特許 7554953 振り分け情報生成装置、信号振り分け装置、および振り分け情報生成方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-09-11

(45)【発行日】2024-09-20

(54)【発明の名称】振り分け情報生成装置、信号振り分け装置、および振り分け情報生成方法

(51)【国際特許分類】

   G06F 9/50 20060101AFI20240912BHJP

   G06N 3/047 20230101ALI20240912BHJP

   G06N 3/094 20230101ALI20240912BHJP

   H04W 28/08 20230101ALI20240912BHJP

   H04W 88/14 20090101ALI20240912BHJP

   H04W 92/24 20090101ALI20240912BHJP

【ＦＩ】

G06F9/50 150Z

G06N3/047

G06N3/094

H04W28/08

H04W88/14

H04W92/24

【請求項の数】 7

(21)【出願番号】P 2024089890

(22)【出願日】2024-06-03

【審査請求日】2024-06-03

【早期審査対象出願】

(73)【特許権者】

【識別番号】397036309

【氏名又は名称】株式会社インターネットイニシアティブ

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100106208

【弁理士】

【氏名又は名称】宮前 徹

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【識別番号】100195408

【弁理士】

【氏名又は名称】武藤 陽子

(72)【発明者】

【氏名】柿島 純

【審査官】田中 幸雄

(56)【参考文献】

【文献】特表２０２２－５４０７８５（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２２／０３３００９０（ＵＳ，Ａ１）

【文献】特許第７２４６５６０（ＪＰ，Ｂ１）

【文献】SAWWASHERE, Supriya S. et al.，IL2ATL: Design of a high efficiency load balancing model using augmented deep incremental transfer learning，Proceedings of 2022 10th IEEE International Conference on Emerging Trends in Engineering & Technology-Signal and Information Processing，IEEE，2022年04月29日，pages1-6，https://ieeexplore.ieee.org/document/9791754

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／０９４

Ｈ０４Ｗ ９２／２４

Ｈ０４Ｗ ８８／１４

Ｈ０４Ｗ ２８／０８

Ｇ０６Ｎ ３／０４７

Ｇ０６Ｆ ９／５０

(57)【特許請求の範囲】

【請求項1】

複数の装置の各々に対する信号の振り分けの有無を各クラスタの観測値とした混合確率モデルに対して、前記観測値の集合である観測データの分布を設定するように構成された第１設定部と、
設定された前記観測データの分布となるように前記混合確率モデルのパラメータを設定するように構成された第２設定部と、
設定された前記パラメータを有する前記混合確率モデルを、前記複数の装置の各々に対する前記信号の振り分けの有無に関する真の振り分け情報として、前記真の振り分け情報に類似する疑似振り分け情報を生成する生成器と、前記生成器によって生成された前記疑似振り分け情報と前記真の振り分け情報とを識別する識別器とを有する生成モデルの敵対的学習を行うように構成された学習部と、
前記学習部によって構築された学習済み生成器を含む信号振り分け情報を提示するように構成された提示部と
を備え、
前記疑似振り分け情報は、前記真の振り分け情報のデータ分布との交差エントロピー誤差を最小とするデータ分布の情報である
振り分け情報生成装置。

【請求項2】

請求項１に記載の振り分け情報生成装置において、
前記混合確率モデルは、混合ベルヌーイ分布に従うモデルであり、
前記混合確率モデルのパラメータは、前記各クラスタが前記観測値を発生する確率を表す混合比率、および前記各クラスタの前記観測値が、前記信号の振り分けが有りとなる確率を含む
ことを特徴とする振り分け情報生成装置。

【請求項3】

請求項１に記載の振り分け情報生成装置において、
前記第１設定部は、クラスタごとに前記観測値が発生する確率を設定する
ことを特徴とする振り分け情報生成装置。

【請求項4】

請求項１に記載の振り分け情報生成装置において、
前記複数の装置は、所定の通信規格に準拠するコアネットワークの制御プレーン内の機能ノードであり、
前記信号は、前記制御プレーンで用いられる制御信号を含む
ことを特徴とする振り分け情報生成装置。

【請求項5】

請求項１から４のいずれか１項に記載の振り分け情報生成装置によって提示された前記信号振り分け情報に含まれる前記学習済み生成器を用いて前記疑似振り分け情報を生成するように構成された生成部と、
前記生成部によって生成された前記疑似振り分け情報に基づいて、前記複数の装置のうちから、前記信号を振り分ける対象の装置を特定するように構成された特定部と、
特定された装置に対して、前記信号を振り分けるように構成された信号振り分け部と
を備える信号振り分け装置。

【請求項6】

コンピュータにより実行される振り分け情報生成方法であって、
複数の装置の各々に対する信号の振り分けの有無を各クラスタの観測値とした混合確率モデルに対して、前記観測値の集合である観測データの分布を設定する第１設定ステップと、
設定された前記観測データの分布となるように前記混合確率モデルのパラメータを設定する第２設定ステップと、
設定された前記パラメータを有する前記混合確率モデルを、前記複数の装置の各々に対する前記信号の振り分けの有無に関する真の振り分け情報として、前記真の振り分け情報に類似する疑似振り分け情報を生成する生成器と、前記生成器によって生成された前記疑似振り分け情報と前記真の振り分け情報とを識別する識別器とを有する生成モデルの敵対的学習を行う学習ステップと、
前記学習ステップで構築された学習済み生成器を含む信号振り分け情報を提示する提示ステップと
を備え、
前記疑似振り分け情報は、前記真の振り分け情報のデータ分布との交差エントロピー誤差を最小とするデータ分布の情報である
振り分け情報生成方法。

【請求項7】

請求項６に記載の振り分け情報生成方法において、
前記第１設定ステップは、クラスタごとに前記観測値が発生する確率を設定する
ことを特徴とする振り分け情報生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、振り分け情報生成装置、信号振り分け装置、および振り分け情報生成方法に関する。

【背景技術】

【0002】

従来から、信号を複数の装置に振り分けて負荷を分散する技術として、ラウンドロビン方式によるロードバランサが知られている。例えば、特許文献１は、運用系サーバ群の負荷状況に応じて、エッジルータに対して宛先サーバを予備系サーバ群への変更することを指示し、ロードバランサを用いて、変更された宛先の予備系サーバ群に信号を均等に振り分けるシステムを開示する。

【0003】

振り分けられた信号を受信する側の装置は、それぞれＣＰＵのコア数などのハードウェアリソースの容量が異なる場合がある。このような場合には、ハードウェアリソースの容量などに応じて各装置へ振り分ける信号の数に偏りを持たせたい場合がある。しかし、特許文献１が開示するシステムでは、個々の装置へ振り分ける信号の数を調整し、所望とする偏りを持たせて各装置に信号を振り分けることは困難であった。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１８－１４２８４８号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

