ガウス過程による潜在変数モデルでプロセスデータの可視化やプロセス状態推定をしました！[金子研論文]
金子研の論文が Analytical Science Advances に掲載されましたので、ご紹介します。タイトルは Estimation and visualization of process states using latent ...
データ解析
「化学のためのPythonによるデータ解析・機械学習入門(改訂2版)」 化学・化学工学のデータ解析・機械学習をしたい方へ
金子弘昌, 「化学のためのPythonによるデータ解析・機械学習入門(改訂2版)」, オーム社, 2023 オーム社: Amazon: 自分の本の紹介で恐縮です。ただ、データ解析や機械学習による分子設計、材料設計、プロセス設計、プロセス...
単体・化合物と実験条件・製造条件の両方が変わるデータセットの解析の仕方
データセットを用いて説明変数 X と目的変数 Y との間でモデル Y = f(X) を構築するときの話です。材料のデータセットを扱うときは、X が化合物の化学構造や結晶構造や金属の特徴量だったり、単体や化合物の組成比だったり、その他の実験条...
「統計学入門 (基礎統計学Ⅰ)」 統計学について学びたい方へ
東京大学教養学部統計学教室 編, 「統計学入門 (基礎統計学Ⅰ)」, 東京大学出版会, 1991 東京大学出版会: Amazon: 統計学の入門書です。データ解析や機械学習をやる上で、必要な統計学の内容を学べます。他にもいろいろと統計学の本...
オーバーフィッティング(過学習)の本質を理解して実用的な議論をする
回帰分析やクラス分類を行うとき、オーバーフィッティング(過学習)をしないことが重要といわれます。 オーバーフィッティングを防ぐため、クロスバリデーションでハイパーパラメータを決めたり、テストデータを用いて回帰分析手法やクラス分類手法を選んだ...
「実践GAN 敵対的生成ネットワークによる深層学習」 敵対的生成ネットワーク(Generative Adversarial Network, GAN)について学びたい方へ
Jakub Langr 著, Vladimir Bok 著, 大和田茂 訳, 「実践GAN 敵対的生成ネットワークによる深層学習」, マイナビ出版, 2020 マイナビ出版: Amazon: 敵対的生成ネットワーク (Generative ...
「ガウス過程と機械学習」 ガウス過程法についてゼロから学びたい方へ
持橋大地, 大羽成征, 「ガウス過程と機械学習」, 講談社, 2019 講談社: Amazon: ガウス過程、ガウス過程回帰、機械学習について学ぶための本です。 最初から読み進めることで、ガウス過程のイメージをもてるようになり、そして線形回...
モデルの直接的逆解析法で効率的な適応的実験計画法ができるようになりました！[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 Adaptive design of experiments based on ...
バッチプロセスにおける特徴量の作り方
バッチプロセスにおいて、プロセスの異常を検出したり異常原因の診断をしたり、説明変数 X と目的変数 Y との間でモデル Y = f(X) を構築して X から Y を予測したり、Y が望ましい値になるようにバッチプロセスを設計したりすること...
「ゼロから作るDeep Learning: Pythonで学ぶディープラーニングの理論と実装」 ニューラルネットワークの基礎から深層学習(ディープラーニング)を学び実践したい方が読む本
斎藤康毅, 「ゼロから作るDeep Learning: Pythonで学ぶディープラーニングの理論と実装」, O'Reilly(オライリー・ジャパン), 2016 O'Reilly(オライリー・ジャパン): Amazon: ニューラルネット...