理論が先か、データ解析・機械学習が先か、特徴量エンジニアリングの方針と注意点
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
モデルの適用範囲を設定する手法とそのハイパーパラメータを最適化する手法を開発しました！[金子研論文]
金子研の論文が ACS Omega に掲載されましたので、ご紹介します。タイトルは Evaluation and Optimization Methods for Applicability Domain Methods and Their...
Datachemical LAB をデータ解析・機械学習・人工知能の初学者が用いて問題ないのか？
Datachemical LABは、ウェブブラウザ上で使用できる実験・製造データ解析のAI・機械学習クラウドサービスです。 方法・技術としてはデータ解析・機械学習・人工知能、応用的にはケモインフォマティクス・マテリアルズインフォマティクス・...
異常検出(異常検知)モデルの性能はどのように評価するのか？
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
無意味な候補は選択肢から外しましょう！
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
x から y を予測しないモデル！？ はい、逆解析専用でクラスタリングにより超高精度のモデル構築手法を開発しました！[金子研論文]
金子研の論文が Chemometrics and Intelligent Laboratory Systems に掲載されましたので、ご紹介します。タイトルは Clustering method for the construction o...
モデルの適用範囲はモデルを構築した特徴量 x で設定しよう！
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
バッチ時間が異なるバッチプロセスにおいて Dynamic Time Warping (DTW) を用いて製品品質の予測とプロセス変数の時間変化の最適化をしました！[DIC株式会社&金子研の共同研究論文]
金子研の論文が Case Studies in Chemical and Environmental Engineering に掲載されましたので、ご紹介します。タイトルは Predicting product quality and ...
アンサンブル学習ではモデル間の独立性が重要
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
データ解析・機械学習の始めから研究を進めるまでの道標
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...