ａと、少なくとも教師データ２１を用いて学習済みモデル３０を生成する学習済みモデル生成部３１２ｂと、学習済みモデル生成部３１２ｂによって生成された複数の学習済みモデル３０の各々を生成する際に使用した教師データ２１と関連付けるとともに、解析目的が同一であり、バージョンが異なる複数の学習済みモデル３０を関連付けて記憶する記憶部３１１と、記憶部３１１に記憶された複数の学習済みモデル３０を表示する表示部３１３と、表示部３１３に表示された複数の学習済みモデル３０のうち、選択された学習済みモデル３０と、選択された学習済みモデル３０と関連付けられたバージョンが異なる学習済みモデル３０とを同一画面上に表示させる制御を行う制御部３１２と、を備える。
【0122】
これにより、上記データ解析システム１００と同様に、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することが可能となるので、バージョンが異なる複数の学習済みモデル３０を一見して容易に把握することが可能なデータ解析装置３００を提供することができる。その結果、操作者が解析対象データ２０の解析を行う際に、バージョンが異なる複数の学習済みモデル３０のうちから、解析対象データ２０の解析に用いる学習済みモデル３０を選択する作業を効率的に行うことが可能なデータ解析装置３００を提供することできる。
【0123】
また、上記実施遺体では、制御部１２が、選択された学習済みモデル３０と関連付けられた解析目的が同一のバージョンが異なる複数の学習済みモデル３０とを同一画面上に表示させる制御を行う構成の例を示したが、本発明はこれに限られない。たとえば、制御部は、選択された学習済みモデル３０とバージョンが異なる複数の学習済みモデル３０であれば、解析目的が同一でない複数の学習済みモデル３０を同一画面上に表示させるように構成されていてもよい。
【0124】
また、上記実施形態では、記憶部１１が、複数の学習済みモデル３０の各々に対して、教師データ２１とともに、解析対象データ２０の解析結果の精度に関する情報２２を関連付けて記憶する構成の例を示したが、本発明はこれに限られない。たとえば、記憶部１１は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０を記憶していれば、複数の学習済みモデル３０の各々に対して解析対象データ２０の解析結果の精度に関する情報２２を関連付けて記憶しなくてもよい。しかしながら、記憶部１１が、複数の学習済みモデル３０の各々に対して解析対象データ２０の解析結果の精度に関する情報２２を関連付けて記憶しない構成の場合、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を操作者に比較可能に提示することが困難になる。したがって、記憶部１１は、複数の学習済みモデル３０の各々に対して、教師データ２１とともに、解析対象データ２０の解析結果の精度に関する情報２２を関連付けて記憶するように構成されることが好ましい。
【0125】
また、上記実施形態では、制御部１２が、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させる構成の例を示したが、本発明はこれに限られない。制御部１２は、選択された学習済みモデル３０と、選択された学習済みモデル３０と解析目的が同一のバージョンが異なる学習済みモデル３０とを同一画面上に表示すれば、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させなくてもよい。しかしながら、制御部１２が、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させない構成の場合、操作者が、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を容易に比較することが困難になる。したがって、制御部１２は、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２を比較可能に表示部２ａに表示させるように構成されることが好ましい。
【0126】
また、上記実施形態では、記憶部１１が、解析目的が同一のバージョンが異なる複数の学習済みモデル３０の解析結果の精度に関する情報２２として、第１解析精度情報２２ａおよび第２解析精度情報２２ｂを、学習済みモデル３０と関連付けて記憶する構成の例を示したが、本発明はこれに限られない。たとえば、記憶部１１は、第１解析精度情報２２ａおよび第２解析精度情報２２ｂの少なくとも一方を、学習済みモデル３０と関連付けて記憶するように構成されていてもよい。
【0127】
また、上記実施形態では、制御部１２が、第１解析精度情報２２ａおよび第２解析精度情報２２ｂを比較可能に表示部２ａに表示させる制御を行う構成の例を示したが、本発明はこれに限られない。たとえば、制御部１２は、第１解析精度情報２２ａおよび第２解析精度情報２２ｂのいずれかを、比較可能に表示部２ａに表示させる制御を行うように構成されていてもよい。
【0128】
また、上記実施形態では、学習済みモデル生成部１２ｂが、記憶部１１に記憶された複数の学習済みモデル３０のうちの、選択された学習済みモデル３０に基づいて、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する構成の例を示したが、本発明はこれに限られない。たとえば、学習済みモデル生成部１２ｂは、選択された学習済みモデル３０ではなく、教師データ２１および学習パラメータ２３の少なくともいずれかが異なり、同一の解析目的の学習用モデルのアルゴリズム２４に基づいて学習済みモデル３０を生成するように構成されていてもよい。
