特許 7517297 モデル作成装置、モデル作成方法、及びモデル作成システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-07-08

(45)【発行日】2024-07-17

(54)【発明の名称】モデル作成装置、モデル作成方法、及びモデル作成システム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20240709BHJP

【ＦＩ】

G06N20/00

【請求項の数】 9

(21)【出願番号】P 2021162690

(22)【出願日】2021-10-01

(65)【公開番号】P2023053574

(43)【公開日】2023-04-13

【審査請求日】2023-07-11

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】100099759

【弁理士】

【氏名又は名称】青木 篤

(74)【代理人】

【識別番号】100123582

【弁理士】

【氏名又は名称】三橋 真二

(74)【代理人】

【識別番号】100092624

【弁理士】

【氏名又は名称】鶴田 準一

(74)【代理人】

【識別番号】100147555

【弁理士】

【氏名又は名称】伊藤 公一

(74)【代理人】

【識別番号】100123593

【弁理士】

【氏名又は名称】関根 宣夫

(74)【代理人】

【識別番号】100133835

【弁理士】

【氏名又は名称】河野 努

(74)【代理人】

【識別番号】100153729

【弁理士】

【氏名又は名称】森本 有一

(72)【発明者】

【氏名】岸川 大樹

(72)【発明者】

【氏名】藤井 一樹

(72)【発明者】

【氏名】高巣 祐介

(72)【発明者】

【氏名】江原 雅人

(72)【発明者】

【氏名】岡 尚哉

(72)【発明者】

【氏名】森山 修司

【審査官】山本 俊介

(56)【参考文献】

【文献】国際公開第２０２０／１８４０７０（ＷＯ，Ａ１）

【文献】特開２０２０－１４４５５５（ＪＰ，Ａ）

【文献】特開２０２１－１３５７２６（ＪＰ，Ａ）

【文献】WANG, Leye et al.，Smart City Development With Urban Transfer Learning，arXiv [online]，2018年10月21日，https://arxiv.org/abs/1808.01552，[2024年5月28日検索]

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／００－９９／００

(57)【特許請求の範囲】

【請求項1】

目的環境に適した目的モデルであって目的入力が入力されると目的出力を出力するように構成されている目的モデルを作成するためのモデル作成装置であって、
前記目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定するように構成されている候補モデル決定部であって、前記参照入力及び前記参照出力は、前記参照入力が前記目的入力と異なることと、前記参照出力が前記目的出力と異なることとのうちの一方又は両方を満たしている、候補モデル決定部と、
前記複数の候補モデルに前記目的環境に関連する前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照入力の教師データに対応する前記参照出力の教師データとに基づいて、前記複数の候補環境のなかから基準環境を決定するように構成されている基準環境決定部と、
前記基準環境に適したモデルであって前記目的入力が入力されると前記目的出力を出力するように構成されているモデルを基準モデルに決定するように構成されている基準モデル決定部と、
前記基準モデルに基づいて前記目的モデルを作成するように構成されている目的モデル作成部と、
を備える、モデル作成装置。

【請求項2】

前記参照入力は前記目的入力と異なりかつ前記参照出力は前記目的出力と異なる、請求項１に記載のモデル作成装置。

【請求項3】

前記基準環境決定部は、前記複数の候補モデルに前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照出力の教師データとの間の相関が最も高い候補モデルを決定するとともに、前記相関が最も高い候補モデルが適する前記候補環境を前記基準環境に決定するように構成されている、請求項１又は２に記載のモデル作成装置。

【請求項4】

前記目的モデル作成部は、前記基準モデルをそのまま前記目的モデルとするように構成されている、請求項１から３までのいずれか１項に記載のモデル作成装置。

【請求項5】

前記目的モデル作成部は、前記基準モデルをファインチューニングすることにより前記目的モデルを作成するように構成されている、請求項１から３までのいずれか１項に記載のモデル作成装置。

【請求項6】

前記目的モデル作成部は、前記基準モデルを転移学習することにより前記目的モデルを作成するように構成されている、請求項１から３までのいずれか１項に記載のモデル作成装置。