このように、従来の技術によれば、各装置に振り分ける信号数の比率を調整することが困難であった。

【0006】

本発明は、上述した課題を解決するためになされたものであり、各装置に振り分ける信号数の比率を調整することを目的とする。

【課題を解決するための手段】

【0007】

上述した課題を解決するために、本発明に係る振り分け情報生成装置は、複数の装置の各々に対する信号の振り分けの有無を各クラスタの観測値とした混合確率モデルに対して、前記観測値の集合である観測データの分布を設定するように構成された第１設定部と、設定された前記観測データの分布となるように前記混合確率モデルのパラメータを設定するように構成された第２設定部と、設定された前記パラメータを有する前記混合確率モデルを、前記複数の装置の各々に対する前記信号の振り分けの有無に関する真の振り分け情報として、前記真の振り分け情報に類似する疑似振り分け情報を生成する生成器と、前記生成器によって生成された前記疑似振り分け情報と前記真の振り分け情報とを識別する識別器とを有する生成モデルの敵対的学習を行うように構成された学習部と、前記学習部によって構築された学習済み生成器を含む信号振り分け情報を提示するように構成された提示部とを備える。

【0008】

また、本発明に係る振り分け情報生成装置において、前記混合確率モデルは、混合ベルヌーイ分布に従うモデルであり、前記混合確率モデルのパラメータは、前記各クラスタが前記観測値を発生する確率を表す混合比率、および前記各クラスタの前記観測値が、前記信号の振り分けが有りとなる確率を含んでいてもよい。

【0009】

また、本発明に係る振り分け情報生成装置において、前記第１設定部は、クラスタごとに前記観測値が発生する確率を設定してもよい。

【0010】

また、本発明に係る振り分け情報生成装置において、前記複数の装置は、所定の通信規格に準拠するコアネットワークの制御プレーン内の機能ノードであり、前記信号は、前記制御プレーンで用いられる制御信号を含んでいてもよい。

【0011】

上述した課題を解決するために、本発明に係る信号振り分け装置は、上記の振り分け情報生成装置によって提示された前記信号振り分け情報に含まれる前記学習済み生成器を用いて前記疑似振り分け情報を生成するように構成された生成部と、前記生成部によって生成された前記疑似振り分け情報に基づいて、前記複数の装置のうちから、前記信号を振り分ける対象の装置を特定するように構成された特定部と、特定された装置に対して、前記信号を振り分けるように構成された信号振り分け部とを備える。

【0012】

上述した課題を解決するために、本発明に係る通信制御方法は、複数の装置の各々に対する信号の振り分けの有無を各クラスタの観測値とした混合確率モデルに対して、前記観測値の集合である観測データの分布を設定する第１設定ステップと、設定された前記観測データの分布となるように前記混合確率モデルのパラメータを設定する第２設定ステップと、設定された前記パラメータを有する前記混合確率モデルを、前記複数の装置の各々に対する前記信号の振り分けの有無に関する真の振り分け情報として、前記真の振り分け情報に類似する疑似振り分け情報を生成する生成器と、前記生成器によって生成された前記疑似振り分け情報と前記真の振り分け情報とを識別する識別器とを有する生成モデルの敵対的学習を行う学習ステップと、前記学習ステップで構築された学習済み生成器を含む信号振り分け情報を提示する提示ステップとを備える。

【0013】

また、本発明に係る通信制御方法において、前記第１設定ステップは、クラスタごとに前記観測値が発生する確率を設定してもよい。

【発明の効果】

【0014】

本発明によれば、設定されたパラメータを有する混合確率モデルを、複数の装置の各々に対する信号の振り分けの有無に関する真の振り分け情報として、真の振り分け情報に類似する疑似振り分け情報を生成する生成器と、生成器によって生成された疑似振り分け情報と真の振り分け情報とを識別する識別器とを有する生成モデルの敵対的学習を行う。そのため、各装置に振り分ける信号数の比率を調整することができる。

【図面の簡単な説明】

【0015】

【図1】図１は、本発明の実施の形態に係る振り分け情報生成装置および信号振り分け装置を備える信号制御システムの構成を示すブロック図である。

【図2】図２は、本実施の形態に係る信号制御システムの概要を説明するための図である。

【図3】図３は、本実施の形態に係る信号制御システムの概要を説明するための図である。

【図4】図４は、本実施の形態に係る振り分け情報生成装置が備える学習部を説明するための図である。

【図5】図５は、本実施の形態に係る振り分け情報生成装置が備える学習部を説明するための図である。

【図6】図６は、本実施の形態に係る振り分け情報生成装置が備える学習部を説明するための図である。

【図7】図７は、本実施の形態に係る振り分け情報生成装置のハードウェア構成を示すブロック図である。

【図8】図８は、本実施の形態に係る信号振り分け装置のハードウェア構成を示すブロック図である。

【図9】図９は、本実施の形態に係る信号制御システムの動作を示すシーケンス図である。

【図10】図１０は、本実施の形態に係る振り分け情報生成装置の動作を示すフローチャートである。

【発明を実施するための形態】

【0016】

以下、本発明の好適な実施の形態について、図１から図１０を参照して詳細に説明する。

【0017】

［信号制御システムの構成］
まず、図１および図２を参照して、本発明の実施の形態に係る振り分け情報生成装置１および信号振り分け装置２を備える信号制御システムの概要について説明する。

【0018】

信号制御システムは、例えば、５Ｇ移動通信システムに設けられ、コアネットワークで接続管理、認証、移動管理などを行うための制御信号などの信号を振り分けて送信する。振り分け情報生成装置１と信号振り分け装置２とは、例えば、ＷＡＮやインターネットなどのネットワークＮＷを介して接続されている。振り分け情報生成装置１は、信号振り分け情報を生成し、ネットワークＮＷを介して信号振り分け装置２に提示する。

【0019】

信号振り分け装置２は、例えば、コアネットワークが備えるＡＭＦ（Ａｃｃｅｓｓ ａｎｄ Ｍｏｂｉｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｆｕｎｃｔｉｏｎ）により実現される。ＡＭＦは、ユーザ端末の登録や無線接続を管理する制御プレーンの機能ノードである。図２に示すように、信号振り分け装置２は、複数の対向装置（装置）３に通信可能に接続され、振り分け情報生成装置１によって提示された信号振り分け情報に基づいて、信号を複数の対向装置３に振り分ける。

【0020】

対向装置３は、例えば、コアネットワークが備えるＵＤＭ（Ｕｎｉｆｉｅｄ Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ）により実現される。ＵＤＭは、コアネットワークにおける加入者情報の管理、ユーザ端末の移動管理などを行う機能ノードである。具体的には、ユーザ端末から基地局を介して送信された位置登録要求信号をＡＭＦが振り分けて複数のＵＤＭに送信する。本実施の形態では、対向装置３は、Ｄ台（Ｄは２以上の整数。）設けられている。

