ニューラルワークス製品を活用した研究開発事例

ニューラルワークス(NeuralWorks)ではじめる課題解決への機械学習の活用

2024年6月24日 15:37

　ここではインターネット上で公開されているニューラルワークス製品を活用した研究開発論文（一部海外を含む）をご案内しています。査読付きの論文が中心ですので、これからニューラルワークス製品を活用して論文投稿を計画されている方にも、ご参考になるかと思います。

人工ニューラルネットワークを用いた福島第一原子力発電所周辺の線量率分布の新たな可視化手法

本研究では、空中放射線モニタリング結果から人工ニューラルネットワーク（ANN）を用いて空間線量率分布を可視化する手法を提案する。本手法は、福島第一原子力発電所周辺で実施された無人航空機による空中放射線モニタリング結果に適用した。ネットワーク構築のための学習データとして、過去に得られた調査データの多くを用いた。学習ケース数は、地上値とANNによる変換値との誤差に関係した。ANN変換値と地上調査結果との定量的評価指標（二乗平均平方根誤差）は、200訓練ケースで収束した。この学習ケース数は、必要な学習ケース数の大まかな基準と考えられた。ANN法の信頼性は、地上調査データとの比較により評価した。ANN法により作成された線量率マップは、従来の方法よりも地上での調査結果をよく再現していた。
Miyuki Sasaki, Yukihisa Sanada, Estiner W. Katengeza & Akio Yamamoto , Scientific Reports volume 11, Article number: 1857 (2021)

人工知能を用いた誘導炉の電力原単位の解析と対策

鋳造業における溶解工程で使用する電力量は、鋳造工場全体の約60%を占めており、製造コストに占める割合も高い。電力原単位を最小にするため、様々な電力に関する値の常時監視や記録が行われているものの、操業に関わる数々の因子が使用電力量や電力原単位に与える影響については不明確であり、ベテラン作業者の経験と勘に依存している部分が多い。本研究では、人工知能の中でも機械学習の手法の１つであるニューラルネットワークを用い、誘導炉の電力原単位について解析を行う。得られた結果を活用し、各種因子が電力原単位に与える影響を明確にすると共に、構築したＡＩモデルを用いた各種の解析を行い、理想的な溶解操業を提案する。
秋山和輝, 沖寿之, 菅野利猛, 鋳造工学全国講演大会講演概要集 174 (0), 61-61, 2019

人工知能を用いた球状黒鉛鋳鉄の取鍋Mg歩留まりに対する各種因子の影響度調査

本研究では、人工知能の中でも機械学習の手法の１つであるニューラルネットワークを用い、球状化処理における取鍋のMg歩留まりに関する解析を行う。単純に既存のデータをAIに学習させる方法や、AIに工学的理論を教え込む方法などで、各種因子が取鍋Mg歩留まりに与える影響度を算出すると共に、取鍋残Mgの歩留まりを向上させる手法を見つけることを目的とした。その結果、ワイヤーMgの添加量を0.08%にすると、最も歩留まりが良くなることが分かった。
秋山和輝, 沖寿之, 菅野利猛, 内田希、鋳造工学第171回全国講演大会講演概要集

ロボットカメラ制御のための撮影テクニック機械学習

　本稿では、筆者らが提案する、ニューラルネットワークを用いたカメラマンの撮影テクニック機械学習について述べる。本手法によれば、ロボットカメラ制御装置にカメラマンの撮影テクニックが、容易にかつ短時間で実装できることを、新たに開発した機械学習シミュレータを用いた実験の結果とともに示す。
奥田誠、井上誠喜、藤井真人、小特集　ディジタルコンテンツ制作の最新動向～ここまで来たディジタルコンテンツ制作～

AI・ビッグデータ解析を活用した軽量ロボット部材の開発支援

　本研究では、ロボット部材として利用が期待されるアルミ鋳造品の製造条件最適化や機械的特性評価の効率向上のために、製造条件や金属組織から機械的特性を予測するシステムの開発に取り組んだ。品質管理に用いている製造データ等を集積してデータベースを作成し、AI・ビッグデータ解析による強度予測を行ったところ、学習データを十分に集積できた範囲では良い精度で予測ができる一方で、学習データが不足した範囲では、予測精度が著しく低下することが分かった。
穴澤大樹、工藤弘行、矢内誠人　令和２年度福島県ハイテクプラザ試験研究報告

ニューラルネットワーク解析による原料の物性からバイオディーゼル燃料の化学的性質の予測

　バイオディーゼル燃料（BDF）の化学的特性を、原料食用油の特性を入力としたニューラルネットワーク解析により予測した。市販の代表的な食用油22種類を、トランスエステル化法によりBDFに変換した。原料油と製品の因果関係モデルを構築するために、9種類の原料油とBDFの物性を測定し、学習データとして用いた。モデルの検証のため、他の13種類のBDFの物性を原料油の物性から予測した。BDFの動粘度、密度、曇点は、原料油の入力特性を適切に組み合わせることで、良好に予測することができたが，酸価の予測は十分な性能が得られなかった。
Hiroshi Masarnoto, Tadafurni Kihara, Naoya Matsuoka, Ryo Takeshita, and Mikiji Shigernatsu, Transactions of the Materials Research Society of Japan 33[4] 1193-1196 (2008)

射出成形 CAE における AI 技術の応用

　射出成形 CAE（Computer Aided Engineering）における AI（Artificial Intelligence，人工知能）技術の活用は，１９８０年代（第二次 AI ブーム）から始まっており，専門家の知識ベースと，推論プログラムからなるエキスパートシステム１），２）と呼ばれるコンピュータプログラムであった．しかし，当時のコンピュータ環境や AI アルゴリズムでは，様々な課題解決に対応することは困難であった．最近では，ビッグデータからディープラーニングを活用することで，人間が気づくことが難しいパターンを発見するなど，AI 技術への期待が非常に高まっている．一方，射出成形 CAE も，一昔前に比べ，商用プログラムを中心として開発が進み，現在ではユーザーが使いやすい GUI（Graphical User Interface）の装備，様々な新規成形法への対応，大規模な解析を短時間で計算が可能になるなど，色々な面で進化してきた．第三次 AI ブームの今，我々としても，さらなる射出成形 CAE と AI 技術の融合について，取り組みを進めているので紹介する．
成形加工特集ものづくりに役立つデータサイエンスVol.32 No.3 2020, pp.74-77