【請求項7】

前記目的環境及び前記候補環境が街である、請求項１から６までのいずれか１項に記載のモデル作成装置。

【請求項8】

目的環境に適した目的モデルであって目的入力が入力されると目的出力を出力するように構成されている目的モデルを作成するモデル作成方法であって、
前記目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定することであって、前記参照入力及び前記参照出力は、前記参照入力が前記目的入力と異なることと、前記参照出力が前記目的出力と異なることとのうちの一方又は両方を満たしている、複数の候補モデルを決定することと、
前記複数の候補モデルに前記目的環境に関連する前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照入力の教師データに対応する前記参照出力の教師データとに基づいて、前記複数の候補環境のなかから基準環境を決定することと、
前記基準環境に適したモデルであって前記目的入力が入力されると前記目的出力を出力するように構成されているモデルを基準モデルに決定することと、
前記基準モデルに基づいて前記目的モデルを作成することと、
を含む、モデル作成方法。

【請求項9】

目的環境に適した目的モデルであって目的入力が入力されると目的出力を出力するように構成されている目的モデルを作成するためのモデル作成システムであって、
前記目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定するように構成されている候補モデル決定部であって、前記参照入力及び前記参照出力は、前記参照入力が前記目的入力と異なることと、前記参照出力が前記目的出力と異なることとのうちの一方又は両方を満たしている、候補モデル決定部と、
前記目的環境に関連する前記参照入力の教師データと、前記参照入力の教師データに対応する前記参照出力の教師データとを取得するように構成されている教師データ取得部と、
前記複数の候補モデルに前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照出力の教師データとに基づいて、前記複数の候補環境のなかから基準環境を決定するように構成されている基準環境決定部と、
前記基準環境に適したモデルであって前記目的入力が入力されると前記目的出力を出力するように構成されているモデルを基準モデルに決定するように構成されている基準モデル決定部と、
前記基準モデルに基づいて前記目的モデルを作成するように構成されている目的モデル作成部と、
を備える、モデル作成システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示はモデル作成装置、モデル作成方法、及びモデル作成システムに関する。

【背景技術】

【0002】

ユーザ側装置から取得した利用要求に応じて、データベースに予め保管されている複数の学習済みモデルからユーザ側装置の利用目的に適合する１または複数の学習済みモデルを選択してユーザ側装置に提供するための学習済みモデル提供システムが公知である（例えば、特許文献１、段落００３７参照）。特許文献１には、選択された学習済みモデルをファインチューニングしてユーザ側装置に提供することも開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】国際公開第２０１８／１４２７６６号

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１では、ユーザ側装置で必要とされる学習済みモデルを短時間で提供できるかもしれない。しかしながら、特許文献１において、データベースから選択される学習済みモデルは、ユーザ側装置の利用目的に適合するものに限られる。すなわち、ユーザ側装置が要求する学習済みモデルが、例えば、ユーザの顔画像が入力されるとユーザの年齢を出力する学習済みモデルである場合、選択される学習済みモデルは、データベースに保管されている学習済みモデルのうち、ユーザの顔画像が入力されるとユーザの年齢を出力する学習済みモデルに限定される。その結果、選択された学習済みモデルが適切でないおそれがあり、ユーザ側装置に提供された学習済みモデルが正確な結果を与えることができないおそれがある。