【0021】

対向装置３は、プロセッサ、主記憶装置、通信インターフェース、補助記憶装置、入出力Ｉ／Ｏを備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。複数の対向装置３は、それぞれが異なる容量のハードウェアリソースを備えることができる。また、各対向装置３は、対向装置ＩＤ（＃１，＃２，・・・，＃Ｄ）で識別される。

【0022】

本実施の形態に係る信号制御システムでは、信号振り分け装置２が複数の対向装置３の各々に振り分ける信号数の偏りを混合ベルヌーイ分布によりモデル化した混合確率モデルを採用する。信号制御システムは、複数の対向装置３の各々に振り分ける、調整された信号数の比率を反映するようにパラメータが設定された混合確率モデルを敵対的学習の真のデータとして、真のデータに類似する疑似データを生成する生成器１２１を学習する。また、信号制御システムは、学習済み生成器１２１’を、信号振り分け装置２がどの対向装置３に対して信号を振り分けるかを示す信号振り分け情報として、信号振り分け装置２に提示する。そして、信号振り分け装置２は、信号振り分け情報により特定された対向装置３に信号を振り分ける。

【0023】

［振り分け情報生成装置の機能ブロック］
次に、本実施の形態に係る振り分け情報生成装置１の機能ブロックについて、図１のブロック図を参照して説明する。図１に示すように、振り分け情報生成装置１は、第１設定部１０、第２設定部１１、学習部１２、第１記憶部１３、および提示部１４を備える。

【0024】

第１設定部１０は、複数の対向装置３の各々に対する信号の振り分けの有無を各クラスタの観測値とした混合確率モデルに対して、観測値の集合である観測データの分布を設定する。本実施の形態では、混合確率モデルとして混合ベルヌーイ分布に従うモデルを採用する。観測値は、対向装置３ごとに信号を振り分けるか否かを二値データで表した値である。

【0025】

本実施の形態において採用される混合ベルヌーイ分布は、０と１とを要素とする長さＤのベクトルが作るＮ個の観測データがあるとき、その集合をクラスタリングするモデルである。本実施の形態では、複数の対向装置３に対してどのような偏りをもって信号を振り分けるかを複数のクラスタとして考え、複数の対向装置３の各々に対して信号を振り分けるか否かを０と１で表した観測値の集合を観測データとする。また、観測値は、二値分布を有する複数の異なるクラスタから発生する。

【0026】

ここで、Ｎ個の二値ベクトルである観測値ｘ_１，ｘ_２，…，ｘ_Ｎの集合の観測データＸが、Ｋ個のクラスタのパラメータμ_１，μ_２，…，μ_Ｋの集合すなわちパラメータデータセットＭをもつ混合ベルヌーイ分布に従うものとする。すなわち、観測データＸが複数のクラスタから生成されると仮定し、各クラスタには、観測値が信号の振り分けが有りとなる確率を表すパラメータμが対応付けられている。

【0027】

観測データＸとパラメータデータセットＭとは、それぞれ次式（１）、（２）のように表される（Ｔは転置記号である。）。

【数1】

【0028】

ｎ番目の二値ベクトルの観測値ｘ_ｎとｋ番目のパラメータベクトルμ_ｋの各々は、さらに、以下の式（３）、（４）に示すようにそれぞれがＤ個の要素をもつベクトルとして表される。

【数2】

【0029】

観測値ｘ_ｎの要素ｘ_ｎ（ｉ）（ｉ＝１,２,…,Ｄ）の各々は、前述したように０または１の値をとる二値変数である。本実施の形態では、要素ｘ_ｎ（ｉ）を以下のように定義する。

【数3】

【0030】

信号を振り分ける確率、および信号を振り分けない確率は、それぞれ次式（６）、（７）で表される。

【数4】

【0031】

上式（６）、（７）から、観測データＸの観測値ｘ_ｎにクラスタｋが割り当てられたときに、観測値ｘ_ｎは、クラスタｋのパラメータμ_ｋをもつ、次式（８）のベルヌーイ分布に従う。

【数5】

【0032】

ここで、各クラスタ（Ｋ個）の発生頻度のパラメータデータセットπを以下のように定義する。パラメータπは、観測値ｘ_ｎがどの程度各クラスタに配分されるのかを示すパラメータである。したがって、パラメータπ_ｋは、観測データＸの観測値ｘ_ｎがクラスタｋで発生する混合比率を示す。

【数6】

【0033】

また、観測値ｘ_ｎにクラスタｋが割り当てられたときに、観測値ｘ_ｎは、μ_ｋをパラメータとするＤ個のベルヌーイ分布に従う。さらに、各観測値ｘ_ｎは、次式（１０）の混合ベルヌーイ分布によって独立に生成されるものとする。

【数7】

【0034】

上式（１０）の混合ベルヌーイ分布の定義式により、各クラスタにおけるベルヌーイ分布の確率を示すパラメータμ_ｋと、そのクラスタの混合比率π_ｋとを組み合わせて、全てのクラスタから、観測値ｘ_ｎが発生する確率を求めることができる。上式（１０）は、本実施の形態における混合確率モデルであり、１～Ｄ台の対向装置３の各々に振り分ける信号数の偏りを表している。

【0035】

第１設定部１０は、各クラスタの観測値ｘ_ｎのうち、「信号を振り分ける：１」をとる要素の個数や頻度などを、所望とされる信号の振り分けパターンに応じて設定することができる。また、第１設定部１０は、複数のクラスタ１～Ｋの全体での、「信号を振り分ける：１」をとる観測値ｘ_ｎの発生確率を設定することができる。したがって、第１設定部１０は、複数の異なるクラスタごとに、所望とされる信号の振り分けパターンを反映した観測データＸの分布を設定することができる。クラスタごとに観測値ｘ_ｎの発生確率を設定することで、Ｄ台の対向装置３ごとに信号の振り分け比率を設定することが可能となる。

【0036】

図３は、第１設定部１０による観測データＸの分布の設定を説明するための図である。図３に示すクラスタ１～Ｋは、Ｄ台の対向装置３に対する信号振り分けパターンの全体を表す。本実施の形態では、クラスタ１～Ｋは、それぞれＩＤ「＃１」～ＩＤ「＃Ｄ」の対向装置３に対応する（Ｋ＝Ｄ）。各クラスタを構成する「１～Ｄ」は、１～Ｄ台の対向装置３に対して信号を振り分けるか否かを示す観測値ｘ_ｎである。図３の例では、各クラスタの１～Ｄの各データにおいて、信号を振り分ける対向装置３（図中の黒丸点）と、信号を振り分けない対向装置３（図中の黒丸点以外のデータ）とが設定されている。

