MACHINE LEARNING DEVICE, MACHINE LEARNING METHOD, AND MACHINE LEARNING PROGRAM

A machine learning device (200) according to the present invention comprises: an NN (32s) including an NN lower layer unit (110s) and an NN upper layer unit (120s) including a base-class classification output unit (121) that inputs an output value of the NN lower layer unit (110s) based on data (15) on a base class and data (20) on a new class and outputs a base-class classification and a new-class classification output unit (122) that inputs an output value of the NN lower layer unit (110) based on the data (20) on the new class and outputs a new-class classification; a loss calculation unit (130s) that calculates losses of the base- and new-class classifications; and an update unit (140s) that updates weights (θo), (θn) on the basis of the sum of the loss of the base-class classification and the loss of the new-class classification while keeping a weight (θs) fixed. Un dispositif d'apprentissage automatique (200) selon la présente invention comprend : un réseau neuronal NN (32s) comprenant une unité de couche inférieure NN (110s) et une unité de couche supérieure NN (120s) comprenant une unité de sortie de classification de classe de base (121), qui entre une valeur de sortie de l'unité de couche inférieure NN (110s) sur la base de données (15) sur une classe de base et des données (20) sur une nouvelle classe et délivre une classification de classe de base, et une unité de sortie de classification de nouvelle classe (122) qui entre une valeur de sortie de l'unité de couche inférieure NN (110) sur la base des données (20) sur la nouvelle classe et délivre une classification de nouvelle classe ; une unité de calcul de perte (130s) qui calcule des pertes des classifications de classe de base et de nouvelle classe ; et une unité de mise à jour (140s) qui met à jour des poids (θo), (θn) sur la base de la somme de la perte de la classification de classe de base et de la perte de la classification de nouvelle classe tout en maintenant un poids (θs) fixé. 本発明の機械学習装置（２００）は、ＮＮ下層部（１１０ｓ）と、ＮＮ上層部（１２０ｓ）であって、基本クラスのデータ（１５）及び新規クラスのデータ（２０）に基づくＮＮ下層部（１１０ｓ）の出力値を入力とし、基本クラス分類を出力する基本クラス分類出力部（１２１）と、新規クラスのデータ（２０）に基づくＮＮ下層部（１１０）の出力値を入力とし、新規クラス分類を出力する新規クラス分類出力部（１２２）と、を含むＮＮ上層部（１２０ｓ）と、を含むＮＮ（３２ｓ）と、基本及び新規クラス分類の損失を計算する損失計算部（１３０ｓ）と、重み（θs）を固定しつつ、基本クラス分類の損失と新規クラス分類の損失との和に基づいて重み（θo）、（θn）を更新する更新部（１４０ｓ）と、を備える。