愛知県における妊産婦数の予測：防災のための機械学習データベース構築による推定

　巨大地震が予測される愛知県。愛知県助産師会では、妊婦の災害対策に力を入れている。このプロジェクトは、妊婦のエリアデータを取得し、救助活動のシミュレーションを行うことを目的としている。機械学習（カスケード相関学習アーキテクチャー）により、全国の妊産婦データから名古屋市の国勢調査地域の妊産婦数を取得した。実データと推計データとの間には、かなり高い相関係数が観測された。本研究で得られたデータをもとに、レスキューシミュレーションを実施した。
Kanetoshi Hattori and Ritsuko Hattori, Disaster Medicine and Public Health Preparedness , Volume 16 , Issue 3 , June 2022 , pp. 940 – 948

2020年から2045年までの北海道におけるショートステイサービス受給者数の推計：機械学習による推計とカートグラムによる推移の検証

　本研究では、2020年から2045年までの北海道の全行政単位におけるショートステイ受給者数を機械学習的手法により推計し、受給者の空間分布の変化傾向をカートグラムにより検討した。
推計には機械学習アプローチを用いた。推計モデルの開発には、2015年から2017年までの日本の人口データを入力信号として用い、2015年から2017年までの各介護必要度レベル（レベル1～5）のショートステイサービス受給者数のデータを監督信号として用いた。再現性の問題を避けるため、3つのモデルを開発した。そして、2020年から2045年までの5年ごとの北海道の人口推計データを各モデルに入力し、北海道の188行政単位のサービス受給者数を推計した。各モデルによる推計値の中央値を最終結果とし、188行政単位の推計値を北海道地図上に連続した面積のカートグラムで表示した。開発されたモデルは、北海道のサービス受給者数が2035年に18,016人でピークに達し、特にレベル3の人数が増加すると予測した。2020年から2030年のレベル2とレベル3、2035年のレベル3のカートグラムは、北海道のいくつかの人口集中地域で大きく歪んでおり、サービス受給者の大半がそれらの人口集中地域に集中することを示している。　機械学習アプローチは、過去の人口と介護需要データに基づいて、日本の都道府県の各行政単位における将来の介護需要を推計することができる。本研究の結果は、地域における介護人材の効果的な配置を検討する際に有用である。
Junko Ouchi,Kanetoshi Hattori,Research Square preprint(2020)

高解像度の衛星画像を用いたブラウンフィールドにおける表層・地下水収支の改善

　世界中の国々は、19世紀から20世紀にかけての比較的無秩序な経済・産業発展の結果として、汚染されたブラウンフィールドサイトの問題を抱えています。数十年前から、政策立案者や利害関係者は、これらのサイトがもたらすリスクをより強く意識するようになってきており、これらのサイトの中には直接的に公共の危険をもたらすものもある。水はしばしば汚染物質の移動の主な媒介となる。汚染サイトの修復策を提案するためには、汚染サイトにおける表面および地下の水流束をできるだけ正確に記述し、定量化することが必要です。本研究では、汚染サイトにおける水と汚染物質のフラックスを正確に計算するために、リモートセンシング分析を統合したモデリング手法を開発しました。都市環境における地下水汚染は、土地利用のパターンと関連しているため、都市環境における汚染源を正確に特定するためには、土地被覆の特徴を詳細に把握することが不可欠です。都市の土地利用は複雑であるため、高解像度の空間情報を使用する必要があります。そこで、高解像度の衛星データを用いたオブジェクト指向の分類手法を採用しました。クラスター分離可能性分析と、各クラスターに属する画像オブジェクトの視覚的解釈により、8つの土地被覆カテゴリー（水、裸の土、草地、混合林、灰色の都市面、赤い屋根、明るい屋根、影）が選択されました。画像オブジェクトを選択された8つのクラスの1つに割り当てるために、NeuralWorks Predictソフトウェアを使用した多層パーセプトロン（MLP）アプローチが採用されました。分類後に影を除去し、ルールベースの分類を強化した結果、カッパ値は0.86となりました。土地被覆が特徴づけられると、ブラウンフィールド上の水流を特定して予算化するために、空間的に分散されたWetSpassモデルを使用して地下水の涵養をシミュレートし、GMS 6.0を使用して地下水の流れをシミュレートしました。得られた土地利用図は、地下水涵養量に強い影響を与え、その結果、高い空間的変動が生じていることが分かりました。ブラウンフィールドから河川への地下水フラックスのシミュレーションは、測定と河川敷の温度勾配に基づく地下水-表層水の相互作用のシミュレーションによって、独立して検証されました。結論として、ブラウンフィールドから地下水に流入する汚染物質の総量をより正確に定量化するためには、リモートセンシング画像をモデル化手順に統合することが可能である。開発した手法をブリュッセル（ベルギー）のVilvoordeにあるケースサイトに適用しました。
J.Dujardin,O. Batelaan,F.Canters,S.Boel,C.Anibas,J.Bronders, Science of The Total Environment,Volume 409, Issue 4, 15 January 2011, Pages 800-809

