[发明专利]机器学习装置、机器学习系统、机器学习方法及存储介质

说明书

提供从多个设备取得参数数据而增加训练数据的数量且学习精度高的机器学习装置、机器学习系统、机器学习方法及存储介质。机器学习装置具备：取得部，取得包含第一数据和与所述第一数据建立了关联的第二数据的第三数据，所述第一数据包含关于多个收集设备收集到的参数数据及根据所述参数数据而制作出的训练数据中的至少一方，所述第二数据表示所述参数数据的收集条件；选定部，从所述第三数据选定特定的数据；及学习部，使用所述特定的数据来进行机器学习，生成对对象设备使用的已学习模型，所述选定部选定与相对于所述对象设备的所述已学习模型的使用条件和所述收集设备中的所述收集条件比规定基准接近的所述收集条件建立了关联的所述特定的数据。

技术领域

本发明涉及机器学习装置、机器学习系统、机器学习方法及程序。

背景技术

在预测设备的特性时，存在使用已学习模型的情况。在专利文献1所记载的技术中，设备将收集到的各种各样的参数的数据向服务器发送。服务器使用根据接收到的数据而制作出训练数据来进行机器学习，将由此生成的已学习模型向设备发送。设备使用接收到的已学习模型来进行特性的预测。作为搭载有这样的已学习模型的设备，存在车辆等运输设备、机器人设备等。

现有技术文献

专利文献

专利文献1：日本特开2019-183698号公报

发明内容

发明所要解决的课题

一般来说，在机器学习中，在训练数据的数量多时，学习精度变高。作为增加训练数据的方法，可考虑从多个设备收集训练数据或用于制作训练数据的数据的方法。然而，若将从各种各样的设备收集到的数据的全部使用于机器学习，则反而可能会招致学习精度的下降。学习精度的下降例如可能因“在收集了数据的设备和使用已学习模型的设备间种类不同的情况下，在训练数据中产生不显著的偏差”而发生。另外，即使是相同种类的设备，在收集了数据的条件和使用已学习模型的条件不同的情况等下，也可能会招致学习精度的下降。

本发明鉴于上述而完成，目的在于提供从多个设备取得参数数据而增加训练数据的数量且学习精度高的机器学习装置、机器学习系统、机器学习方法及程序。

用于解决课题的手段

本发明的一方案是一种机器学习装置，具备：取得部，取得包含第一数据和与所述第一数据建立了关联的第二数据的第三数据，所述第一数据包含关于多个收集设备收集到的参数数据及根据所述参数数据而制作出的训练数据中的至少一方，所述第二数据表示所述参数数据的收集条件；选定部，从所述第三数据选定特定的数据；及学习部，使用所述特定的数据来进行机器学习，生成对对象设备使用的已学习模型，所述选定部选定与相对于所述对象设备的所述已学习模型的使用条件和所述收集设备中的所述收集条件比规定基准接近的所述收集条件建立了关联的所述特定的数据。

由此，机器学习装置在生成对对象设备使用的已学习模型时，从关于多个收集设备收集到的参数数据及根据参数数据而制作出的训练数据中的至少一方选定与和已学习模型的使用条件接近的收集条件建立了关联的数据，使用选定出的数据来进行机器学习，因此能够实现从多个设备取得参数数据而增加训练数据的数量且学习精度高的机器学习装置。

在所述机器学习装置中，可以是，所述收集条件包含表示所述收集设备所具有的特性的条件、所述收集设备的使用条件及所述收集设备的环境条件中的至少一个，所述使用条件包含表示所述对象设备所具有的特性的条件及所述对象设备的环境条件中的至少一个。

由此，机器学习装置能够基于各种各样的收集条件或使用条件来选定数据。

所述机器学习装置可以具备将所述已学习模型向所述对象设备发送的通信部。

由此，对象设备能够将从机器学习装置发送出的已学习模型在本车辆中使用。