NMRにおけるスカラーカップリング定数を予測するための記述子を開発しました！[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Prediction of spin–spin coupling constants with machine learn...
データ解析
実験条件の最初の候補を選ぶとき、金子研ではどうして直交表を作らないのか？
実験計画法のお話です。こちらの記事では、わかりやすさのために () 付きで「直交表」としていますが、厳密に言えば、いわゆる古くから使われている直交表ではありません。直交表のようではありますが、それとは別の方法で最初の実験条件の候補を選んでい...
ガウス過程回帰の使い方と注意点
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、特に Y が連続値の場合は回帰分析が行われます。回帰分析手法にはいろいろありますが、ここではガウス過程回帰 (Gaussian Process Regressi...
カーネル関数の選び方
機械学習の手法の中には、カーネル関数を用いた手法があります。サポートベクターマシン、サポートベクター回帰、ガウス過程回帰あたりが有名と思います。他にもリッジ回帰や主成分分析、独立成分分析など、いろいろな手法とカーネル関数を組み合わせることが...
欠損値のないサンプルがデータセットにないときの iGMR の使い方
データセットの中に欠損値があるときは、iGMR が有効であることはこちらに書きました。たとえば、論文や特許からデータを取得したときなど、他のデータ (研究室内や社内のデータなど) と合わせようとしたときに、論文や特許ではいくつかの実験条件が...
DCEKit に新機能追加 [v2.6.1]！トレーニングデータなしでスペクトルから濃度を推定する方法
DCEKit への新機能追加です。こちらの Iterative Optimization Technology (IOT) を実装しました。IOT では、純成分のスペクトルと混合物のスペクトルのみから、混合物における各純成分の濃度 (モル分...
DCEKit に新機能追加 [v2.5.2]！Variational Bayesian Gaussian Mixture Regression(VBGMR)とクロスバリデーションによるGMR最適化
DCEKit に今回追加したのは Variational Bayesian Gaussian Mixture Regression (VBGMR) と、GMR や VBGMR におけるクロスバリデーションによるハイパーパラメータ最適化です。...
「パターン認識と機械学習 下 ～ベイズ理論による統計的予測～」 データ解析・機械学習の中級者以上向けの、より深く学ぶための本
C.M. ビショップ 編, 「パターン認識と機械学習 下 ～ベイズ理論による統計的予測～」, 丸善出版, 2012丸善出版: Amazon: こちらの下巻です。Pattern Recognition and Machine Learning...
勘をなめたらアカン
ダジャレです。が、本心です。材料研究・材料開発の現場では、実験条件や製造条件を振って、実際に実験・製造してみて、その結果としての材料の物性・活性といった値を測定します。実験条件や製造条件を振るときに、すべて理論的に、化学的な背景や物理的な背...
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 v...