モデルの適用範囲を広げるにはどうすればよいのか？
分子設計・材料設計・プロセス設計を行うとき、分子記述子や材料の合成条件・製造条件やプロセス条件などの特徴量 x と物性・活性・特性など y との間で、データを用いて数理モデル y = f(x) を構築します。そして、そのモデルを用いて x ...
プロセス制御・プロセス管理・ソフトセンサー
今あるデータセットに対して、どの手法を使えばよいのか？
説明変数 x と目的変数 y の間で回帰モデル・クラス分類モデル y = f(x) を構築して、構築されたモデルを用いて x の値から y を予測したり、逆に y の値が目標値になるように x の値を設計したりします。このような数理モデルが...
プロセスの動特性を考慮した異常検出と異常診断を達成するディープニューラルネットワークを開発しました！[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
Deep Convolutional Neural Network with Deconvolution and a Deep Autoenc...
Gaussian Mixture Regression の真の順解析・逆解析をする手法を開発しました！[金子研論文]
金子研の論文が Science and Technology of Advanced Materials: Methods に掲載されましたので、ご紹介します。タイトルは
True Gaussian Mixture Regre...
プロセスインフォマティックスで時系列データをどのように扱うか？
プロセスインフォマティクスの特徴の一つとして、扱うデータに時系列データが含まれていることがあります。分子や材料の特徴量のデータとは、また別の取り扱いをする必要があります。温度、圧力、流量、滴下量、・・・といったプロセス変数が時間変化をしまし...
モデル構築のときに特徴量の重要度を考慮した方がよいか
説明変数 x と目的変数 y の間で回帰モデルやクラス分類モデルを構築するとき、いろいろな回帰分析手法やクラス分類手法があります。x のすべての特徴量が平等に重要な場合もあれば、x の中に重要な特徴量もあり重要でないノイズのような特徴量もあ...
材料開発の限界を検討するための機械学習からの情報
分子設計・材料設計・プロセス設計において、分子や合成条件・製造条件やプロセス条件の特徴量 x と材料の物性や活性 y との間で機械学習により数理モデル y = f(x) を構築し、モデルを用いて次の分子や合成条件・製造条件やプロセス条件を設...
遺伝的アルゴリズムの実行結果は変化しやすく、またオーバーフィットしやすい、その対処法とは？
遺伝的アルゴリズム (Genetic Algorithm, GA) などの最適化アルゴリズムを駆使して、何らかの問題における最適解を探索することが行われます。例えば変数選択もしくは特徴量選択において GA を用いるときには、GA の染色体で...
新たなプログラムを作成する流れ～言語化が一番大事～
ケモインフォマティクスやマテリアルズインフォマティクスやプロセスインフォマティックスの研究をするなかで、手法の開発するときには、何らかのプログラミング言語でプログラムを作成することが必要になります。ちなみに金子研 (データ化学工学研究室) ...
任意のクラスタリング手法においてクラスター数を自動的に決める方法
回帰分析やクラス分類などの教師あり学習における各手法のハイパーパラメータ (PLS における成分数や SVR における C, ε など) と比べて、データの可視化やクラスタリングなどの教師なし学習における各手法のハイパーパラメータ (t-S...