【0037】

図３に示すクラスタ間の縦方向の対向装置ＩＤは互いに対応しており、１～Ｋの各クラスタで、１～Ｄ台の対向装置３が１台ずつ信号の振り分け先として設定されている。例えば、クラスタ１では、ＩＤ「♯１」の対向装置３に対する信号の振り分けがあり、クラスタ２では、ＩＤ「＃２」の対向装置３に対する信号の振り分けがある。さらに、クラスタＫは、ＩＤ「＃Ｄ」の対向装置３に対する信号の振り分けがあることを示している。

【0038】

第１設定部１０は、負荷を均等とするために、１～Ｄ台の対向装置３で均等な比率で信号を振り分けるクラスタを設定することができる。あるいは、第１設定部１０は、１～Ｄ台の対向装置３に対して、各装置のリソース容量などに応じて所望とされる信号の振り分け比率となるように、クラスタを設定することができる。例えば、クラスタ１に属するＤ個の観測値において、ＩＤ「＃１」の対向装置３に対応する観測値の要素ｘ_ｎ（ｉ）の値が、信号の振り分けが有りとなるように設定することができる。また、ＩＤ「＃１」の対向装置３に対応するクラスタ１が観測データＸに占める割合を他のクラスタ（すなわち他の対向装置３）と比較して高く設定することができる。このように、クラスタごとの観測値のパターンに加え、複数のクラスタ全体での各クラスタの観測データＸに占める割合などのパターンを設定することができる。

【0039】

図１に戻り、第２設定部１１は、第１設定部１０によって設定された観測データＸの分布となるように混合確率モデルのパラメータを設定する。より具体的には、第２設定部１１は、上式（１０）の混合確率モデルに、第１設定部１０により設定された観測データＸの値を与えた際のパラメータμ_ｋ、π_ｋの値を求める。

【0040】

例えば、図３に示すように、第１設定部１０によってクラスタ１に属するＩＤ「＃１」の対向装置３に振り分ける信号数の比率が高く設定された場合、第２設定部１１は上式（９）のパラメータπ_１の値を大きくし、かつ、各パラメータμ_ｋを均等にすることで、上式（１０）の混合確率モデルにおいて、クラスタ１からｘ_ｎが発生する確率が大きくなるように設定することができる。

【0041】

このように、第２設定部１１は、パラメータμ_ｋ、π_ｋを調整して設定することで、各クラスタから観測値ｘ_ｎが発生する確率を調整することができる。各クラスタから観測値ｘ_ｎが発生する確率を事前に設定した混合確率モデルは、以下の学習部１２による敵対的学習の際の真のデータとして用いられる。

【0042】

学習部１２は、第２設定部１１により設定されたパラメータμ_ｋ、π_ｋを有する混合確率モデルを、複数の対向装置３の各々に対する信号の振り分けの有無に関する真の振り分け情報として、真の振り分け情報に類似する疑似振り分け情報を生成する生成器１２１と、生成器１２１によって生成された疑似振り分け情報と真の振り分け情報とを識別する識別器１２２とを有する生成モデルの敵対的学習を行う。真の振り分け情報は、所望とされる信号の振り分け比率が反映された情報である。学習部１２は、混合確率モデルの１～Ｋ個のクラスタの各々について、学習済み生成器１２１’（学習済み生成器１２１’＿１，・・・，１２１’＿Ｋ）を構築することができる。学習済み生成器１２１’＿１，・・・，１２１’＿Ｋは、それぞれクラスタ１～Ｋに対応するＩＤ「＃１」～「＃Ｄ」の対向装置３に対して振り分ける信号数の比率を表す振り分け情報を示す。

【0043】

学習部１２は、図４に示すように、生成器１２１および識別器１２２を有するＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）を敵対的に学習させる。本実施の形態では、生成器１２１と識別器１２２とのペアをクラスタの数だけ（Ｋ個）設けることができる。あるいは、図４に示すように、Ｋ個の生成器１２１＿１，・・・，１２１＿Ｋに対して１つの識別器１２２を設けることができる。学習部１２の学習により、Ｋ個の学習済み生成器１２１’（学習済み生成器１２１’＿１，・・・，１２１’＿Ｋ）が構築される。

【0044】

図５および図６は、学習部１２が用いるＧＡＮの生成器１２１および識別器１２２のニューラルネットワーク構成を模式的に表した図である。図５に示すように、生成器１２１は、入力層、隠れ層、および出力層を有するニューラルネットワークで構成される。なお、Ｋ個の生成器１２１＿１，・・・，１２１＿Ｋはそれぞれ同じネットワーク構造を有し、以下では生成器１２１と総称して説明する。生成器１２１は、ランダムな雑音から疑似振り分け情報を生成するモデルである。生成器１２１の入力ノードには、例えば、ガウス雑音のベクトルがランダムにｍ個サンプルされて入力される（ｚ_１～ｚ_ｍ）。

【0045】

生成器１２１は、入力と重みパラメータの積和演算および活性化関数によるしきい値処理を経て出力Ｇ（ｚ）を出力する。生成器１２１からの出力Ｇ（ｚ）は、第２設定部１１が設定したパラメータμ_ｋ、π_ｋを有する混合確率モデルにより得られる観測データＸに類似するデータである。より具体的には、生成器１２１は、設定されたパラメータμ_ｋ、π_ｋを有する混合確率モデルにより得られる各クラスタの観測値ｘ_ｎに類似するデータを生成する。図５の各出力Ｇ（ｚ_１）～Ｇ（ｚ_Ｄ）は、各クラスタの観測値ｘ_ｎの各々に対応する。生成器１２１を構成するニューラルネットワークとしてＣＮＮやＲｅｓＮｅｔを用いることができる。

【0046】

図６に示す識別器１２２は、入力層、隠れ層、および出力層を有するニューラルネットワークで構成される。図６の例では、訓練データの入力として、第２設定部１１により設定されたパラメータμ_ｋ、π_ｋを有する混合確率モデルによって得られる、各クラスタの観測値ｘ_ｎが与えられる。

【0047】

識別器１２２は、入力と重みパラメータの積和演算および活性化関数によるしきい値処理を経て、１または０の二値出力を出す。識別器１２２は、入力された真の振り分け情報に係る訓練データを正しく真の振り分け情報であると識別すると出力ｙ＝１を出力する。一方、入力された疑似振り分け情報に係る訓練データを正しく疑似振り分け情報であると識別すると出力ｙ＝０を出力する。このように、識別器１２２は、生成器１２１が生成したモデル分布を真の分布である訓練データのデータ分布から区別するモデルである。識別器１２２を構成するニューラルネットワークとしてＣＮＮを用いることができる。

【0048】

図４は、学習部１２によるＧＡＮの敵対的学習を説明するためのブロック図である。学習部１２が採用するＧＡＮの生成器１２１を関数Ｇ、識別器１２２を関数Ｄと表す。また、真の振り分け情報をｘ、識別器１２２による出力である予測値はｙと表し、正解ラベルをｔと表す。正解ラベルｔは、真の振り分け情報に対して１、生成器１２１で生成された疑似振り分け情報に対して０と設定される。このとき、識別器１２２は、二値分類問題として次式（１１）の交差エントロピーＥ_ＣＥで表すことができる。

