モデルの逆解析のための仮想的な時系列データを自動生成する手法を開発しました！[金子研論文]
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 T-Gen: Time series data generator...
プロセス制御・プロセス管理・ソフトセンサー
[無料公開] 「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)」の“改訂版の発行にあたって”、詳細な目次、第８章の一部
2023 年 8 月 30 日に、金子弘昌著の「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)」が出版されました。 オーム社: Amazon: こちらは、以前に出版した書籍 「化学のための Pythonによるデータ解析・...
モデルの逆解析はxの唯一の解を求めることではありません、ご注意ください
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 =...
ベイズ最適化のときカーネル関数に線形項を入れると外挿の方向を定めやすい
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 =...
実験結果が人依存のデータ解析・機械学習の考え方
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 =...
過学習(オーバーフィッティング)にとらわれない！
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 =...
今のハイパーパラメータの決め方が本当に正しいのか不安になったときの対処法
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 =...
ジメチルエーテル製造プロセスをベイズ最適化で頑健に設計すること(ロバストベイズ最適化)に成功しました！[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 Robust Design of a Dimethyl Ether Production Process Using Process Simulation ...
GAWLS や GAVDS における領域数の決め方
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 =...
任意のクラス分類手法で変数重要度(特徴量重要度)を計算する機能をDCEKitに搭載しました！[v.2.13.1]～Cross-Validated Permutation Feature Importance (CVPFI) for classification～
どのクラス分類手法でも変数重要度 (特徴量重要度) を計算する機能を DCEKit に搭載しました！こちらの回帰分析における Cross-Validated Permutation Feature Importance (CVPFI) のク...