【課題を解決するための手段】

【0005】

本開示によれば、以下が提供される。
［構成１］
目的環境に適した目的モデルであって目的入力が入力されると目的出力を出力するように構成されている目的モデルを作成するためのモデル作成装置であって、
前記目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定するように構成されている候補モデル決定部であって、前記参照入力及び前記参照出力は、前記参照入力が前記目的入力と異なることと、前記参照出力が前記目的出力と異なることとのうちの一方又は両方を満たしている、候補モデル決定部と、
前記複数の候補モデルに前記目的環境に関連する前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照入力の教師データに対応する前記参照出力の教師データとに基づいて、前記複数の候補環境のなかから基準環境を決定するように構成されている基準環境決定部と、
前記基準環境に適したモデルであって前記目的入力が入力されると前記目的出力を出力するように構成されているモデルを基準モデルに決定するように構成されている基準モデル決定部と、
前記基準モデルに基づいて前記目的モデルを作成するように構成されている目的モデル作成部と、
を備える、モデル作成装置。
［構成２］
前記参照入力は前記目的入力と異なりかつ前記参照出力は前記目的出力と異なる、構成１に記載のモデル作成装置。
［構成３］
前記基準環境決定部は、前記複数の候補モデルに前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照出力の教師データとの間の相関が最も高い候補モデルを決定するとともに、前記相関が最も高い候補モデルが適する前記候補環境を前記基準環境に決定するように構成されている、構成１又は２に記載のモデル作成装置。
［構成４］
前記目的モデル作成部は、前記基準モデルをそのまま前記目的モデルとするように構成されている、構成１から３までのいずれか１項に記載のモデル作成装置。
［構成５］
前記目的モデル作成部は、前記基準モデルをファインチューニングすることにより前記目的モデルを作成するように構成されている、構成１から３までのいずれか１項に記載のモデル作成装置。
［構成６］
前記目的モデル作成部は、前記基準モデルを転移学習することにより前記目的モデルを作成するように構成されている、構成１から３までのいずれか１項に記載のモデル作成装置。
［構成７］
前記目的環境及び前記候補環境が街である、構成１から６までのいずれか１項に記載のモデル作成装置。
［構成８］
目的環境に適した目的モデルであって目的入力が入力されると目的出力を出力するように構成されている目的モデルを作成するモデル作成方法であって、
前記目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定することであって、前記参照入力及び前記参照出力は、前記参照入力が前記目的入力と異なることと、前記参照出力が前記目的出力と異なることとのうちの一方又は両方を満たしている、複数の候補モデルを決定することと、
前記複数の候補モデルに前記目的環境に関連する前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照入力の教師データに対応する前記参照出力の教師データとに基づいて、前記複数の候補環境のなかから基準環境を決定することと、
前記基準環境に適したモデルであって前記目的入力が入力されると前記目的出力を出力するように構成されているモデルを基準モデルに決定することと、
前記基準モデルに基づいて前記目的モデルを作成することと、
を含む、モデル作成方法。
［構成９］
目的環境に適した目的モデルであって目的入力が入力されると目的出力を出力するように構成されている目的モデルを作成するためのモデル作成システムであって、
前記目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定するように構成されている候補モデル決定部であって、前記参照入力及び前記参照出力は、前記参照入力が前記目的入力と異なることと、前記参照出力が前記目的出力と異なることとのうちの一方又は両方を満たしている、候補モデル決定部と、
前記目的環境に関連する前記参照入力の教師データと、前記参照入力の教師データに対応する前記参照出力の教師データとを取得するように構成されている教師データ取得部と、
前記複数の候補モデルに前記参照入力の教師データをそれぞれ入力して得られる前記参照出力のデータと、前記参照出力の教師データとに基づいて、前記複数の候補環境のなかから基準環境を決定するように構成されている基準環境決定部と、
前記基準環境に適したモデルであって前記目的入力が入力されると前記目的出力を出力するように構成されているモデルを基準モデルに決定するように構成されている基準モデル決定部と、
前記基準モデルに基づいて前記目的モデルを作成するように構成されている目的モデル作成部と、
を備える、モデル作成システム。

【発明の効果】

【0006】

より適切な結果を与えるモデルを、より簡単に作成することができる。

【図面の簡単な説明】

【0007】

【図1】本開示による実施例のモデル作成システムの概略全体図である。

【図2】本開示による実施例のユーザ装置の概略図である。

【図3】本開示による実施例のサーバの概略図である。

【図4】本開示による実施例のモデル作成方法を説明する模式図である。

【図5】本開示による実施例の目的モデル作成ルーチンを示すフローチャートである。

【図6】本開示による実施例のユーザ装置のプロセッサの機能ブロック図である。

【図7】本開示による実施例のサーバのプロセッサの機能ブロック図である。

【発明を実施するための形態】

【0008】

図１は本開示による実施例のモデル作成システム１を概略的に示している。図１を参照すると、本開示による実施例のモデル作成システム１は、ユーザ装置１０及びサーバ２０を備える。本開示による実施例のユーザ装置１０は、目的環境ＥＴに関連付けて設けられる。図１に示される例では、ユーザ装置１０は目的環境ＥＴ内に設置される。一方、図１に示される例では、サーバ２０は目的環境ＥＴ外に設置される。本開示による実施例のユーザ装置１０及びサーバ２０は、インターネットのような通信ネットワークＮを介して互いに通信可能に接続される。

【0009】

本開示による実施例のユーザ装置１０は図２に示されるように、１以上のプロセッサ１１、１以上のメモリ１２、記憶装置１３、及び入出力インターフェース（ＩＦ）１４を備え、これらは双方向性バスによって互いに通信可能に接続される。

【0010】

本開示による実施例のメモリ１２は揮発性又は不揮発性のメモリを含む。メモリ１２には種々のプログラムなどが記憶されており、これらプログラムはプロセッサ１１で実行される。本開示による実施例の記憶装置１３には、作成済みモデルなどが記憶される。