【0049】

【数8】

【0050】

上式（１１）のブレース内の第１項が表すｔ_ｎｌｎｙ_ｎにおいて、識別器１２２の予測値ｙ_ｎが、真の振り分け情報の正解ラベルｔ_ｎ＝１の値に近づくことが望ましい。一方、ブレース内の第２項が表す（１－ｔ_ｎ）ｌｎ（１－ｙ_ｎ）においては、識別器１２２の予測値ｙ_ｎが、疑似振り分け情報と識別する正解ラベルの値（１－ｔ_ｎ）＝０に近づくことが望ましい。このように交差エントロピーＥ_ＣＥは、予測値が正解ラベルの値に一致している場合に最大値となる。

【0051】

ここで、ＧＡＮを構成する生成器１２１は、パラメータｗ_Ｇ，θ_Ｇを有し、関数Ｇ（ｗ_Ｇ，θ_Ｇ）と表す。また、識別器１２２は、パラメータｗ_Ｄ，θ_Ｄを有し、関数Ｄ（ｗ_Ｄ，θ_Ｄ）と表す。上式（１１）の交差エントロピーＥ_ＣＥに基づいた生成器１２１と識別器１２２とを備えるＧＡＮの目的関数Ｅは、次式（１２）で表すことができる。

【数9】

【0052】

上式（１２）の第１項が表すＥ_{Ｄ（ｘ）＝１}ｌｎＤ（ｗ_Ｄ，θ_Ｄ）は、識別器１２２が真の振り分け情報を真の振り分け情報であると識別する期待値である。上式（１２）の第２項が表すＥ_{Ｄ（ｘ）＝０}ｌｎ（１－Ｄ（Ｇ（ｗ_Ｇ，θ_Ｇ），ｗ_Ｄ，θ_Ｄ））は、生成器１２１により生成された疑似振り分け情報を識別器１２２が疑似振り分け情報であると識別する期待値である。ＧＡＮの学習では、目的関数Ｅのｍｉｎ－ｍａｘ最適化により、生成器１２１と識別器１２２とを敵対的に学習する。したがって、識別器１２２をだますような疑似振り分け情報を生成できるように生成器１２１を学習し、生成器１２１が生成した疑似振り分け情報を疑似振り分け情報であると識別するように識別器１２２を学習する。

【0053】

識別器１２２の学習では、真の振り分け情報が与えられた場合に、識別器１２２がｙ＝１に近い出力を出すことで、上式（１２）の目的関数Ｅの第１項を最大化する。一方、疑似振り分け情報が与えられた場合に、識別器１２２がｙ＝０に近い出力を出すことで目的関数Ｅの第２項を最大化するように学習が行われる。

【0054】

生成器１２１の学習では、上式（１２）のＤ（Ｇ（ｗ_Ｇ，θ_Ｇ），ｗ_Ｄ，θ_Ｄ）（図４のＤ（Ｇ（ｚ）））が１に近くなるようなＧ（ｗ_Ｇ，θ_Ｇ）（図４のＧ（ｚ））を出力することで、目的関数Ｅを最小化する。学習部１２は、生成器１２１のパラメータと識別器１２２のパラメータとを交互に更新する学習手順を用いる。なお、学習部１２による生成器１２１および識別器１２２の学習手順の詳細は後述する。

【0055】

第１記憶部１３は、学習部１２によってＧＡＮの目的関数Ｅが最適化された学習済み生成器１２１’を記憶する。より詳細には、第１記憶部１３は、クラスタ１～Ｋに対応するＫ個の学習済み生成器１２１’（学習済み生成器１２１’＿１，・・・，１２１’＿Ｋ）を記憶する。また、第１記憶部１３は、パラメータμ_ｋ、π_ｋが設定された上式（１０）の混合確率モデルを記憶する。

【0056】

提示部１４は、学習部１２によって構築された学習済み生成器１２１’を含む信号振り分け情報を提示する。より詳細には、提示部１４は、ネットワークＮＷを介して、信号振り分け装置２に、信号振り分け情報を送信することができる。より詳細には、提示部１４は、ネットワークＮＷを介して、信号振り分け装置２に、Ｋ個の学習済み生成器１２１’＿１，・・・，１２１’＿Ｋを含む信号振り分け情報を送信することができる。

【0057】

［信号振り分け装置の機能ブロック］
次に、信号振り分け装置２の機能ブロックについて説明する。図１に示すように、信号振り分け装置２は、取得部２０、第２記憶部２１、生成部２２、特定部２３、および信号振り分け部２４を備える。

【0058】

取得部２０は、振り分け情報生成装置１によって提示された信号振り分け情報を取得する。具体的には、取得部２０は、第２記憶部２１に記憶されている信号振り分け情報の学習済み生成器１２１’（学習済み生成器１２１’＿１，・・・，１２１’＿Ｋ）を取得することができる。

【0059】

第２記憶部２１は、振り分け情報生成装置１によって提示された信号振り分け情報を記憶する。具体的には、第２記憶部２１は、学習済み生成器１２１’（学習済み生成器１２１’＿１，・・・，１２１’＿Ｋ）を記憶する。

【0060】

生成部２２は、振り分け情報生成装置１によって提示された信号振り分け情報に含まれる学習済み生成器１２１’を用いて疑似振り分け情報を生成する。より具体的には、生成部２２は、学習済み生成器１２１’＿１，・・・，１２１’＿Ｋの各々を用いて、疑似振分け情報を生成する。

【0061】

生成部２２によって生成される疑似振り分け情報は、上式（３）の観測値ｘ_ｎのデータセットにあるように、１～Ｄ台の対向装置３の各々に、「信号を振り分ける：１」および「信号を振り分けない：０」のそれぞれの値が割り当てられた情報である。クラスタ１およびＩＤ「＃１」の対向装置３に対応する学習済み生成器１２１’＿１によって生成された疑似振り分け情報は、例えば、ＩＤ「＃１」の対向装置３に対する信号の振り分けを許可し、ＩＤ「＃２」から「＃Ｄ」の対向装置３に対する信号の振り分けを許可しない（ｘ_ｎ＝［ｘ_ｎ（１），ｘ_ｎ（２），ｘ_ｎ（３），・・・，ｘ_ｎ（Ｄ）］＝［１，０，０，・・・，０］）ことを示す情報である。

【0062】

特定部２３は、生成部２２によって生成されたＫ個の疑似振り分け情報の各々に基づいて、信号振り分け装置２が信号を振り分ける対象の対向装置３を特定する。具体的には、特定部２３は、Ｋ個の疑似振り分け情報の各々の観測値の要素ｘ_ｎ（ｉ）のうち、値が「１」を取る対向装置３のＩＤを特定する。

