本发明专利技术提供一种模型管理装置及模型管理方法。在多个AI装置分别进行机器学习模型的学习的情况下，抑制在多个AI装置中分别学习的机器学习模型的精度的偏差。模型管理装置具备：通信部(11)，能够与分别持续地进行机器学习模型的学习的多个AI装置(2)通信；学习管理部(15)，管理多个AI装置各自的机器学习模型的学习；精度取得部(16)，取得在多个AI装置中分别学习的机器学习模型的精度。学习管理部变更与具有规定范围内的精度的机器学习模型的学习相关的处理的实施频度。相关的处理的实施频度。相关的处理的实施频度。
【技术实现步骤摘要】
模型管理装置及模型管理方法
[0001]本专利技术涉及模型管理装置及模型管理方法。
技术介绍
[0002]专利文献1记载了在智慧城市中从多个企业主体收集数据的技术。为了使用信息通信技术使人们的生活更舒适，希望能够有效利用这样的大数据。
[0003]例如，可想到使用在智慧城市那样的规定的对象区域取得的大量数据，进行能够输出所希望的预测值的机器学习模型的学习的技术。为了同时进行各个种类的机器学习模型的学习，需要在对象区域设置多个AI装置，在多个AI装置中分别进行机器学习模型的学习。
[0004]【在先技术文献】
[0005]【专利文献】
[0006]【专利文献1】日本特开2013
‑
069084号公报
技术实现思路
[0007]【专利技术的概要】
[0008]【专利技术要解决的课题】
[0009]然而，在多个AI装置中分别学习的机器学习模型的精度有时会产生偏差。例如，可想到在某机器学习模型中由于外部环境的变化等而精度下降，在另外的机器学习模型中由于持续的学习而精度充分提高的情况。在机器学习模型的精度下降的情况下，通过机器学习模型输出的输出参数的值的可靠度下降，使用了这样的机器学习模型的控制、分析、诊断等可能会产生障碍。另一方面，在机器学习模型的精度充分高的情况下，精度成为饱和状态，使这样的机器学习模型的学习以相同频度继续的情况会带来对象区域中的电力的浪费。
[0010]因此，鉴于上述课题，本专利技术的目的是在多个AI装置分别进行机器学习模型的学习的情况下，抑制在多个AI装置中分别学习的机器学习模型的精度的偏差。
[0011]【用于解决课题的方案】
[0012]本公开的主旨如以下所述。
[0013](1)一种模型管理装置，管理多个机器学习模型，具备：通信部，能够与多个AI装置通信，所述多个AI装置分别持续进行机器学习模型的学习；学习管理部，管理所述多个AI装置各自的机器学习模型的学习；精度取得部，取得在所述多个AI装置中分别学习的机器学习模型的精度，所述学习管理部变更与具有规定范围内的精度的机器学习模型的学习相关的处理的实施频度。
[0014](2)根据上述(1)记载的模型管理装置，其中，所述学习管理部使与具有规定的下侧阈值以下的精度的机器学习模型的学习相关的处理的实施频度增加。
[0015](3)根据上述(2)记载的模型管理装置，其中，在由于所述实施频度的增加而机器
学习模型的精度上升至比所述下侧阈值高的规定的第一判定值时，所述学习管理部使该实施频度复原。
[0016](4)根据上述(1)～(3)的任一记载的模型管理装置，其中，所述学习管理部使与具有规定的上侧阈值以上的精度的机器学习模型的学习相关的处理的实施频度减少。
[0017](5)根据上述(4)记载的模型管理装置，其中，在由于所述实施频度的减少而机器学习模型的精度下降至小于所述上侧阈值的规定的第二判定值时，所述学习管理部使该实施频度复原。
[0018](6)根据上述(1)～(5)的任一记载的模型管理装置，其中，所述学习管理部使与具有规定的下侧阈值以下的精度的机器学习模型的学习相关的处理的实施频度增加，使与具有规定的上侧阈值以上的精度的机器学习模型的学习相关的处理的实施频度减少，以由该实施频度的变更引起的电力消耗量的变化量成为规定值以下的方式变更所述下侧阈值及所述上侧阈值中的至少一方。
[0019](7)根据上述(1)～(5)的任一记载的模型管理装置，其中，所述模型管理装置还具备电力量取得部，该电力量取得部取得能够向所述多个AI装置供给的电力量，所述学习管理部使与具有规定的上侧阈值以上的精度的机器学习模型的学习相关的处理的实施频度减少，使与具有规定的下侧阈值以下的精度的机器学习模型的学习相关的处理的实施频度增加，基于所述电力量来变更所述上侧阈值及所述下侧阈值中的至少一方。