風力発電所の発電量の予測:ニューラルネットワークを用いた実証的モデリング手法

　風力エネルギーは、世界中の電力会社の発電能力に大きく貢献するものとして急速に台頭してきています。風力発電の利用は、電力供給を増加させると同時に、再生可能なエネルギー源として環境面でも大きなメリットをもたらしますが、風力エネルギーを生み出す力には確率的な性質があるため、ベースロード要件を満たすために風力エネルギーを利用することはできません。また、間欠的な利用が可能なため、安定性や制御の問題があり、系統運用者は風力発電の潜在的なメリットを十分に発揮する前に対処しなければなりません。制御戦略を成功させるための基本的な要件は、風力発電所の出力を短期的に正確に予測することです。また、長期的な出力予測は、企業運営に不可欠な収益予測の基礎となります。主要な入力には固有の変動性があるため、経験的なモデルを使用する必要があります。ニューラルネットワークは、ロバストな経験的モデルを生み出すアルゴリズムの集合体です。本研究では、遺伝的アルゴリズムを用いて変数を選択し、カスケード相関を用いてニューラルネットワークアーキテクチャを動的に定義するニューラルネットワークエンジンを開発しました。また、稼働中の風力発電所の予測モデルから得られた予備的な結果と、今後の研究の方向性についても紹介する。
Jack Copper, Alin Baciu, Dennis Price, 2009 Asia-Pacific Power and Energy Engineering Conference

人工ニューラルネットワークを用いたECGSシグナルの自動分類装置

　心電図信号は非線形の動的挙動を示すことで知られていますが、本研究では、その非線形成分が線形成分よりも正常時と異常時で大きく変化するという特徴を利用しています。本研究では、高次統計（HOS）が位相情報を保持していることから、健常者と虚血者の高次スペクトル領域の1次元スライスを利用しています。フィードフォワード多層ニューラルネットワーク（NN）とエラーバックプロパゲーション（BP）学習アルゴリズムを心電図自動分類器として使用し，正常な心電図信号から虚血性心疾患を認識できる可能性を検討した。心電図信号のポリスペクトラムスライスとポリコヒーレンス指標から抽出した2つのデータセットを用いて、異なるNN構造をテストした。本論文では，MIT/BIH CD-ROM，NSR-DB（Normal Sinus Rhythm Database），およびEuropean ST-T databaseからの心電図信号を用いた．虚血性心疾患の診断には，このNNベースの分類器が有効であることが示された．
Sahar H. El-Khafif1,2 and Mohamed A. El-Brawany1,2, ISRN Biomedical Engineering, Volume 2013, Article ID 261917, 6 pages

音響放射データからのグラファイト・エポキシ圧力容器の破裂圧力予測

　本研究の目的は，破損していないさまざまな背の高い黒鉛エポキシ製圧力容器の破裂圧力を低圧で予測する，正確で信頼性の高い方法を見つけることでした。合計15本のボトルを、破壊するまで加圧しながらアコースティック・エミッション（AE）トランスデューサーでモニターしました。その後，AEによる欠陥の成長データを人工ニューラルネットワークで解析した。まず，Kohonen自己組織化マップ（SOM）を用いてAEデータをさまざまな故障メカニズムに分類し，次にバックプロパゲーションニューラルネットワーク（BPNN）を用いて破裂圧力を予測した。分類されていないAEデータとSOMで分類されたAEデータの両方を，NeuralWorks Professional II+とMATLABという2つの異なるソフトウェアパッケージに入力し，合計4種類の予測結果を得た。各予測は，初期AEデータの12%，25%，50%を用いてテストされた。最終的に最適化された予測では，分類されたデータのうち最初の12％を使用したが，その結果，ワーストケースの誤差は約6％とほぼ同じだった。これらの最小ワーストケース誤差は，Kohonen SOM を用いて 4 つの破壊メカニズムに事前に分類した AE 入力データと，5 種類の樹脂硬化方法を識別するカテゴリカル変数の両方を用いて得られたものです。高さのあるグラファイトエポキシ製ボトルの試験では，正確な破裂予測に必要なAEデータを得るために，破裂圧力のほぼ50％まで加圧する必要がありました。低いプルーフ圧（25％以下）を使用しても，正確な破裂圧力の予測を得るには不十分であった。
Eric v. K. Hill, Christopher J. Foti, Ning Y. Leung and Andrea E. Palacios, J. Acoustic Emission, 30 (2012)

予測型データマイニング技術を用いた時系列データの性能比較

　本論文では、米ドルとインドルピーの為替レートを計算するための金融時系列データに時系列データマイニング技術を適用する際に使用した方法に焦点を当てています。 4つのモデル、すなわちExcelの重回帰、WekaのDedicated Time Series Analysisの重回帰、RのVector Autoregressive Model、NeuralWorks Predictを用いたニューラルネットワークモデルを分析しました。すべてのモデルは、それらによって生成された予測誤差に基づいて比較されます。平均誤差（ME）、平均絶対誤差（MAE）、平均二乗誤差（MSE）、平均平方根誤差（RMSE）、平均パーセンテージ誤差（MPE）、平均絶対パーセンテージ誤差（MAPE）を予測精度の指標として使用します。結果は、すべてのモデルが為替レートを正確に予測しているが、Wekaでの専用時系列分析の重回帰が他の3つのモデルよりも優れていることを示している
SAIGAL S. , MEHROTRA D.Advances in Information Mining, Volume 4, Issue 1, 2012, pp.-57-66.

ヤギのストレス反応の予測：人工ニューラルネットワークと重回帰モデルの比較

　本研究は、統計的回帰と比較して、人工ニューラルネットワーク（ANN）を用いてヤギの生理的ストレス反応をより正確に予測できるかどうかを調べるために行われた。血漿中のコルチゾールおよびグルコース濃度，クレアチンキナーゼ（CK）活性，好中球（N）およびリンパ球（L）数，N：L比を，2.5時間の輸送後の時間（0，1，2，3，4時間，各時間につきn＝16頭）と飼育密度（25頭対50頭，入力2）の関数として，予測モデルを作成した．しかし、飼育密度には有意な効果がなかったため、入力2は最終モデルに含まれなかった。ANNモデルと回帰モデルの開発には、それぞれNeuralWorks Predict®ソフトウェアとSASが使用された。ノンパラメトリックモデルの開発には，バックプロパゲーション（BP）およびカルマンフィルタ（KF）の学習ルールを用いた．予測値と観測値の相関性は，ANN-BP（R値＝0.87，0.67，0.56，0.27，0.42，0.53）とANN-KF（R値＝0.84，0.67，0.58，0. 27, 0.42, 0.50）の方が，回帰モデル（R値 = 0.85, 0.52, 0.27, 0.13, 0.31, 0.12）よりも優れていた。この結果から、ANNモデルは、統計的回帰と比較して、よりロバストに反応を予測できることがわかりました。
G. Kannan,R. Gosukonda and A.K.Mahapatra, Canadian Journal of Animal Science, Volume 100, Number 1 (2020)