【0129】
また、上記実施形態では、制御部１２が、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する際に、記憶部１１に記憶された複数のバージョンの学習済みモデル３０を選択可能に表示部２ａに表示させる制御を行う構成の例を示したが、本発明はこれに限られない。たとえば、制御部１２は、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する際に、記憶部１１に記憶された複数のバージョンの学習済みモデル３０を選択可能に表示部２ａに表示させなくてもよい。しかしながら、制御部１２が、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する際に、記憶部１１に記憶された複数のバージョンの学習済みモデル３０を選択可能に表示部２ａに表示させないように構成されている場合、操作者は、解析目的が同一のバージョンが異なる学習済みモデル３０を把握することが困難になる。したがって、制御部１２は、解析目的が同一のバージョンが異なる学習済みモデル３０を生成する際に、記憶部１１に記憶された複数のバージョンの学習済みモデル３０を選択可能に表示部２ａに表示させる制御を行うように構成されることが好ましい。
【0130】
また、上記実施形態では、制御部１２が、解析目的が同一のバージョンが異なるが生成された場合に、最新バージョンの学習済みモデル３０を選択肢として順次追加していく制御を行うように構成される例を示したが、本発明はこれに限られない。たとえば、制御部１２は、最新バージョンの学習済みモデル３０を、選択肢として追加しなくてもよい。
【0131】
また、上記実施形態では、制御部１２が、入力受付部２ｂによって入力されたバージョン名２５が、命名規則に基づいた最新のバージョン名２５であるか否かを判定し、命名規則に基づいた最新のバージョン名２５でない場合、学習済みモデル生成部１２ｂに学習済みモデル３０を生成させない制御を行う構成の例を示したが、本発明はこれに限られない。たとえば、制御部１２は、入力受付部２ｂによって入力されたバージョン名２５が、命名規則に基づいた最新のバージョン名２５でない場合でも、学習済みモデル生成部１２ｂによって学習済みモデル３０を生成するように構成されていてもよい。しかしながら、制御部１２が、入力受付部２ｂによって入力されたバージョン名２５が、命名規則に基づいた最新のバージョン名２５でない場合でも学習済みモデル生成部１２ｂに学習済みモデル３０を生成させる制御を行う場合、生成された学習済みモデル３０のバージョン名２５の管理が煩雑になる。したがって、制御部１２は、入力受付部２ｂによって入力されたバージョン名２５が、命名規則に基づいた最新のバージョン名２５でない場合、学習済みモデル生成部１２ｂに学習済みモデル３０を生成させない制御を行うように構成されることが好ましい。
【0132】
また、上記実施形態では、制御部１２が、学習用モデルのアルゴリズム２４が同一であり、教師データ２１、または、学習済みモデル３０を生成する際に設定される学習パラメータ２３のうちの、少なくとも１つが変更された状態で生成された学習済みモデル３０を、バージョンが異なる学習済みモデル３０として関連付けて記憶する制御を行う構成の例を示したが、本発明はこれに限られない。たとえば、制御部１２は、教師データ２１および学習済みモデル３０を生成する際に設定される学習パラメータ２３が同一であり、学習用モデルのアルゴリズム２４のバージョンが変更された状態で生成された学習済みモデル３０を、バージョンが異なる学習済みモデル３０として関連付けて記憶する制御を行うように構成されてよい。しかしながら、学習用モデルのアルゴリズム２４のバージョンが更新された場合、生成された学習済みモデル３０が正常に動作しない場合がある。したがって、制御部１２は、学習用モデルのアルゴリズム２４が同一であり、教師データ２１、または、学習済みモデル３０を生成する際に設定される学習パラメータ２３のうちの、少なくとも１つが変更された状態で生成された学習済みモデル３０を、バージョンが異なる学習済みモデル３０として関連付けて記憶する制御を行うように構成されることが好ましい。
【0133】
［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
【0134】
（項目１）
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析システムであって、
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析システム。
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析システムであって、
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析システム。
【0135】
（項目２）
前記記憶部は、前記複数の学習済みモデルの各々に対して、前記教師データとともに、前記解析対象データの解析結果の精度に関する情報を関連付けて、解析目的が同一のバージョンが異なる前記複数の学習済みモデルを関連付けて記憶するように構成されている、項目１に記載のデータ解析システム。
前記記憶部は、前記複数の学習済みモデルの各々に対して、前記教師データとともに、前記解析対象データの解析結果の精度に関する情報を関連付けて、解析目的が同一のバージョンが異なる前記複数の学習済みモデルを関連付けて記憶するように構成されている、項目１に記載のデータ解析システム。
【0136】
（項目３）