【0063】

信号振り分け部２４は、特定された対向装置３に対して信号を振り分ける。例えば、信号振り分け部２４は、全ての対向装置３をリストに登録し、Ｋ個の疑似振り分け情報の各々に基づいて特定された対向装置３のインデックスを更新する。信号振り分け部２４は、新たな信号を受信した場合に、インデックスが指す対向装置３を選択し、信号を振り分けて送信する。次の信号を受信した際においても同様に、特定部２３によって特定された対向装置３に対して信号を振り分ける。

【0064】

［振り分け情報生成装置のハードウェア構成］
次に、上述した機能を有する振り分け情報生成装置１を実現するハードウェア構成の一例について、図７を用いて説明する。

【0065】

図７に示すように、振り分け情報生成装置１は、例えば、バス１０１を介して接続されるプロセッサ１０２、主記憶装置１０３、通信インターフェース１０４、補助記憶装置１０５、入出力Ｉ／Ｏ１０６を備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。さらに、振り分け情報生成装置１は、表示装置１０７を備える。

【0066】

プロセッサ１０２は、ＣＰＵ、ＧＰＵ、ＦＰＧＡ、ＡＳＩＣなどによって実現される。

【0067】

主記憶装置１０３には、プロセッサ１０２が各種制御や演算を行うためのプログラムが予め格納されている。プロセッサ１０２と主記憶装置１０３とによって、図１に示した第１設定部１０、第２設定部１１、学習部１２、および提示部１４など振り分け情報生成装置１の各機能が実現される。

【0068】

通信インターフェース１０４は、振り分け情報生成装置１と各種外部電子機器との間をネットワーク接続するためのインターフェース回路である。

【0069】

補助記憶装置１０５は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータなどの各種情報を読み書きするための駆動装置とで構成されている。補助記憶装置１０５には、記憶媒体としてハードディスクやフラッシュメモリなどの半導体メモリを使用することができる。

【0070】

補助記憶装置１０５は、信号振り分け情報を生成し信号振り分け装置２に提示する信号制御プログラムを格納するプログラム格納領域を有する。また、補助記憶装置１０５は、振り分け情報生成装置１が実行するＧＡＮの敵対的学習を行うための学習プログラムを格納するプログラム格納領域を有する。また、補助記憶装置１０５は、混合ベルヌーイ分布に係る混合確率モデルの演算を行う混合確率モデル演算プログラムを格納するプログラム格納領域を有する。補助記憶装置１０５によって、図１で説明した第１記憶部１３が実現される。さらには、例えば、上述したデータやプログラムなどをバックアップするためのバックアップ領域などを有していてもよい。

【0071】

入出力Ｉ／Ｏ１０６は、外部機器からの信号を入力したり、外部機器へ信号を出力したりする入出力装置である。

【0072】

表示装置１０７は、有機ＥＬディスプレイや液晶ディスプレイなどによって構成される。表示装置１０７は、真の振り分け情報を画面表示させることができる。

【0073】

［信号振り分け装置のハードウェア構成］
次に、上述した機能を有する信号振り分け装置２を実現するハードウェア構成の一例について、図７を用いて説明する。

【0074】

図８に示すように、信号振り分け装置２は、振り分け情報生成装置１と同様に、バス２０１を介して接続されるプロセッサ２０２、主記憶装置２０３、通信インターフェース２０４、補助記憶装置２０５、入出力Ｉ／Ｏ２０６を備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。さらに、信号振り分け装置２は、表示装置２０７を備える。

【0075】

主記憶装置２０３には、プロセッサ２０２が各種制御や演算を行うためのプログラムが予め格納されている。ＣＰＵ、ＧＰＵ、ＦＰＧＡ、ＡＳＩＣなどによって実現されるプロセッサ２０２と主記憶装置２０３とによって、図１に示した取得部２０、生成部２２、特定部２３、および信号振り分け部２４など信号振り分け装置２の各機能が実現される。

【0076】

通信インターフェース２０４は、信号振り分け装置２と各種外部電子機器との間をネットワーク接続するためのインターフェース回路である。

【0077】

補助記憶装置２０５は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータなどの各種情報を読み書きするための駆動装置とで構成されている。補助記憶装置２０５には、記憶媒体としてハードディスクやフラッシュメモリなどの半導体メモリを使用することができる。

【0078】

補助記憶装置２０５は、信号振り分け情報に基づいて、学習済み生成器１２１’の演算を行う生成プログラムを格納するプログラム格納領域を有する。また、補助記憶装置１０５は、特定された対向装置３に信号を振り分けるための信号制御プログラムを格納するプログラム格納領域を有する。補助記憶装置２０５によって、図１で説明した第２記憶部２１が実現される。さらには、例えば、上述したデータやプログラムなどをバックアップするためのバックアップ領域などを有していてもよい。

【0079】

入出力Ｉ／Ｏ２０６は、外部機器からの信号を入力したり、外部機器へ信号を出力したりする入出力装置である。

【0080】

表示装置２０７は、有機ＥＬディスプレイや液晶ディスプレイなどによって構成される。

【0081】

［信号制御システムの動作シーケンス］
次に、上述した構成を有する振り分け情報生成装置１および信号振り分け装置２を備える信号制御システムの動作を、図９のシーケンスを参照して説明する。

【0082】

図９に示すように、まず、振り分け情報生成装置１の第１設定部１０は、混合確率モデルにおいて所望とされる観測データＸの分布を設定する（ステップＳ１）。具体的には、第１設定部１０は、意図した信号の振り分け配分が反映されるように、クラスタごとに１～Ｄ台の対向装置３のうち、各対向装置３に対して信号の振り分けを行う回数、頻度などを指定した観測データＸの観測値ｘ_ｎ（ｘ_ｎ＝［ｘ_ｎ（１），ｘ_ｎ（２），ｘ_ｎ（３），・・・，ｘ_ｎ（Ｄ）］）を設定する。このように、ステップＳ１において、各クラスタから観測値ｘ_ｎが発生する確率を均等とする、あるいは特定の偏りを有するように観測データＸの値を設定することができる。

【0083】

次に、第２設定部１１は、ステップＳ１で設定された観測データＸの分布となるように混合確率モデルのパラメータμ_ｋ、π_ｋを設定する（ステップＳ２）。具体的には、第２設定部１１は、上式（１０）の混合確率モデルに、クラスタごとに観測値ｘ_ｎの発生確率が設定された観測データＸを与えた際の、パラメータμ_ｋ、π_ｋを調整および決定する。パラメータμ_ｋ、π_ｋが設定された混合確率モデルは、第１記憶部１３に記憶される。

