RELIABILITY ASSESSMENT DEVICE AND RELIABILITY ASSESSMENT METHOD

The present invention is provided with: a training data storage unit (102) for storing training data items comprising sets of data items and labels that are information items related to the data items and that are assigned for identifying objects to be identified; a learning unit (103) that, after applying a preset dropout parameter to a neural network model to be learned so as to perform a dropout process thereon, repeats learning for classifying the plurality of labels by using the training data items, the repeated learning being performed until the learning is converged; a model reconfiguration unit (105) for reconfiguring, in accordance with the dropout parameter, a learned model that is the neural network model obtained by having the repeated learning converged and for creating a plurality of different reconfiguration models; an identification unit (107) that identifies the training data items by using the created reconfiguration models and deduces the respective labels of the reconfiguration models; and a classification determination unit (109) that, on the basis of the deduction labels having been deduced, assesses the respective labels of the training data items and classifies the labels of the training data items. La présente invention comprend : une unité de mémorisation de données d'apprentissage (102) destinée à mettre en mémoire des éléments de données d'apprentissage comprenant des ensembles d'éléments de données et des étiquettes qui sont des éléments d'informations associés aux éléments de données et qui sont attribués pour identifier des objets à identifier ; une unité d'apprentissage (103) qui, après application d'un paramètre d'abandon prédéfini à un modèle de réseau neuronal à apprendre de façon à effectuer un processus d'abandon sur celui-ci, répète l'apprentissage pour classifier la pluralité d'étiquettes à l'aide des éléments de données d'apprentissage, l'apprentissage répété étant effectué jusqu'à ce que l'apprentissage soit convergent ; une unité de reconfiguration de modèle (105) destinée à reconfigurer, en fonction du paramètre d'abandon, un modèle appris qui est le modèle de réseau neuronal obtenu en ayant fait en sorte que l'apprentissage répété soit convergent et à créer une pluralité de modèles de reconfiguration différents ; une unité d'identification (107) qui identifie les éléments de données d'apprentissage en utilisant les modèles de reconfiguration créés et en déduit les étiquettes respectives des modèles de reconfigura