前記制御部は、解析目的が同一のバージョンが異なる前記複数の学習済みモデルの前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、項目２に記載のデータ解析システム。
前記制御部は、解析目的が同一のバージョンが異なる前記複数の学習済みモデルの前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、項目２に記載のデータ解析システム。
【0137】
（項目４）
操作者の選択の操作入力を受け付ける入力受付部をさらに備え、
前記制御部は、前記入力受付部によって受け付けた前記選択の操作入力に基づいて選択された、解析目的が同一の前記学習済みモデルおよび前記解析対象データに基づく前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、項目２または３に記載のデータ解析システム。
操作者の選択の操作入力を受け付ける入力受付部をさらに備え、
前記制御部は、前記入力受付部によって受け付けた前記選択の操作入力に基づいて選択された、解析目的が同一の前記学習済みモデルおよび前記解析対象データに基づく前記解析結果の精度に関する情報を比較可能に前記表示部に表示させる制御を行うように構成されている、項目２または３に記載のデータ解析システム。
【0138】
（項目５）
前記記憶部は、解析目的が同一のバージョンが異なる前記複数の学習済みモデルの前記解析結果の精度に関する情報である第１解析精度情報と、バージョンが同じ前記学習済みモデルに対して、互いに異なる前記解析対象データを解析させた際の前記解析結果の精度に関する情報である第２解析精度情報と、を関連付けて記憶するように構成されており、
前記制御部は、前記第１解析精度情報と、前記第２解析精度情報とを、比較可能に前記表示部に表示させる制御を行うように構成されている、項目３または４に記載のデータ解析システム。
前記記憶部は、解析目的が同一のバージョンが異なる前記複数の学習済みモデルの前記解析結果の精度に関する情報である第１解析精度情報と、バージョンが同じ前記学習済みモデルに対して、互いに異なる前記解析対象データを解析させた際の前記解析結果の精度に関する情報である第２解析精度情報と、を関連付けて記憶するように構成されており、
前記制御部は、前記第１解析精度情報と、前記第２解析精度情報とを、比較可能に前記表示部に表示させる制御を行うように構成されている、項目３または４に記載のデータ解析システム。
【0139】
（項目６）
前記学習済みモデル生成部は、前記記憶部に記憶された前記複数の学習済みモデルのうちの、選択された前記学習済みモデルに基づいて、解析目的が同一のバージョンが異なる前記学習済みモデルを生成することが可能であるように構成されている、項目２～４のいずれか１項に記載のデータ解析システム。
前記学習済みモデル生成部は、前記記憶部に記憶された前記複数の学習済みモデルのうちの、選択された前記学習済みモデルに基づいて、解析目的が同一のバージョンが異なる前記学習済みモデルを生成することが可能であるように構成されている、項目２～４のいずれか１項に記載のデータ解析システム。
【0140】
（項目７）
前記学習済みモデル生成部は、解析目的が同一の前記学習済みモデルが選択された状態で前記学習済みモデルが生成される場合、前記教師データ、または、前記学習済みモデルを生成する際に設定される学習パラメータのうちの、少なくとも１つが変更された状態で学習することにより、解析目的が同一のバージョンが異なる前記学習済みモデルを生成するように構成されている、項目６に記載のデータ解析システム。
前記学習済みモデル生成部は、解析目的が同一の前記学習済みモデルが選択された状態で前記学習済みモデルが生成される場合、前記教師データ、または、前記学習済みモデルを生成する際に設定される学習パラメータのうちの、少なくとも１つが変更された状態で学習することにより、解析目的が同一のバージョンが異なる前記学習済みモデルを生成するように構成されている、項目６に記載のデータ解析システム。
【0141】
（項目８）
前記制御部は、解析目的が同一のバージョンが異なる前記学習済みモデルを生成する際に、前記記憶部に記憶された複数のバージョンの前記学習済みモデルを選択可能に前記表示部に表示させる制御を行うように構成されている、項目７に記載のデータ解析システム。
前記制御部は、解析目的が同一のバージョンが異なる前記学習済みモデルを生成する際に、前記記憶部に記憶された複数のバージョンの前記学習済みモデルを選択可能に前記表示部に表示させる制御を行うように構成されている、項目７に記載のデータ解析システム。
【0142】
（項目９）
前記制御部は、解析目的が同一のバージョンが異なる前記学習済みモデルが生成された場合に、最新バージョンの前記学習済みモデルを選択肢として順次追加していく制御を行うように構成されている、項目1～８のいずれか１項に記載のデータ解析システム。
前記制御部は、解析目的が同一のバージョンが異なる前記学習済みモデルが生成された場合に、最新バージョンの前記学習済みモデルを選択肢として順次追加していく制御を行うように構成されている、項目1～８のいずれか１項に記載のデータ解析システム。
【0143】
（項目１０）
操作者の入力を受け付ける入力受付部をさらに備え、
前記制御部は、前記入力受付部によって入力されたバージョン名が、命名規則に基づいた最新のバージョン名であるか否かを判定し、命名規則に基づいた最新のバージョン名でない場合、前記学習済みモデル生成部に前記学習済みモデルを生成させない制御を行うように構成されている、項目１～３のいずれか１項に記載のデータ解析システム。
操作者の入力を受け付ける入力受付部をさらに備え、