【0084】

続いて、学習部１２は、学習処理を行う（ステップＳ３）。具体的には、学習部１２は、ステップＳ２で設定されたパラメータμ_ｋ、π_ｋを有する混合確率モデルを、Ｄ台の対向装置３の各々に対する信号の振り分けの有無に関する真の振り分け情報として、真の振り分け情報に類似する疑似振り分け情報を生成する生成器１２１と、生成器１２１によって生成された疑似振り分け情報と真の振り分け情報とを識別する識別器１２２とを有するＧＡＮの敵対的学習を行う。学習処理によって、クラスタ１～Ｋ、すなわちＩＤ「＃１」～「＃Ｄ」の対向装置３にそれぞれ対応するＫ個の学習済み生成器１２１’＿１，・・・，１２１’＿Ｋが構築され、第１記憶部１３に記憶される。なお、ステップＳ３での学習処理の詳細は後述する。

【0085】

次に、提示部１４は、ステップＳ３で学習部１２によって構築された学習済み生成器１２１’を含む信号振り分け情報を、ネットワークＮＷを介して信号振り分け装置２に提示する（ステップＳ４）。具体的には、提示部１４は、クラスタごとに構築されたＫ個の学習済み生成器１２１＿１，・・・，１２１’＿Ｋを、信号振り分け装置２に提示する。

【0086】

続いて、信号振り分け装置２は、振り分け情報生成装置１からの信号振り分け情報の提示があると、信号振り分け情報を含む学習済み生成器１２１’（学習済み生成器１２１＿１，・・・，１２１’＿Ｋ）を第２記憶部２１に記憶する。その後、信号振り分け装置２の取得部２０は、第２記憶部２１から学習済み生成器１２１’（学習済み生成器１２１＿１，・・・，１２１’＿Ｋ）を読出して取得する（ステップＳ５）。

【0087】

次に、生成部２２は、ステップＳ５で取得された学習済み生成器１２１’（学習済み生成器１２１＿１，・・・，１２１’＿Ｋ）を用いて疑似振り分け情報を生成する（ステップＳ６）。その後、特定部２３は、ステップＳ６で生成された疑似振り分け情報に基づいて、信号振り分け装置２が信号を振り分ける対象の対向装置３を特定する（ステップＳ７）。次に、信号振り分け部２４は、ステップＳ７で特定された対向装置３に対して信号を振り分ける（ステップＳ８）。

【0088】

このように、信号振り分け情報にしたがって特定された対向装置３に信号を振り分けることで、意図した信号数の振り分けの比率で各対向装置３に信号を振り分けることができる。

【0089】

次に、図１０を参照し、図９で説明した振り分け情報生成装置１の学習部１２による学習処理（ステップＳ３）を説明する。図１０に示す学習処理の例では、学習部１２は、１～Ｋ個のクラスタごとの真の振り分け情報を繰り返し学習する。まず、学習部１２は、真の振り分け情報を訓練データ１２４として識別器１２２に入力し、真の振り分け情報を真の振り分け情報（ｙ＝１）と識別するように、識別器１２２のパラメータｗ_Ｄ，θ_Ｄを学習し、更新する（ステップＳ２０）。

【0090】

図４の学習部１２のブロック図に示すように、図９のステップＳ２で設定されたパラメータμ_ｋ、π_ｋを有する混合確率モデルは、Ｄ台の対向装置３の各々に対する信号の振り分けの有無に関する真の振り分け情報であり、識別器１２２を学習する際の訓練データ１２４として用いられる。ステップＳ２０では、まず、真の振り分け情報として、クラスタ１～クラスタＫのうち、クラスタ１の１～Ｄ個の観測値ｘ_ｎを訓練データ１２４として用いる。

【0091】

ステップＳ２０において、学習部１２は、例えば、誤差逆伝搬法などを用いて識別器１２２に真の振り分け情報を学習させることができる。ステップＳ２０により、クラスタ１の真の振り分け情報を真の振り分け情報と識別することができる識別器１２２が事前に構築される。

【0092】

次に、学習部１２は、ガウス雑音を発生し、発生したガウス雑音のランダムなベクトルを生成器１２１に入力として与える（ステップＳ２１）。続いて、生成器１２１は、与えられたガウス雑音に基づいて、入力ｚと重みパラメータｗ_Ｇ，θ_Ｇの積和演算および活性化関数によるしきい値処理を行い、疑似振り分け情報Ｇ（ｚ）を生成する（ステップＳ２２）。ステップＳ２２では、図４に示すように、学習部１２は、Ｋ個の生成器１２１＿１，・・・，１２１＿Ｋの各々で生成された１～Ｋ個の出力を合成して（図４に示す点ａ）、１つの疑似振り分け情報Ｇ（ｚ）を生成する。

【0093】

次に、学習部１２は識別器１２２の学習を行う。識別器１２２の学習は、生成器１２１のパラメータｗ_Ｄ，θ_Ｄを固定して行われる。まず、学習部１２は、図９のステップＳ２で設定されたパラメータμ_ｋ、π_ｋを有する混合確率モデルである、真の振り分け情報を訓練データ１２４として識別器１２２に入力として与える。そして、学習部１２は、上式（１２）の目的関数Ｅが最大となるように、誤差逆伝搬法などによりパラメータｗ_Ｄ，θ_Ｄを更新する（ステップＳ２３）。なお、訓練データ１２４のラベルは１（真の振り分け情報）が設定されている。ステップＳ２３では、まず、学習部１２は、Ｋ個のクラスタ１～クラスタＫのうちのクラスタ１の１～Ｄ個の観測値ｘ_ｎを真の振り分け情報として用いて、識別器１２２を学習する。

【0094】

次に、学習部１２は、ステップＳ２２で生成器１２１によって生成された疑似振り分け情報を識別器１２２に入力として与え、上式（１２）の目的関数Ｅが最大となるように、誤差逆伝搬法などによりパラメータｗ_Ｄ，θ_Ｄを更新する（ステップＳ２４）。すなわち、ステップＳ２３およびステップＳ２４では、上式（１２）の目的関数Ｅを最大にするために、第１項はＤ（ｗ_Ｄ，θ_Ｄ）＝１が出力され、第２項はＤ（Ｇ（ｗ_Ｇ，θ_Ｇ），ｗ_Ｄ，θ_Ｄ）＝０となるように最適化が行われる。なお、訓練データ１２４には、ラベルは０（疑似振り分け情報）が設定されている。ステップＳ２４では、Ｋ個の生成器１２１＿１，・・・，１２１＿Ｋの各々で生成され、合成された１つの疑似振り分け情報Ｇ（ｚ）を用いて、識別器１２２を学習する。

【0095】

ステップＳ２３およびステップＳ２４での識別器１２２の学習は、図４に示す学習部１２のブロック図において、識別器１２２からの出力１２３に基づいて、目的関数Ｅのブロック１２５で識別器誤差が算出され、その後、識別器１２２へ誤差逆伝搬されることを示す破線の矢印に対応する。