【0011】

本開示による実施例の入出力ＩＦ１４には、通信装置１５、入出力装置１６、及び、１以上のセンサ１７が通信可能に接続される。本開示による実施例の通信装置１５は上述の通信ネットワークＮに通信可能に接続される。本開示による実施例の入出力装置１６には、例えば、キーボード、マウス、メディアリーダ／ライタ、ディスプレイ、などが含まれる。本開示による実施例のセンサ１７は、目的環境ＥＴに関連する１以上のデータを取得する。一例では、センサ１７は目的環境ＥＴ内に設置される。センサ１７は、例えば、目的環境ＥＴの天候に関するデータ（気温、降水量、湿度、など）、交通量、消費電力量、などのうちの１以上を検出する。

【0012】

一方、本開示による実施例のサーバ２０は図３に示されるように、１以上のプロセッサ２１、１以上のメモリ２２、記憶装置２３、入出力インターフェース（ＩＦ）２４を備え、これらは双方向性バスによって互いに通信可能に接続される。

【0013】

本開示による実施例のメモリ２２は揮発性又は不揮発性のメモリを含む。メモリ２２には種々のプログラムなどが記憶されており、これらプログラムはプロセッサ２１で実行される。本開示による実施例の記憶装置２３には、作成済みモデルなどが記憶される。

【0014】

本開示による実施例の入出力ＩＦ２４には、通信装置２５、及び、入出力装置２６が通信可能に接続される。本開示による実施例の通信装置２５は上述の通信ネットワークＮに通信可能に接続される。本開示による実施例の入出力装置２６には、例えば、キーボード、マウス、メディアリーダ／ライタ、ディスプレイ、などが含まれる。

【0015】

さて、本開示による実施例のモデル作成システム１は、目的環境ＥＴに適したモデルを作成する。本開示による実施例において、或る環境に適したモデルは、当該或る環境に関連する入力が入力されると、当該入力に対応する出力であって当該或る環境に関連する出力を出力するのに適している。言い換えると、或る環境に適したモデルは、当該或る環境に関連する入力と当該或る環境に関連する出力との関係を表すのに適している。

【0016】

本開示による実施例において、目的環境ＥＴは、ビッグデータなどを利用するスマートシティ又はコネクティッドシティのような街である。一例では、目的環境ＥＴは新規のスマートシティである。

【0017】

また、本開示による実施例のモデル作成システム１は、目的モデルＭＴを作成する。本開示による実施例の目的モデルＭＴは、目的入力ＩＴが入力されると目的出力ＯＴを出力するモデル、あるいは、入力が目的入力ＩＴであり出力が目的出力ＯＴであるモデルである。なお、本開示による実施例では、モデルは、例えば、ＡＩ又は人工知能、特に機械学習又は深層学習（ディープラーニング）により作成される。また、モデルは、例えば、ニューラルネットワーク、サポートベクターマシン、ランダムフォレスト、などを用いる。一例では、スマートシティの特徴量の推定、車両の自動運転のための制御パラメータの算出、などを行うためにモデルが用いられる。なお、モデルの入力は１以上のパラメータを含む。同様に、モデルの出力は１以上のパラメータを含む。

【0018】

一例では、目的入力ＩＴは目的環境ＥＴにおける気温であり、目的出力ＯＴは目的環境ＥＴにおける消費電力量である。

【0019】

本開示による実施例では目的モデルＭＴが次のようにして作成される。すなわち、まず、目的入力ＩＴ及び目的出力ＯＴがユーザによって入出力装置１６を介しユーザ装置１０に入力される。次いで、ユーザ装置１０では、参照入力ＩＲ及び参照出力ＯＲが設定される。本開示による実施例では、参照入力ＩＲ及び参照出力ＯＲは、参照入力ＩＲが目的入力ＩＴと異なることと、参照出力ＯＲが目的出力ＯＴと異なることのうちの一方又は両方を満たしている。言い換えると、「ＩＲ≠ＩＴかつＯＲ≠ＯＴ」、又は「ＩＲ＝ＩＴかつＯＲ≠ＯＴ」、又は「ＩＲ≠ＩＴかつＯＲ＝ＯＴ」が満たされるように参照入力ＩＲ及び参照出力ＯＲが設定される。更に言い換えると、「ＩＲ＝ＩＴかつＯＲ＝ＯＴ」が満たされないように参照入力ＩＲ及び参照出力ＯＲが設定される。