前記制御部は、前記入力受付部によって入力されたバージョン名が、命名規則に基づいた最新のバージョン名であるか否かを判定し、命名規則に基づいた最新のバージョン名でない場合、前記学習済みモデル生成部に前記学習済みモデルを生成させない制御を行うように構成されている、項目１～３のいずれか１項に記載のデータ解析システム。
【0144】
（項目１１）
前記記憶部は、学習用モデルのアルゴリズムが同一であり、前記教師データ、または、前記学習済みモデルを生成する際に設定される学習パラメータのうちの、少なくとも１つが変更された状態で生成された前記学習済みモデルを、バージョンが異なる前記学習済みモデルとして関連付けて記憶するように構成されている、項目１～１０のいずれか１項に記載のデータ解析システム。
前記記憶部は、学習用モデルのアルゴリズムが同一であり、前記教師データ、または、前記学習済みモデルを生成する際に設定される学習パラメータのうちの、少なくとも１つが変更された状態で生成された前記学習済みモデルを、バージョンが異なる前記学習済みモデルとして関連付けて記憶するように構成されている、項目１～１０のいずれか１項に記載のデータ解析システム。
【0145】
（項目１２）
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析装置であって、
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析装置。
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析装置であって、
前記解析対象データを取得するデータ取得部と、
前記学習済みモデルを用いて前記解析対象データを解析する解析部と、
少なくとも教師データを用いて前記学習済みモデルを生成する学習済みモデル生成部と、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶する記憶部と、
前記記憶部に記憶された前記複数の学習済みモデルを表示する表示部と、
前記表示部に表示された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させる制御を行う制御部と、を備える、データ解析装置。
【0146】
（項目１３）
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析方法であって、
少なくとも教師データを用いて前記学習済みモデルを生成するステップと、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップと、
記憶された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させるステップと、を備える、データ解析方法。
学習済みモデルを用いて解析対象のデータである解析対象データを解析するデータ解析方法であって、
少なくとも教師データを用いて前記学習済みモデルを生成するステップと、
前記学習済みモデル生成部によって生成された複数の前記学習済みモデルの各々を生成する際に使用した前記教師データと関連付けるとともに、解析目的が同一であり、バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップと、
記憶された前記複数の学習済みモデルのうち、選択された前記学習済みモデルと、選択された前記学習済みモデルと関連付けられたバージョンが異なる前記学習済みモデルとを同一画面上に表示させるステップと、を備える、データ解析方法。
【0147】
（項目１４）
バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップにおいて、前記複数の学習済みモデルの各々に対して、前記教師データとともに、前記解析対象データの解析結果の精度に関する情報を関連付けて、解析目的が同一のバージョンが異なる前記複数の学習済みモデルを関連付けて記憶する、項目１３に記載のデータ解析方法。
バージョンが異なる前記複数の学習済みモデルを関連付けて記憶するステップにおいて、前記複数の学習済みモデルの各々に対して、前記教師データとともに、前記解析対象データの解析結果の精度に関する情報を関連付けて、解析目的が同一のバージョンが異なる前記複数の学習済みモデルを関連付けて記憶する、項目１３に記載のデータ解析方法。
【符号の説明】
【0148】
２ａ、３１３ 表示部
２ｂ、３１４ 入力受付部
１０、３１０ データ取得部
１１、３１１ 記憶部
１２、３１２ 制御部
１２ａ、３１２ａ 解析部
１２ｂ、３１２ｂ 学習済みモデル生成部
２０ 解析対象データ
２１ 教師データ
２２ 解析結果の精度に関する情報
２２ａ 第１解析精度情報
２２ｂ 第２解析精度情報
２３ 学習パラメータ
２４ 学習用モデルのアルゴリズム
２５ バージョン名
３０、３０ａ、３０ｂ、３０ｃ 学習済みモデル
１００、２００ データ解析システム
３００ データ解析装置
２ｂ、３１４ 入力受付部
１０、３１０ データ取得部
１１、３１１ 記憶部
１２、３１２ 制御部
１２ａ、３１２ａ 解析部
１２ｂ、３１２ｂ 学習済みモデル生成部
２０ 解析対象データ
２１ 教師データ
２２ 解析結果の精度に関する情報
２２ａ 第１解析精度情報
２２ｂ 第２解析精度情報
２３ 学習パラメータ
２４ 学習用モデルのアルゴリズム
２５ バージョン名
３０、３０ａ、３０ｂ、３０ｃ 学習済みモデル
１００、２００ データ解析システム
３００ データ解析装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】