人工ニューラルネットワークと回帰モデルを用いたスイートソルガムバガスの含水率による熱特性の予測

　スイートソルガムバガスの熱特性を含水率と室温の関数として予測するために，人工ニューラルネットワーク（ANN）と従来の回帰モデルを開発した。予測は 3 つの熱特性について行われた。1) 熱伝導率、2) 体積比熱、3) 熱拡散率。各熱特性には、5段階の含水率（8.52％、12.93％、18.94％、24.63％、28.62％、w.b.）と室温を入力としました。データは、モデルのトレーニング、テスト、検証のために分割されました。入力データセットと出力データセットの間のノンパラメトリックモデルを構築するために，バックプロパゲーション（BP）およびカルマンフィルタ（KF）学習アルゴリズムが採用された。適切なモデルを選択するために，実際の出力と予測された出力の間の相関係数（R）を含む統計的指標が作成された。熱特性の予測プロットは，回帰モデルと比較してANNモデルが未経験のパターンからの予測精度が高いことを示している。一般的にANNモデルは、学習領域内の見たことのないパターンを強力に一般化し、補間することができました。
Ramana Gosukonda, Ajit K. Mahapatra, Daniel Ekefre, Mark Latimore, Jr., Acta Technologica Agriculturae, Volume 20 (2017): Issue 2 (June 2017)

高分子の比誘電率計算と機械学習による推算

　モノマーを総当りで変えた純ポリマーとそれらをランダムにブレンドしたポリマー40 量体 4,000 本，計 243 パターンをデータセットとして，全原子 MD シミュレーションを行った．その結果，大規模系では周期境界条件であっても構造の不均一性が存在し，比誘電率に影響することが示唆された．さらに，不均一性は初期平衡化条件も影響することも示唆された．データセットが存在する空間分布について，分子構造をもとに多次元尺度法で確認すると偏りがみられた． Fingerprints と初期平衡化条件を記述子として，ニューラルネットワークによる機械学習モデルを構築したところ，決定係数は 0.72 であった．以上のことから，高分子 MI 実現のためにはデータセット，記述子について最適な形式の検討が必要であることが分かった．
清水陽平（株式会社ジェイテクト）, Research Organization for Information Science and Technology.

IT資源の最適制御－リアルタイムで状況把握、負荷を予測し最適な資源配分を実現

　米国VIEO社（テキサス州オースティン）は、ニューラルワークス Predict－先進のニューラルネットワークモデル開発環境－およびニューラルワークスPredictソフトウエア開発キット（SDK）をライセンスし使用した次世代のアダプティブ・アプリケーション・インフラストラクチャ・マネジメント(AAIM)製品シリーズを発表した。これは、今までになく画期的な製品で、ネットワーク、サーバーなどITアプリケーション資源の状況をリアルタイムに測定し、瞬時に負荷予測を行い、最適な資源の配分を迅速に行い、インターネットアクセスの急増、システムの急激な負荷からIT環境を守り、緊要なビジネス・アプリケーションの安定性、効率を確保する制御装置である。従来の製品と異なり、この装置の負荷予測と最適IT 資源配分には、最新ニューラルウェアTechnologyが組み込まれており、アプリケーションに最適なネットワークを提供する。VIEO社AAIM製品は、ビジネスの目標達成に必要なアプリケーション・サービス環境(AQoS)を保障する新しいタイプのIT資源管理製品である。この画期的製品はWeb、イントラネット、エクストラネットなどIT環境のアプリケーション・リソース、データを測定分析し、資源配分することにより、重要なビジネス・アプリケーションの安定性を確保する。VIEO社AAIM製品により、IT環境は将来のデータ量増加アクセス増加に柔軟に対応できるインテリジェント機能を備えたオン－デマンド・データセンターとなる。VIEO社AAIM製品は、ネットワーク技術と最新ニューラルウェアTechnologyの融合により、理想的なアプリケーション稼働環境を実現する。これは、VIEO社AAIM製品が、他に類を見ないリアルタイム対応（負荷計測－予測－負荷分散)を行い、アプリケーションに最適な環境と入出力制御することにより可能である。

半導体生産におけるAdvanced Process Control(APC)－データ遷移を把握し変化を予測、迅速な対応で歩留まり向上、トータルコスト削減を実現

　米国IBEX Process Technology社(マサチューセッツ州ローウェル)は、ニューラルワークスPredict －先進のニューラルネットワークモデル開発環境－およびニューラルワークスPredictソフトウエア開発キット（SDK）をライセンスし、IBEX社独自ノウハウによるニューラルネットワークと実績のあるソフトウエアにより、ウェーハ測定データから生産ラインのウェーハ品質を予測するモデルを実現した。IBEX社のダイナミック・ニューラル・コントローラ(DNC)は半導体生産ラインをモデル化し、マルチ・レシピ、設備メンテナンス・データに対応した”ワン－マインド”ニューラルネットワーク・ソリューションである。DNCは最新ニューラルネットワークと非線形計算手法により、半導体生産ラインの状況を把握、数値モデル化し、結果をプロセス改善に反映する画期的な APCである。これは、DNCが人工知能を使って、半導体装置の不適切な処理を回避し、メンテナンスの最適化で歩留まり向上を図るとともに、ファブのランニングコストを削減する。従来のAPC製品と異なり、DNCはプロセス・データだけでなく、装置メンテ作業および部品劣化の影響も考慮して、ツールの安定状況と予測される品質を組み合わせる。DNCは、この情報をウェーハ毎の品質と処理条件の改善に反映させるよう警告を発する。管理者はこの情報により、直ちにプロセスを変更したり最良の生産物を準備することができる。DNCは特定のプロセスだけでなく、ほとんど全ての半導体プロセスに適用できる。DNCのしっかりしたアラーム機能は、管理者に測定値が所定のスペックを外れる前に警告し、トラブルを回避して多額のプロセス事故につながらないようにする。DNCは事前にメンテナンス警告を行い、プリディクティブ・メトロロジTM (予測測定法によって歩留まりを上げたり、サンプルのウエーハをたくさん無駄にする余分な費用を抑えたり、ダウンタイムやメンテナンス費用を最小にすることができる。

