7.おわりに

この章では、機械学習システムを構築するための具体的手順について述べた。このような機械学習を活用するための具体的なツール、ライブラリ、プラットフォームは、TensolFlow、Café、Chainerなど[17]や、それぞれのAI物語で提供されているツール群などがある。この節で紹介した事例のより詳細な内容については参考文献を参照していたければ幸いである。

 

【文献】

[1] 有賀康顕,中山心太,西村孝:仕事ではじめる機械学習,オーム社,2018/1/15

[2] 井出剛:入門 機械学習による異常検知,コロナ社,2015/3/13

[3] 井出剛,杉山将:異常検知と変化検知,講談社,2015/8/7

[4] 吉澤亜耶,橋本洋一:異常検知技術の概要と応用動向について,INTEC TECHNICAL JOURNAL,Vol,17,pp.42-47,2016, https://www.intec.co.jp/company/itj/itj17/contents/itj17_42-47.pdf

[5] 山西健司:異常検知:外れ値検知と変化検知,日本信頼性学会誌vol.37,No.3,pp.134-143, 2015, https://www.jstage.jst.go.jp/article/reajshinrai/37/3/37_KJ00009962108/_pdf/-char/ja

[6] 比戸将平:異常検知入門,@Deep Learning Lab 異常検知ナイト,2018/2/14, https://www.slideshare.net/shoheihido/deep-learning-lab-88299985

[7] 中郷孝祐,小松智希:異常検知ハンズオン,@Deep Learning Lab 異常検知ナイト,2018/2/14, https://www.slideshare.net/KosukeNakago

[8] 異常検知ナイト,2018/2/14, https://www.youtube.com/watch?v=mAvRNKi9UEE&t=2191s

[9] 竹本佳充:機械学習のための信号処理, https://jp.mathworks.com/videos/signal-processing-for-machine-learning-119299.html

[10] Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra and Jorge L. Reyes-Ortiz.:

Human Activity Recognition on Smartphones using a Multiclass Hardware-Friendly Support Vector Machine. International Workshop of Ambient Assisted Living (IWAAL 2012). Vitoria-Gasteiz, Spain. Dec 2012 http://archive.ics.uci.edu/ml/datasets/Human+Activity+Recognition+Using+Smartphones

[11] 太田英二:センサーデータ解析のためのニューラルネットワーク, https://jp.mathworks.com/videos/neural-network-for-sensor-data-analysis-1505494780628.html

[12] Keogh, E., Lin, J. and Fu, A. : HOT SAX : Efficiently Finding the Most Unusual Time Series Subsequence, in Proceedings of the Fifth IEEE International Conference on Data Mining, ICDM 05, pp.226-233

[13]井上瑞希:データの本質を読み解くための機械学習~MATLABでデータ解析の課題に立ち向かう~, https://jp.mathworks.com/videos/machine-learning-for-understanding-data-tackling-data-analytics-issues-with-matlab-123658.html

[14] 太田英二:MATLABによる機械学習の基礎~特徴抽出・分類機・交差検定, https://jp.mathworks.com/videos/matlab-for-machine-learning-for-beginners-feature-extraction-classifier-and-cross-validation-117948.html

[15]太田英二:センサーデータ解析と機械学習~振動データからの異常検出, https://jp.mathworks.com/videos/sensor-data-analysis-and-machine-learning-anomaly-detection-using-vibration-data-100241.html

[16] 井上道雄:MATLABを使った予知保全/故障予測, https://jp.mathworks.com/videos/predictive-maintenance-with-matlab-a-prognostics-case-study-121138.html?elqsid=1528860103730&potential_use=Home

[17] 宇都宮綱紀:機械学習、深層学習のプラットフォームの整理,2018/6/13, http://ainow.ai/2018/06/13/140309/

[18]萩本順三:匠Method: 〜新たな価値観でプロジェクトをデザインするために〜,匠Business Place 出版, 2016/12/24

[19]片山 立:目的手段体系に基づく起業家の意思決定過程の可視化,日本創造学会第39回研究大会論文集, 39, pp.69-76,2017年9月

[20]山内進吾:音響・振動による設備の故障診断・寿命予知,騒音制御,vol.16,No.6,pp.273-277,1992

[21]回転機械の異常予知, https://www.juntsu.co.jp/qa/qa1404.php

[22] 片山立:ファジィ・ニューラルネットワークモデルによる同定手法とその応用に関する研究,慶應義塾大学博士論文,1995 https://ci.nii.ac.jp/naid/10000078355

[23] M.Casdagli:Nonlinear Prediction of Chaotic Time Series, Physica D, 35,pp.335-356,1989

[24] J.D.Farmer,J.J.Sidorowoch: Predicting  Chaotic Time Series, Physical Review Letters, 59,8,pp.845-848,1987

[25] J.Jimenz,J.A.Moreno and G.J.Ruggeri: Forecasting on Caotic Time Series:A Local Optimal Linear-reconstruction Method, Physical Review A, vol.45,no.6,pp.3553-3558,1992

[26] G.Sugihara,R.May: Nonlinear Forcasting as a Way of Distinguishing Chaos from Measurement Error in Time Series, Nature, vol.344,no.19,pp.734-741,1990

[27] A.I.Mees: Dynamical Systems and Tesselations: Detecting Determinism in Data, International Journal of Bifurcation and Chaos, vol.1,no.4,pp.777-794,1991

[28]生駒,廣田:メンバーシップ関数を用いたノンパラメトリック回帰モデル,第8回ファジィシステムシンポジウム講演論文集,pp.281-284,1992

[29]五百旗頭,菅家,藤本,鈴木:局所ファジィ再構成法によるカオス的振る舞いをする時系列データの短期予測,第8回ファジィシステムシンポジウム講演論文集,pp.281-284,1992

[30] A.Lapedes,R.Farber: Nonlinear Signal Processing Using Neural Networks, Technical report, no.LA-UR87-2662,Los Alamos National Laboratory,1987

[31] J.Moody,C.J.Darken:Fast Learning in Networks in Networks of Locally-Tuned Processing Units, Neural Computaions,1, pp.281-294,1989

[32] S.Chen, S.A.Billings,C.F.N.Cowan and P.M. Grant: Practical identification of NARMAX models using radial basis functions, International Journal of Control, vol.52,no.6, pp.1327-1350,1990

[33] S.Chen, S.A.Billings,C.F.N.Cowan and P.M. Grant: Practical identification of NARMAX models using radial basis functions, International Journal of Control, vol.52,no.6, pp.1327-1350,1990

[34] R.Katayama, Y.Kajitani, K.Kuwata, and Y.Nishida: Self generating radial basis function as neuro-fuzzy model and its application to nonlinear prediction of chaotic time series, 1993, Second IEEE International Conference on Fuzzy Systems, pp.407-414,1993

[35]生駒,廣田:ファジィ関係を用いた関数近似による非線形自己回帰モデル,第8回ファジィシステムシンポジウム講演論文集,pp.277-280,1992

[36] https://ja.wikipedia.org/wiki/%E3%82%AA%E3%83%BC%E3%83%88%E3%82%A8%E3%83%B3%E3%82%B3%E3%83%BC%E3%83%80

[37] 神鷲敏弘編:深層学習,近代科学社,2015/10/31

[38] 独立行政法人情報処理推進機構:AI白書 2017 人工知能がもたらす技術の革新と社会の変貌,株式会社角川アスキー総合研究所,2017/7/20


このコンテンツは会員限定のコンテンツです。
会員登録または、ログインしてください。

あわせて読みたい