【0020】

一例では、目的入力ＩＴが目的環境ＥＴにおける気温であり目的出力ＯＴが目的環境ＥＴにおける消費電力量の場合には、参照入力ＩＲは目的環境ＥＴにおける曜日であり、参照出力ＯＲは目的環境ＥＴにおける交通量である。

【0021】

本開示による実施例では次いで、目的環境ＥＴに関連する教師データが取得される。この場合の教師データは、参照入力ＩＲの教師データＩＲＴと、参照入力ＩＲの教師データに対応する参照出力ＯＲの教師データＯＲＴと、を含む。一例では、教師データは目的環境ＥＴ内に設置されたセンサ１７によって取得される。別の例では、目的環境ＥＴに関連してあらかじめ取得された教師データが記憶装置１３又は入出力装置１６から取得される。教師データの取得が完了すると、すなわち例えば取得された教師データの数があらかじめ定められた値に達すると、目的モデルＭＴを作成すべき指示とともに、教師データがユーザ装置１０からサーバ２０に送信される。

【0022】

サーバ２０が当該指示を受信すると、サーバ２０では、サーバ２０の記憶装置２３内に記憶されているモデルのなかから、複数の候補モデルＭＣが決定される。候補モデルＭＣは、目的環境ＥＴとは異なる複数の候補環境ＥＣにそれぞれ適したモデルであって、参照入力ＩＲが入力されると参照出力ＯＲを出力するモデルである。一例では、候補環境ＥＣは既存のスマートシティである。

【0023】

図４には、候補モデルＭＣの一例が示される。図４に示される例の候補モデルＭＣには、候補環境ＥＣＸに適したモデルであって参照入力ＩＲが入力されると参照出力ＯＲを出力するモデルＭＥＣＸ（ＩＲ，ＯＲ）と、候補環境ＥＣＹに適したモデルであって参照入力ＩＲが入力されると参照出力ＯＲを出力するモデルＭＥＣＹ（ＩＲ，ＯＲ）と、候補環境ＥＣＺに適したモデルであって参照入力ＩＲが入力されると参照出力ＯＲを出力するモデルＭＥＣＺ（ＩＲ，ＯＲ）と、が含まれる。ここで、候補環境ＥＣＸ，ＥＣＹ，ＥＣＺは目的環境ＥＴと異なっている。

【0024】

次いで、候補モデルＭＣに参照入力ＩＲの教師データがそれぞれ入力され、候補モデルＭＣからそれぞれ参照出力ＯＲのデータが出力される。

【0025】

図４に示される例では、候補モデルＭＥＣＸ（ＩＲ，ＯＲ）に参照入力ＩＲの教師データＩＲＴが入力され、参照出力ＯＲのデータＯＲＸが出力される。同様に、候補モデルＭＥＣＹ（ＩＲ，ＯＲ），ＭＥＣＺ（ＩＲ，ＯＲ）に参照入力ＩＲの教師データＩＲＴがそれぞれ入力され、参照出力ＯＲのデータＯＲＹ，ＯＲＺがそれぞれ出力される。

【0026】

次いで、候補モデルＭＣの参照出力ＯＲのデータと、参照出力ＯＲの教師データＯＲＴとに基づいて、複数の候補環境ＥＣのなかから基準環境ＥＢが決定される。本開示による実施例では、候補モデルＥＣの参照出力ＯＲのデータと、参照出力ＯＲの教師データＯＲＴとの間の相関が算出される。一例では、この相関は相関係数ＣＣによって表される。

【0027】

図４に示される例では、候補モデルＭＥＣＸ（ＩＲ，ＯＲ）の出力データＯＲＸと、参照出力ＯＲの教師データＯＲＴとの間の相関係数ＣＣＸが算出される。同様に、候補モデルＭＥＣＹ（ＩＲ，ＯＲ），ＭＥＣＺ（ＩＲ，ＯＲ）の出力データＯＲＹ，ＯＲＺと、参照出力ＯＲの教師データＯＲＴとの間の相関係数ＣＣＹ，ＣＣＺがそれぞれ算出される。

【0028】

次いで、候補モデルＥＣの参照出力ＯＲのデータと参照出力ＯＲの教師データＯＲＴとの間の相関が最も高い候補モデルＭＣが決定される。更に、当該候補モデルＭＣが適する候補環境ＥＣが基準環境ＥＢに決定される。