穀物品質検査－”目”の機能をもつソフトウエアを実現し、迅速な穀物品質評価、異物混入を検出

　カナダ・デュポン社（カナダ）、およびその実装製造パートナーCIMTEオートメーション・システムズ社は、ニューラルワークスPredict・先進的ニューラル・ネットワークモデル開発環境・およびニューラルワークス Predictソフトウエア開発キット（SDK）をライセンスし、最近発表したデュポンTMAcurumTM画像穀粒評価システム（http://www.acurum.com/home/）に使用している。カナダ農業食料省研究者の研究を元に、 AcurumTMシステムは、小麦、大麦、および他の種子や穀物商品の品質の分析を行う。この革新的ツールは、デジタル画像から、病気、取り扱い不良（種子のひび割れ）、天候の影響（霜被害など）、他の品種の混ざり物の有無など、多種多様な穀物の評価、選別を行う。人の”目”を真似ることにより人工知能ソフトウエアで客観的な分析を可能とした。カナダ・デュポン社では農家、穀物倉庫や取引業者、穀物委員会、また製粉工場やビール・ウイスキー醸造者を含む国際的な農産物サプライチェーンなど幅広い市場への参入を計画している。

鉄鋼生産－中国初の知的所有権を取得し、優れた競争力のあるソフトの早期開発体制を実現

　武漢鋼鉄公司の計装管理会社、WISCO-ICC(中華人民共和国武漢、英語 http://www.wisco.com/cn/index.htm、中国語 http://www.wisco.com.cn　）とニューラルウェア社は、 10年間の包括的な技術ライセンス契約を結んだ。これにより、WISCO-ICCは、ニューラルウェア社の高度なニューラルネットワーク技術を利用したアプリケーションソフトを開発し、中華人民共和国での再販が可能となる。この契約により、WISCO-ICCは、急成長している中国ソフトウエア市場において、ニューラルウェア社の初めての戦略パートナーとなり、世界貿易機構(WTO)に加盟した中国において、WISCO-ICCが最初の知的所有権を取得したこととなる。最新ニューラルネットワーク技術の提供とニューラルウェア社からのトレーニングとサポートにより、WISCO-ICCエンジニアはこのライセンス期間中、ニューラルウェア社が開発した最新の分析技術を習得する。初めの計画としては、ニューラルウェア社の製品と技術を投資効果の高い生産管理ソフト、品質管理ソフト開発に適応する予定である。今後、WISCO-ICCとその親会社、武漢鋼鉄公司(WISCO)により開発される様々な高度なソフトが中国全域に展開されることにより、WISCO-ICCは、中国におけるテクノロジーリーダーとなるであろう。WISCO-ICCの鉄鋼分野とそれに関連する経験とニューラルウェア社の先進的分析技術との融合は、WISCOとその顧客企業に、柔軟な企業活動・正確な経営分析・的確な企業予測など優れた企業競争力・優位性を与えるアプリケーションソフトの開発を実現するであろう。

オンライン商取引、携帯電話－コールパターンから不正を迅速に検出、数億ドルの損失を防ぐ

　米国Lightbridge社（マサチューセッツ州パーリントン）は、13年間にわたる不正申請や不正利用の検出経験をニューラルネットワークによりソフト化し、オンライン商取引や携帯電話の利用申請における不正申請者や不正利用を迅速かつ効果的に検出するアプリケーションソフトを開発した。米国では、不正申請者や不正利用によるオンライン商取引による損失は、年間数10億ドルに及んでおり、このソフトの導入により、不正利用パターンをより迅速か効果的に検出することが可能となる。このソフトはユーザの利用状況と購入依頼をこれまでのパターンと比較し、不正申請者による不正行為であることを素早く高確率で発見する。米国Lightbridge社では、このアプリケーションソフト導入と今までの不正利用摘発の経験により、不正申請者や不正利用の発見がより迅速かつ正確となり、オンライン商取引や携帯電話会社における損失が大幅に改善されると発表した。

適応型ファイアウォール－先進的インターネットセキュリティデバイス開発

　TechGuard Security社のジェームズ・ジョイス(TechGuard Securityの共同創立者)は、ネットワーク・セキュリティに関して、悪意のあるアクセスに悪先立って良心のあるアクセスを守るというのは、気力をくじかせるような挑戦的課題であると認めています。
2000年2月のスタート以来、この企業は、米国政府機関および他の基幹のクライアントのためにシステムを守っており、そこでは、NeuralWareの2つの主要製品である Professional II/PLUSおよび Predictから恩恵を受けています。
個人的には、ジョイスは、約20年の間に渡るProfessional II/PLUSのユーザであり、 TechGuardは、Predictが市場に導入されるやいなや、早速それを受け入れました。「Professional II/PLUSは、ニューラルネットワークの実行単位あるいは一部、あるいは、エンジンの微調整の為のプロトタイプ開発に理想的である。Predictを使用すれば、データの分類を短時間で行なうことができ、あるいは我々のニューラルネットワークの自動的な最適化を行なうことが出来る」と彼は述べています。
ジョイスは、TechGuardのエンジニアが主としてProfessional II/PLUS 環境で作業するのが良いと考えています。
彼は言います：「Professional II/PLUSは、エンジンを手細工で作り、選別することができるので、彼らはニューラルネットワークの使用に関して深い洞察を得ることができるのです。従って、直感的に新しいデータセットに対して最適に振舞うアルゴリズムを開発できるのです。」
ジョイスがTechGuard Securityが今日直面している"良心なアクセスと悪意のあるアクセスの戦い"を概説したように、この企業は、システムに対する悪意のある攻撃を打ち消すニューラル・ネットワークを高速に作成するためにニューラルウェアツール群を利用しています。それは、基本的に、いつも悪意のあるアクセスのシステムへの侵入を防ぎながら、良心的なアクセスとテニスマッチをするようなものです。彼は言います：「慣例的に、ベンダーはシグネチャー型の攻撃を防御するセキュリティー製品を開発してきました。」
ニューラルネットワークの恩恵を受けているTechGuardSecurityは、戦術を変更しています。ジョイスは言います：「我々エンジニアは、より先を見越したネットワーク・エンジンを考案しています。それらのエンジンは、より一般化された方法論で開発されています。それらは、データフローが中断されず、ゼロデイアタックに対して敏感でない悪意のあるトラフィックを識別できるように学習します。」
システムセキュリティという広い視点で眺めた場合、ジョイスは、これからますますニューラルネットワークへの依存度が増加し、結果として “悪意のあるアクセス”に対する戦争のなかでニューラルウェアのモデリング製品に対する優れた評価がもたらされることになるだろうと確信しているといいます。彼は、「人工知能を組込んだファイアウォールを構築することが出来るようになることで、ニューラルネットワークは真の判定官になるだろう」とも付け加えています。
「ニューラルネットワークを生成するツールは沢山ありますが、ニューラルウェア製品はエンジンをニューラル製品にすぐに置き換えるだけの能力を証明してきました。そのようなデバイスの組み込みは、我々の顧客だけでなく、インターネット全体にとって決定的なことです。」
TechGuard Security : http://www.techguardsecurity.com/