[0020](8)根据上述(4)～(7)的任一记载的模型管理装置，其中，具有所述上侧阈值以上的精度的机器学习模型是不输出与人的健康相关的数据的机器学习模型。
[0021](9)一种模型管理方法，使用模型管理装置来管理多个机器学习模型，包括如下步骤：取得在多个AI装置中分别学习的机器学习模型的精度；变更与具有规定范围内的精度的机器学习模型的学习相关的处理的实施频度。
[0022]【专利技术效果】
[0023]根据本专利技术，在多个AI装置分别进行机器学习模型的学习的情况下，能够抑制在多个AI装置中分别学习的机器学习模型的精度的偏差。
附图说明
[0024]图1是本专利技术的第一实施方式的模型管理系统的概略性的构成图。
[0025]图2是概略性地表示图1的AI装置的结构的图。
[0026]图3是AI装置的处理器的功能框图。
[0027]图4是概略性地表示图1的管理服务器的结构的图。
[0028]图5是第一实施方式中的管理服务器的处理器的功能框图。
[0029]图6A是表示在第一实施方式中在管理服务器中执行的实施频度发送处理的控制例程的流程图。
[0030]图6B是表示在第一实施方式中在管理服务器中执行的实施频度发送处理的控制例程的流程图。
[0031]图7是表示在AI装置中执行的实施频度变更处理的控制例程的流程图。
[0032]图8是表示在AI装置中执行的学习处理的控制例程的流程图。
[0033]图9A是表示在第二实施方式中在管理服务器中执行的实施频度发送处理的控制
例程的流程图。
[0034]图9B是表示在第二实施方式中在管理服务器中执行的实施频度发送处理的控制例程的流程图。
[0035]图9C是表示在第二实施方式中在管理服务器中执行的实施频度发送处理的控制例程的流程图。
[0036]图10是第三实施方式中的管理服务器的处理器的功能框图。
[0037]图11是表示在第三实施方式中在管理服务器中执行的阈值设定处理的控制例程的流程图。
[0038]图12是表示能够向多个AI装置供给的电力量与上侧阈值的关系的图。
[0039]图13是表示能够向多个AI装置供给的电力量与下侧阈值的关系的图。
[0040]【附图标记说明】
[0041]1管理服务器
[0042]11通信接口
[0043]14处理器
[0044]15学习管理部
[0045]16精度取得部
[0046]2AI装置
具体实施方式
[0047]以下，参照附图，详细说明本专利技术的实施方式。需要说明的是，在以下的说明中，对同样的构成要素标注相同的附图标记。
[0048]<第一实施方式>
[0049]首先，参照图1～图8，说明本专利技术的第一实施方式。
[0050]图1是本专利技术的第一实施方式的模型管理系统10的概略性的构成图。如图1所示，模型管理系统10具备管本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型管理装置，管理多个机器学习模型，具备：通信部，能够与多个AI装置通信，所述多个AI装置分别持续地进行机器学习模型的学习；学习管理部，管理所述多个AI装置各自的机器学习模型的学习；及精度取得部，取得在所述多个AI装置中分别学习的机器学习模型的精度，所述学习管理部变更与具有规定范围内的精度的机器学习模型的学习相关的处理的实施频度。2.根据权利要求1所述的模型管理装置，其中，所述学习管理部使与具有规定的下侧阈值以下的精度的机器学习模型的学习相关的处理的实施频度增加。3.根据权利要求2所述的模型管理装置，其中，在由于所述实施频度的增加而机器学习模型的精度上升至比所述下侧阈值高的规定的第一判定值时，所述学习管理部使该实施频度复原。4.根据权利要求1～3中任一项所述的模型管理装置，其中，所述学习管理部使与具有规定的上侧阈值以上的精度的机器学习模型的学习相关的处理的实施频度减少。5.根据权利要求4所述的模型管理装置，其中，在由于所述实施频度的减少而机器学习模型的精度下降至小于所述上侧阈值的规定的第二判定值时，所述学习管理部使该实施频度复原。6.根据权利要求1～5中任一项所述的模型管理装置，其中...
【专利技术属性】
技术研发人员：横山大树，金子智洋，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。