【0096】

次に、学習部１２は生成器１２１（生成器１２１＿１，・・・，１２１＿Ｋ）の学習を行う。生成器１２１の学習では、識別器１２２のパラメータが固定されて行われる。学習部１２は、ランダムなガウス雑音を生成器１２１に与えた際に疑似振り分け情報が生成されるように生成器１２１を学習する。具体的には、学習部１２は、上式（１２）の目的関数Ｅを最小とするために、誤差逆伝搬法などによりパラメータｗ_Ｇ，θ_Ｇを更新する（ステップＳ２５）。

【0097】

ステップＳ２５での学習は、図４の学習部１２のブロック図において、生成器１２１へ誤差逆伝搬されることを示す破線の矢印のフローに対応する。すなわち、ステップＳ２５は、図４の生成器１２１で生成された疑似振り分け情報が識別器１２２に入力され、その出力１２３から目的関数Ｅのブロック１２５で生成器誤差が算出され、さらには、生成器１２１へ誤差逆伝搬される破線矢印のフローに対応する。

【0098】

その後、目的関数Ｅの値がナッシュ均衡に到達して収束するまで（ステップＳ２６：ＮＯ）、ステップＳ２２からステップＳ２５までの識別器１２２および生成器１２１（生成器１２１＿１～生成器１２１＿Ｋ）の学習が繰り返し行われる。一方、目的関数Ｅの値が収束した場合（ステップＳ２６：ＹＥＳ）、クラスタ１～クラスタＫまでのすべての真の振り分け情報のうち、クラスタ２～クラスタＫまでの残りの真の振り分け情報を順番に用いて、Ｋ個の生成器１２１＿１，・・・，１２１＿Ｋ、および識別器１２２の学習が行われるまで（ステップＳ２７：ＮＯ）、ステップＳ２０からステップＳ２６までの処理が繰り返される。

【0099】

その後、クラスタ２～クラスタＫまでの残りのＫ－１個のクラスタの真の振り分け情報を用いて生成器１２１（生成器１２１＿１～生成器１２１＿Ｋ）および識別器１２２の学習が行われた場合（ステップＳ２７：ＹＥＳ）、学習部１２は、１～Ｋ個の学習済み生成器１２１’＿１，・・・，１２１’＿Ｋを第１記憶部１３に記憶する（ステップＳ２８）。以上のステップＳ２０からステップＳ２８までの処理によって学習済み生成器１２１’が構築される。さらにその後、処理は、図９のステップＳ４に移行する。

【0100】

以上説明したように、本実施の形態に係る振り分け情報生成装置１によれば、信号振り分け装置２が複数の対向装置３の各々に振り分ける信号数の偏りを混合ベルヌーイ分布によりモデル化し、意図した振り分け配分を表す観測データＸの分布となるようにパラメータμ_ｋ、π_ｋを設定した混合確率モデルをＧＡＮの敵対的学習での真のデータとして用いる。さらに、敵対的学習により構築された学習済み生成器１２１’を信号振り分け情報として信号振り分け装置２に提示するため、対向装置３ごとに振り分ける信号数の比率を調整することができる。

【0101】

また、本実施の形態に係る振り分け情報生成装置１によれば、意図した振り分け配分が反映されたパラメータμ_ｋ、π_ｋが設定された混合確率モデルを、ＧＡＮの敵対的学習での真のデータである真の振り分け情報として用い、真の振り分け情報に類似する疑似振り分け情報を生成する生成器１２１を学習する。そのため、ＧＡＮの敵対的学習を行うことにより、混合ベルヌーイ分布に従う混合確率モデルの潜在変数の学習を行うことができる。

【0102】

また、本実施の形態に係る振り分け情報生成装置１によれば、複数の対向装置３の各々に振り分ける信号数の偏りを混合ベルヌーイ分布の各クラスタの観測値とするので、クラスタごとに各対向装置３への信号の振り分け頻度やパターンを指定することができる。そのため、ハードウェアリソースの容量に応じた対向装置３ごとに振り分ける信号数の比率を詳細に設定し、より効率的な信号制御を実現することが可能となる。

【0103】

また、本実施の形態に係る振り分け情報生成装置１によれば、ＧＡＮの敵対的学習によって構築された学習済み生成器１２１’を信号振り分け情報として、ネットワークＮＷを介して信号振り分け装置２に通知する。そのため、信号制御を遠隔で行うことができる。

【0104】

なお、説明した実施の形態では、信号振り分け装置２がＡＭＦであり、対向装置３がＵＤＭである場合について例示した。しかし、信号振り分け装置２は、例えば、基地局で、対向装置３をＡＭＦとした構成であってもよい。あるいは、信号振り分け装置２がＵＰＦ（Ｕｓｅｒ Ｐｌａｎｅ Ｆｕｎｃｔｉｏｎ）であり、対向装置３がクラウド拠点であってもよい。

【0105】

また、説明した実施の形態では、信号は、コアネットワークで接続管理、認証、移動管理などを行うための位置登録要求信号などの制御信号を例示して説明した。しかし、信号は、ユーザプレーンで処理されるデータ信号であってもよい。

【0106】

以上、本発明の振り分け情報生成装置、信号振り分け装置、および振り分け情報生成方法における実施の形態について説明したが、本発明は説明した実施の形態に限定されるものではなく、請求項に記載した発明の範囲において当業者が想定し得る各種の変形を行うことが可能である。

【符号の説明】

【0107】

１…振り分け情報生成装置、２…信号振り分け装置、１０…第１設定部、１１…第２設定部、１２…学習部、１３…第１記憶部、１４…提示部、２０…取得部、２１…第２記憶部、２２…生成部、２３…特定部、２４…信号振り分け部、１０１、２０１…バス、１０２、２０２…プロセッサ、１０３、２０３…主記憶装置、１０４、２０４…通信インターフェース、１０５、２０５…補助記憶装置、１０６、２０６…入出力Ｉ／Ｏ、１０７、２０７…表示装置、１２１…生成器、１２２…識別器、１２３…出力、１２４…訓練データ、１２５…目的関数Ｅのブロック、ＮＷ…ネットワーク。

【要約】

【課題】各装置に振り分ける信号数の比率を調整することを目的とする。
【解決手段】
振り分け情報生成装置１は、複数の対向装置３の各々に対する信号の振り分けの有無を各クラスタの観測値とした混合確率モデルに対して、観測値の集合である観測データの分布を設定する第１設定部１０と、設定された観測データの分布となるように混合確率モデルのパラメータを設定する第２設定部１１と、設定されたパラメータを有する混合確率モデルを、複数の装置の各々に対する信号の振り分けの有無に関する真の振り分け情報として、生成モデルの敵対的学習を行う学習部１２と、学習部１２によって構築された学習済み生成器１２１’を含む信号振り分け情報を提示する提示部１４とを備える。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】