ニューラルネットワーク技術の株価予測への適用分析

　本稿では、日次の株価をニューラルネットワークを使用して予測する手法を示すとともに、その結果を統計的予測結果と対比します。株価予測は、ニューラルネットワークによる予測の新しい適用領域です。この論文では、毎日の株価の予測に対する、ニューラルネットワークの能力を証明します。株価市場の予測は、いくつかの知りうる、および知りえない要因に依存しており、非常に難しいものである一方で、人工ニューラルネットワークは株式市場の予測に対して人気のある技術です。ニューラルネットワークは、「事例の学習」の概念を基礎とします。本稿では、ニューラルネットワークと統計的手法が毎日の株式市場価格のモデリングおよび予測に適用され、二つのモデルの予測結果が比較されます。それら二つのモデルの予測性能は、MAPE、MSE、RMSEで評価されます。その結果、ニューラルネットワークは、十分なデータ、適切な入力および適切なネットワーク構造で学習させた場合、株式市場価格を非常によく予測することが示されます。統計的手法もまた、優れた予測性能を示しますが、株価の振る舞いが複雑になると、その予測能力は低下します。従って、日次の株式市場価の予測に対して、ニューラルネットワークは、より適切で代用可能な方法であることが示されました。
Kunwar Singh Vaisla et. al. / (IJCSE) International Journal on Computer Science and Engineering Vol. 02, No. 06, 2010, 2104-2109

人工ニューラルネットワークによる株価予測の性能分析

　株式市場の予測は、世界中の金融投資家にとって困難な作業の一つです。この課題は、市場における株価の不確実性と変動性に起因しています。ビジネスや金融市場のテクノロジーとグローバル化により、株価をより迅速かつ正確に予測することが重要になっています。ここ数年、ビジネスや金融市場におけるニューラルネットワーク(NN)アプリケーションの分野では、大きな進歩が見られます。人工ニューラルネットワーク(ANN)手法は主に実装されており、株式市場予測の意思決定において重要な役割を果たしています。バックプロパゲーションアルゴリズムを用いた多層パーセプトロン（MLP）アーキテクチャは、他のニューラルネットワークアルゴリズムよりも高い精度で予測する能力を持っています。本研究では、NeuralWorks Predictを使用して将来の株価を予測し、その性能統計を評価します。
評価します。これにより、投資家は株式の購入や売却などのビジネス上の意思決定において、より良い分析を行うことができます。
K.K.Sureshkumar, Dr.N.M.Elango, Global Journal of Computer Science and Technology, Volume 12 Issue 1, 2012

SIAS，FIM 認知項目と頭部CTから脳卒中のADL予後を予測する；脳卒中 ADL 予後評価セット（SAPAS）作成のための pilot study ―

　初期評価段階で簡易に ADL 予後が推測できる，SIAS，FIM 認知項目を教師信号とした脳卒中 ADL 予後評価セット（SAPAS）を試作した．その特徴は BI 各項目の予後を個別に評価でき，関数導出にニューラルネットワーク（NNW）を使用するところにある．作成方法は，実測した SIAS と FIM 認知項目を入力変数，BI を目的変数とする NNW を BI項目ごとに構築し ADL 予後予測因子（予測因子）を抽出．次に予測因子の全ての組み合わせを入力変数として先に構築した NNW に代入，目的変数である BI を算出することで予測因子の組み合わせと BI 各項目のスコアを対応させた．また，収集したデータより ADL 各項目の予測因子改善期間が最長のものを選択し，ADL の予測改善期間とした．使用方法は，予測因子を初期評価として測定し，その改善可否を脳機能分析にて検討，予想されるスコアに予測因子を修正してその組み合わせに対応した BI を導出，これが ADL 予後を示す BI スコアとなる．SAPAS では，頭部 CT の読影にて脳機能を分析し，将来予想される SIAS，FIM 認知項目の組み合わせで BI を予測する．そのためには，脳損傷部位と予測因子の脳機能局在を明らかにし，予測因子の改善可否判断を正確に行う必要がある．
石倉隆／保健医療学雑誌 1 (1): 10-17, 2010

