LEARNING MODEL GENERATION METHOD, PROGRAM, STORAGE MEDIUM, AND PRELEARNED MODEL

• Main Authors: TAKAKUWA, Tatsuya, MASUDA, Haruhisa, KURAMOTO, Kei, KAWABE, Rumi
• Format: Patent
• Language: English; French; Japanese
• Published: 19.11.2020
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; ELECTRIC DIGITAL DATA PROCESSING; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; PHYSICS

To discover a suitable combination of a water repellent agent, etc., it is necessary to carry out a test and research a number of times, imposing huge time and cost burdens. A learning model generation method for generating a learning model that determines, using a computer, the evaluation of an article in which a surface treatment agent is fixed to a substrate. The learning model generation method includes an acquisition step (S12), a learning step (S15) and a generation step (S16). In the acquisition step (S12), the computer acquires teaching data. The teaching data includes substrate information, treatment agent information, and article evaluation. In the learning step (S15), the computer learns on the basis of the plurality of teaching data acquired in the acquisition step (S12). In the generation step (S16), the computer generates a learning model on the basis of the result of learning practiced in the learning step (S15). The article is one in which a surface treatment agent is fixed to a substrate. The learning model accepts input information as input and outputs an evaluation. The input information is unknown information different from the teaching data. The input information at least includes the substrate information and the treatment agent information. Pour découvrir une combinaison appropriée d'un agent hydrofuge et autres, il est nécessaire d'effectuer un test et de longues recherches, imposant un temps et un coût importants. L'invention concerne un procédé de génération de modèle d'apprentissage permettant de générer un modèle d'apprentissage qui détermine, à l'aide d'un ordinateur, l'évaluation d'un article dans lequel un agent de traitement de surface est fixé à un substrat. Le procédé de génération de modèle d'apprentissage comprend une étape d'acquisition (S12), une étape d'apprentissage (S15) et une étape de génération (S16). Lors de l'étape d'acquisition (S12), l'ordinateur acquiert des données d'enseignement. Les données d'enseignement comprennent des informations de substrat, des informations d'agent de traitement et une évaluation d'article. Lors de l'étape d'apprentissage (S15), l'ordinateur apprend sur la base de la pluralité de données d'enseignement acquises lors de l'étape d'acquisition (S12). Lors de l'étape de génération (S16), l'ordinateur génère un modèle d'apprentissage sur la base du résultat de l'apprentissage pratiqué lors de l'étape d'apprentissage (S15). L'article est un article dans lequel un agent de traitement de surface est fixé à un substrat. Le modèle d'apprentissage accepte des informations d'entrée en tant qu'entrée et délivre une évaluation. Les informations d'entrée sont des informations inconnues différentes des données d'enseignement. Les informations d'entrée comprennent au moins les informations de substrat et les informations d'agent de traitement. 撥水剤等の好ましい組み合わせを発見するには、試験や研究を何度も行わなければならず、時間的、及びコスト的な負担が大きい。学習モデル生成方法は、基材に表面処理剤を定着させた物品の評価を、コンピュータを用いて決定する学習モデルを生成する学習モデル生成方法である。学習モデル生成方法は、取得ステップ（Ｓ１２）と、学習ステップ（Ｓ１５）と、生成ステップ（Ｓ１６）と、を備える。取得ステップ（Ｓ１２）では、コンピュータが教師データを取得する。教師データは、基材情報と、処理剤情報と、物品の評価と、を含む。学習ステップ（Ｓ１５）では、コンピュータが取得ステップ（Ｓ１２）で取得した複数の教師データに基づいて学習する。生成ステップ（Ｓ１６）では、コンピュータが学習ステップ（Ｓ１５）で学習した結果に基づいて学習モデルを生成する。物品は、基材に表面処理剤を定着させたものである。学習モデルは、入力情報を入力として、評価を出力とする。入力情報は、教師データとは異なる未知の情報である。入力情報は、少なくとも、基材情報と処理剤情報とを含む情報である。