【0029】

図４に示される例において、相関係数ＣＣＸが相関係数ＣＣＹ，ＣＣＺよりも大きい場合には、相関が最も高い候補モデルＭＣとして候補モデルＭＥＣＸ（ＩＲ，ＯＲ）が決定される。この場合、候補環境ＥＣＸが基準環境ＥＢに決定される。

【0030】

次いで、基準環境ＥＢに適したモデルであって目的入力ＩＴが入力されると目的出力ＯＴを出力するモデルＭＥＢ（ＩＴ，ＯＴ）が基準モデルＭＢに決定される。本開示による実施例のサーバ２０の記憶装置２３内には基準環境ＥＢに適した少なくとも１つのモデルが記憶されており、これらモデルの中から基準モデルＭＢが決定される。

【0031】

図４に示される例において、候補環境ＥＣＸが基準環境ＥＢに決定された場合には、基準環境ＥＣＸに適したモデルであって目的入力ＩＴが入力されると目的出力ＯＴを出力するモデルＭＥＣＸ（ＩＴ，ＯＴ）が基準モデルＭＢに決定される。

【0032】

次いで、基準モデルＭＢに基づいて目的モデルＭＴが作成される。

【0033】

本開示による実施例を具体例により更に説明する。目的環境ＥＴは新規のスマートシティであり、目的入力ＩＴは曜日であり、目的出力ＯＴは交通量である。この場合、目的モデルＭＴは、新規のスマートシティに適したモデルであって曜日が入力されると交通量を出力するモデルＭＮ（曜日，交通量）である。一方、参照入力ＩＲは気温であり、参照出力ＯＲは消費電力量である。候補環境ＥＣは既存のスマートシティＸ，Ｙ，Ｚである。候補モデルは、既存のスマートシティＸに適したモデルであって気温が入力されると消費電力量を出力するモデルＭＸ（気温、消費電力量）、既存のスマートシティＹに適したモデルであって気温が入力されると消費電力量を出力するモデルＭＹ（気温、消費電力量）、既存のスマートシティＺに適したモデルであって気温が入力されると消費電力量を出力するモデルＭＺ（気温、消費電力量）である。次いで、候補モデルＭＸ（気温，消費電力量）に新規のスマートシティにおける気温が入力され、消費電力量のデータが出力される。同様に、候補モデルＭＹ（気温，消費電力量），ＭＺ（気温，消費電力量）に新規のスマートシティにおける気温がそれぞれ入力され、消費電力量のデータがそれぞれ出力される。次いで、候補モデルＭＸ（気温，消費電力量），ＭＹ（気温，消費電力量），ＭＺ（気温，消費電力量）からそれぞれ出力された消費電力量のデータと、新規のスマートシティにおける消費電力量と間の相関係数がそれぞれ算出される。相関係数が最も大きい候補モデルがＭＸ（気温，消費電力量）である場合には、既存のスマートシティＸが基準環境ＥＢに決定される。次いで、既存のスマートシティＸに適したモデルであって曜日が入力されると交通量を出力するモデルＭＸ（曜日，交通量）が基準モデルＭＢに決定される。この基準モデルＭＸ（曜日，交通量）に基づいて目的モデルＭＮ（曜日，交通量）が作成される。

【0034】

目的モデルＭＴの第１作成例では、基準モデルＭＢがそのまま目的モデルＭＴとされる。

【0035】

目的モデルＭＴの第２作成例では、基準モデルＭＢをファインチューニングすることにより目的モデルＭＴが作成される。本開示による実施例のファインチューニングでは、基準モデルＭＢの層の数を変更することなく、教師データ（目的入力の教師データ及び目的出力の教師データ）を用いて、基準モデルＭＢの層の重みが再学習される。

【0036】

目的モデルＭＴの第３作成例では、基準モデルＭＢを転移学習することにより目的モデルＭＴが作成される。本開示による実施例の転移学習では、基準モデルＭＢの層の重みを変更することなく、基準モデルＭＢに少なくとも１つの層を追加するとともに、教師データ（目的入力の教師データ及び目的出力の教師データ）を用いて、追加された層の重みが学習される。

【0037】

本開示による実施例では、目的モデルＭＴが作成されると、次いで目的モデルＭＴがサーバ２０から送信され、ユーザ装置１０で受信される。目的モデルＭＴはユーザ装置１０の例えば記憶装置１３に記憶される。