ニューラルネットワーク解析法による亜臨界水中でのマルトース加水分解反応の最適化

　二糖類であるマルトースの亜臨界水中での加水分解反応において，グルコースのみを選択的に高収率で得る最適反応条件をニューラルネットワーク解析法で探索可能か検討した．入力データは反応器設定温度，滞留時間，基質初濃度および反応圧力とし，出力データはグルコース収率と選択率の両者を考慮した反応指標Iとした．圧力と基質初濃度を固定した条件において，滞留時間と反応温度を変数として数点の実験を行い，得られた実験値からニューラルネットワークモデルを作成した．そして，そのモデルを用いて未知の反応条件における反応指標IPの予測を行った．続いて，予測値であるIPの最小値を与える実験条件周辺で実験点を追加し，ニューラルネットワークモデル作成を繰り返すことによって最適反応条件を絞り込んだ．最適反応条件に収束するには，1～3回のニューラルネットワークモデルの再構築が必要であった．反応条件として温度，滞留時間，初濃度，圧力を変数とした4次元の反応最適化についても4回のモデル再構築で反応最適条件の組み合わせを決定することができた．予測で得られた最適反応条件を検証したところ，反応温度で2°C，滞留時間で1.89min以内で予測値と実験値が一致した．また，Iの値も非常によく一致した．
正本博士, 高田雅子, 永田和周, 重松幹二／Journal of Computer Chemistry, Japan Vol. 7 (2008) No. 5 P 171-178

コンビナトリアルナノ粒子合成における高速データ解析への人工ニューラルネットワークの応用

　ナノ材料の合成は、実験条件の様々な要因に非常に敏感である。そのため、合成を制御するためには、合成条件とナノ材料特性の関係を総合的に把握することが重要である。本研究は、人工ニューラルネットワークを用いた物性最適化手法により、コンビナトリアル合成のデータセットからその関係を取得することを目的としている。最近、マイクロリアクターを用いたコンビナトリアルCdSeナノ粒子（NP）合成において、条件と物性の関係を調べるために、3404件のデータセットが系統的に取得された。しかし、(i)多変量データセットの質量と複雑さ、(ii)「組み合わせ爆発」を避けるために各実験パラメータに許容されるポイント数が少ないこと、(iii)実験的理由に起因するエラーや欠測があること、などの理由から、関係性の取得には時間がかかる。本研究では、NNに基づくデータ解析手法を開発し、データセットを解析して関係を取得するために適用した。本手法では、好ましいNNを得るために、1600の徹底的な学習過程と以下のアンサンブルアプローチを実行する。その結果、NNsは現実的な時間スケールで条件-特性関係の本質的なパターンを抽出することが示された。学習されたNNは、新しい実験条件に対しても高い精度でNPの特性を予測することができる。さらに、NNに基づくデータ補間と感度解析は、多次元の条件-物性ランドスケープのようなアクセス可能な記述としての関係や、合成を制御するための重要なパラメータを提供する。このような情報は、NPの特性を最適化する際の指針となる。我々のアプローチは、コンビナトリアル合成データから条件-物性関係を迅速に抽出するのに適しており、また、NN解析の柔軟性により、未知の物性を持つ様々な種類のターゲット材料に対しても有効であると期待される。
Yuuichi Orimoto, Kosuke Watanabe, Kenichi Yamashita, Masato Uehara, Hiroyuki Nakamura, Takeshi Furuya, and Hideaki Maeda ／J. Phys. Chem. C, Article ASAP DOI: 10.1021/jp3031122 Publication Date (Web): July 27, 20128

河川水質の連続時系列推定値に基づく霞ヶ浦流域からの流出負荷量の特性分析

　本稿では、霞ヶ浦流域における汚染物質分布に対する土地利用要因の影響を分析する。本論文で紹介するフィールド実験では、2種類の光信号と水量を用いて、化学的酸素要求量(COD)、粒子状化学的酸素要求量(P-COD)、全窒素(TN) 硝酸塩（NO3 -N）、全リン（TP）、粒子状リン（P-P）を推定した。人工ニューラルネットワーク（ANN）モデルはこれらの相関関係を設定するために学習される。年間汚染物質負荷量は、ANNシミュレーション結果によって計算された。回帰分析を適用して、異なる期間における異なる土地利用の6 汚染物質への影響を評価した。解析の結果、水田はCOD、P-COD、TP、P-CODの負荷量に強い正の影響を及ぼすことが示された。水田は、洪水灌漑期におけるCOD、P-COD、TP、P-Pの負荷量に強い正の影響を及ぼし、TNとNO3 -Nの負荷にはあまり影響しない。耕作地はTNとNO3-Nの負荷に強い影響を及ぼす。回帰結果によると、流域の単位面積当たりの汚染物質負荷量も推定された。
黎嘉韻,木内豪,石川忠晴, 河川技術論文集,第17巻,2011年7月

人工ニューラルネットワークを用いた河川における汚染物質負荷のモニタリング手法

　本稿では、河川における汚染物質負荷量を、コストをかけずに連続的に測定する新しい方法を提案する。基本的な考え方は、「測定対象に存在する経験的相関関係」を最大限に活用し、測定できるものと知りたいものを関連付けることである。ここで紹介するフィールド実験では、化学的酸素要求量（COD）、全窒素（T-N）、全リン（T-P）の負荷を推定するために2種類の光センサーからの信号を使用し、それらの間の「経験的相関関係」を固定するために人工ニューラルネットワーク（ANN）モデルを学習させた。フィールドデータは霞ヶ浦流域の7河川で収集した。その結果、3つの水質項目は、学習データがあまり多くなくても、長期間にわたって安定した精度で推定できることがわかった。
劉銘環, 石川忠晴, 善見憲二, 工藤健太郎／Annual Journal of Hydraulic Engineering, JSCE, Vol. 52 (2008) pp. 127-132 [関連]河川水質の連続時系列推定値に基づく霞ヶ浦流域からの流出負荷量の特性分析

ニューラルネットワーク法による伊勢湾内浮遊ゴミ集積場所の予測可能性の検討

　伊勢湾では漂流物が問題となっている。本研究では、漂流物の捕集位置予測に人工ニューラルネットワーク（ANN）を用いることの妥当性を検討する。適切な入力データとANNパラメータ、伝達関数を確認し、漂流物の発生位置と堆積位置を予測するANNモデルを構築した。その結果、良好な予測結果が得られた： 1）漂流物発生位置の適合率は83％、2）漂流物集積位置の適合率は50％以上、3）四日市市街地手前と中部国際空港（セントレア）南側が主な漂流物集積位置である。
内田吉文・本多和彦・吉村藤謙・間瀬　肇・加藤英紀・片山美可・米澤泰雄／土木学会論文集B2（海岸工学）,Vol. 67，No. 2，2011，I_1366-I_1370

