非特許文献２に記載の学習方法は、非特許文献１に記載された方法とは異なり真のラベルが存在しないため、加重平均ではなく、教師モデルの予測ラベルのみを用いる。しかし、未知データが学習データに近しいものでないと、教師モデルの予測ラベルの分布に偏りが生じる可能性がある。例えば、教師モデルが画像を入力とするひらがなの多クラス分類器について、未知データとしてアルファベットの画像しか準備できない場合には、その多クラス分類器はどんなアルファベットに対しても一部のひらがなに偏って分類してしまう可能性がある（例えば、ほとんど「あ」と分類してしまう）。このような場合、生徒モデルは「あ」とそれ以外の２クラス分類の学習しか行えず、教師モデルが持つ本来の識別能力を継承できない。このように、非特許文献２の手法では、未知データを集めても正しい蒸留学習が行えない可能性がある。その理由は、未知データに対する教師モデルの予測ラベルの偏り（以下、「クラスインバランス」と呼ぶ。）が考慮されていないためである。

の課題を解決するため、本発明の１つの観点では、情報処理装置は、 未知データに対する任意ラベルを出力するラベル分布決定手段と、 前記任意ラベルと前記未知データとを入力として、新たな生成データを出力するデータ 生成手段と、 前記生成データを入力とし、教師モデルを用いて生徒モデルの蒸留学習を行う蒸留学習 手段と、 を備え、 前記未知データは、・・・　続きを知財ポータルサイト IP Force にログインして見る