[发明专利]学习方法、计算机可读记录介质和学习装置

权利要求书

1.一种由计算机执行的学习方法，所述方法包括：

通过将原始训练数据输入至包括在学习模型中的第一神经网络来生成第一特征值和第二特征值；以及

学习所述学习模型的至少一个参数和对输入至所述第一神经网络的数据进行重构的解码器的参数，以使得通过将所述第一特征值和所述第二特征值输入至所述解码器而从所述解码器输出的重构数据变得接近原始训练数据，并且使得通过将所述第二特征值输入至包括在所述学习模型中的第二神经网络而从所述第二神经网络输出的输出数据变得接近原始训练数据的正确数据。

2.根据权利要求1所述的学习方法，其中，所述学习对参考特征值和所述第一神经网络的参数进行学习，以使得各个第二特征值变得与所述参考特征值相似，所述各个第二特征值是通过将多个扩展训练数据输入至所述第一神经网络来计算的，并且所述多个扩展训练数据是通过对相同的原始训练数据进行数据扩展而获得的。

3.根据权利要求2所述的学习方法，还包括：

执行将所述参考特征值和所述相同的原始训练数据的正确数据以彼此关联的方式存储在存储装置中的处理。

4.根据权利要求3所述的学习方法，其中，所述学习对所述第二神经网络的参数进行学习，以使得输出数据变得接近与所述参考特征值对应的正确数据，所述输出数据是通过将存储在所述存储装置中的所述参考特征值输入至所述第二神经网络而从所述第二神经网络输出的。

5.一种存储有处理计算机程序的计算机可读记录介质，所述处理计算机程序使计算机执行包括下述操作的处理：

通过将原始训练数据输入至包括在学习模型中的第一神经网络来生成第一特征值和第二特征值；以及

学习所述学习模型的至少一个参数和对输入至所述第一神经网络的数据进行重构的解码器的参数，以使得通过将所述第一特征值和所述第二特征值输入至所述解码器而从所述解码器输出的重构数据变得接近原始训练数据，并且使得通过将所述第二特征值输入至包括在所述学习模型中的第二神经网络而从所述第二神经网络输出的输出数据变得接近原始训练数据的正确数据。

6.根据权利要求5所述的计算机可读记录介质，其中，所述学习对参考特征值和所述第一神经网络的参数进行学习，以使得各个第二特征值变得与所述参考特征值相似，所述各个第二特征值的通过将多个扩展训练数据输入至所述第一神经网络来计算的，并且所述多个扩展训练数据是通过对相同的原始训练数据进行数据扩展来获得的。

7.根据权利要求6所述的计算机可读记录介质，还使所述计算机执行下述操作：

执行将所述参考特征值和所述相同的原始训练数据的正确数据以彼此关联的方式存储在存储装置中的处理。

8.根据权利要求7所述的计算机可读记录介质，其中，所述学习对所述第二神经网络的参数进行学习，以使得输出数据变得接近与所述参考特征值对应的正确数据，所述输出数据是通过将存储在所述存储装置中的所述参考特征值输入至所述第二神经网络而从所述第二神经网络输出的。

9.一种学习装置，包括：

特征值生成单元(150c)，其通过将原始训练数据输入至包括在学习模型中的第一神经网络来生成第一特征值和第二特征值；以及

学习单元(150d)，其学习所述学习模型的至少一个参数和对输入至所述第一神经网络的数据进行重构的解码器的参数，以使得通过将所述第一特征值和所述第二特征值输入至所述解码器而从所述解码器输出的重构数据变得接近原始训练数据，并且使得通过将所述第二特征值输入至包括在所述学习模型中的第二神经网络而从所述第二神经网络输出的输出数据变得接近原始训练数据的正确数据。