【0038】

本開示による実施例では、次いで、ユーザ装置１０において目的モデルＭＴが使用される。すなわち、目的入力ＩＴのデータが目的モデルＭＴに入力され、目的モデルＭＴから目的出力ＯＴのデータが出力される。

【0039】

このように本開示による実施例では、作成済みのモデルを利用して新たなモデル（目的モデルＭＴ）が作成されるので、新たなモデルがより簡単に作成される。しかも、基準環境ＥＢは目的環境ＥＴと相関が高いと考えられるので、基準環境ＥＢに適した基準モデルＭＢに基づいて作成される目的モデルＭＴは、目的環境ＥＴについて、より適切な結果を与えることができる。

【0040】

図５は本開示による実施例における目的モデルＭＴの作成ルーチンを示している。図５を参照すると、ステップ１００では、ユーザ装置１０において、目標入力ＩＴ及び目標出力ＯＴが取得される。続くステップ１０１では、ユーザ装置１０において、参照入力ＩＲ及び参照出力ＯＲが設定される。続くステップ１０２では、ユーザ装置１０において、教師データが取得される。続くステップ１０３では、ユーザ装置１０において、教師データの取得が完了したか否かが判別される。教師データの取得が完了していないと判別されたときにはステップ１０２に戻る。教師データの取得が完了したと判別されたときにはステップ１０４に進み、ユーザ装置１０において、教師データと、目的モデルＭＴを作成すべき指示とがサーバ２０に送信される。

【0041】

続くステップ２００では、サーバ２０において、教師データ及び作成指示が受信される。続くステップ２０１では、サーバ２０において、候補モデルＭＣが決定される。続くステップ２０２では、サーバ２０において、候補モデルＭＣから出力された参照出力ＯＲのデータが取得される。続くステップ２０３では、サーバ２０において、相関係数ＣＣが算出される。続くステップ２０４では、サーバ２０において、基準環境ＥＢが決定される。続くステップ２０５では、サーバ２０において、基準モデルＭＢが決定される。続くステップ２０６では、サーバ２０において、目的モデルＭＴが作成される。続くステップ２０７では、サーバ２０において、目的モデルＭＴが送信される。

【0042】

続くステップ３００では、ユーザ装置１０において、目的モデルＭＴが受信される。続くステップ３０１では、ユーザ装置１０において、目的モデルＭＴが使用される。

【0043】

図６は、目的モデルＭＴの作成に関する、本開示による実施例のユーザ装置１０のプロセッサ１１の機能ブロック図である。図６を参照すると、プロセッサ１１は教師データ取得部１１ａを含む。教師データ取得部１１ａは、目的環境に関連する参照入力の教師データと、参照入力の教師データに対応する参照出力の教師データとを取得するように構成されている。

【0044】

図７は、目的モデルＭＴの作成に関する、本開示による実施例のサーバ２０のプロセッサ１１の機能ブロック図である。図７を参照すると、プロセッサ２１は、候補モデル決定部２１ａと、基準環境決定部２１ｂと、基準モデル決定部２１ｃと、目的モデル作成部２１ｄと、を含む。候補モデル決定部２１ａは、目的環境と異なる複数の候補環境にそれぞれ適した複数の候補モデルであってそれぞれ参照入力が入力されると参照出力を出力するように構成されている複数の候補モデルを決定するように構成されている。ここで、参照入力及び参照出力は、参照入力が目的入力と異なることと、参照出力が目的出力と異なることとのうちの一方又は両方を満たしている。基準環境決定部２１ｂは、複数の候補モデルに参照入力の教師データをそれぞれ入力して得られる参照出力のデータと、参照出力の教師データとに基づいて、複数の候補環境のなかから基準環境を決定するように構成されている。基準モデル決定部２１ｃは、基準環境に適したモデルであって目的入力が入力されると目的出力を出力するように構成されているモデルを基準モデルに決定するように構成されている。目的モデル作成部２１ｄは、基準モデルに基づいて目的モデルを作成するように構成されている。なお、本開示による実施例のサーバ２０はモデル作成装置として機能する。

【符号の説明】

【0045】

１ モデル作成システム
１０ ユーザ装置
２０ サーバ（モデル作成装置）
２１ プロセッサ
２１ａ 候補モデル決定部
２１ｂ 基準環境決定部
２１ｃ 基準モデル決定部
２１ｄ 目的モデル作成部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】