植物工場での人工照明によるクロロフィル蛍光を使用したレタスの高スループット成長予測

　個体差に起因する生育不良は、大電力を使用して栽培する植物工場にとって大きな利益損失につながる。従って、いわゆる苗診断技術を用いた低品位株の早期発見・淘汰は、植物工場における大きな損失を回避する上で重要な役割を果たす。本研究では、毎日約5000株のレタスを生産している商業用の大規模植物工場において、クロロフィル蛍光（CF）測定を用いたハイスループット診断システムを開発した。初期段階（播種後6日目）において、緑化最終日に高感度CCDカメラと自動搬送機により7200本の苗のCF画像を4時間毎に撮影し、生物学的指標を抽出した。機械学習を用いることで、葉の大きさ、CF量、CFの概日リズムなどの生物学的指標から、植物の成長を高い精度で予測することができる。成長予測は、CFの時間的情報を加えることで改善された。また、本データは、固有の生物時計によって制御される成長と時間情報の関係についての新たな知見を提供する。
守行正悟、福田弘和　Front. Plant Sci., 31 March 2016

電気自動車における部分放電のニューラルネットワークに基づく検出

　本論文では、人工知能技術の一つであるニューラルネットワーク（NN）を用いて、6つの異なるタイプの部分放電（PD）を分類することについて概説した。電気モーターの重要な規則と幅広い用途での使用について述べた後、さまざまな故障検出技術の使用について議論した。IEEEとEPRIによると、ステータの故障はモータ全体の故障の約30～40％を占める。高電圧(HV)機械に焦点を当てると、IEEEの統計によると、電気絶縁の劣化が特定の高電圧機器の電気故障の90%に達する。このようなHV絶縁システムの重要性は、HV絶縁の主な原因であるPDの研究を正当化する。PDが発生したHVモーターとPDが発生していない機械について、大規模なデータセットを収集した。これらのPDデータセットは前処理され、NNで使用できるように準備された。PDタイプを分類するためのNNアプリケーションの前処理段階には、最大値と最小値、単位あたり、包絡線検出手段などの統計的技法を使用する。PD分類を行うために2つのNNパッケージが使用されている。有名な科学ツールであるMATLABを使用してPCAを実行し、ISOMAPを使用してNN PD分類を実行する。もう1つの特殊なNNツールは、NeuralWare USAのNeuralSightを使用して、複数モデルのNN構築を行うために使用される。MATLABは、PCAとISOMAPの縮小行列を計算するには完璧なツールであったが、残念ながらNN PD分類では期待通りではなかった。NeuralSightは、PD NNの分類のために訓練され、テストされたとき、非常に正確であった。さらに、複数のモデルの利点を利用して複数のPD欠陥を分類することができ、認識率は98-99%に達した。
Asiri, Yahya, M.S., KING FAHD UNIVERSITY OF PETROLEUM AND MINERALS (SAUDI ARABIA), 2010, 221 pages; 1496567

人工ニューラルネットワークを使用した乳癌における組織学的悪性度の予測

　組織学的悪性度は、乳癌における予後の指標として歴史的に使用され、十分に立証されている。悪性度には3つのカテゴリー（G1、G2、G3）があり、尿細管形成、核多形、有糸分裂の程度に基づく。組織学的評価は一様ではないことが多くの研究で報告されている。病理診断に関連する病理医間の相関の低さ、および標準化されていない悪性度分類システムの結果として、患者は必ずしも正しいグループ分けに割り当てられておらず、G2はしばしば、確信が持てない場合の "安全な "グループとみなされてきた。以前に発表された研究では、5つの遺伝子のリアルタイムポリメラーゼ連鎖反応（RT-PCR）を用いて、G2腫瘍をG1またはG3に分子分類した。病理検査室におけるワークフローの制約から、全てのG2腫瘍を分子プロファイルすることは実行不可能と考えられた。これを踏まえ、5つの遺伝子（BUB1B、CENPA、RACGAP1、RRM2、NEK2）に対応する抗体を入手し、43の腫瘍（G1 11例、G3 32例）のホルマリン固定パラフィン包埋切片（FFPE）に対して免疫組織化学（IHC）を行った。全腫瘍の結果をランダムにトレーニングセットとテストセットに分け、人工ニューラルネットワーク（NeuralSightおよびNeuralWare Predict）を用いて腫瘍の悪性度を分類した。さらに33のG2腫瘍をANNの検証に使用した。ANNはこれらの腫瘍を5個のG1腫瘍と28個のG3腫瘍に分類した。この予測された悪性度は患者の生存率と有意な相関を示した。ニューラルネットワークは、5つのIHCマーカーのパネルを用いて乳癌G2腫瘍をG1とG3に再分類するために使用できる。これは、患者のケア、治療決定、転帰に影響を与える可能性がある。
Glenn D Francis ; Sandra R Stein ; Glenn D Francis, The 2012 International Joint Conference on Neural Networks (IJCNN)

深夜急行バスを対象とした短期的需要予測に基づく配車計画の検討

　深夜急行バスは利用者の変動が大きく，配車台数の調整が難しい。しかしながら，バスの配車台数は金曜・祝前日は2台，その他曜日は1台と，慣例的に決定されており，バスの供給不足・過多が発生している。本研究では，1)深夜急行バスの利用要因をアンケート調査などにより明らかにし，2)利用者数の需要予測に基づき配車台数予測を行い， 3)バスの配車台数について効率性が向上したか検討することを目的とした。ニューラルネットワークを用いた利用者予測モデルにより利用者数を予測し，バスの配車台数を見直した。その結果，実データでは適切に配車した運行日の的中率は89.6%であったが，本研究で提案するモデルを用いることで， 95.7%まで的中率を増加させることができた。これより，本研究で構築したモデルは効率的なバスの配車計画に有用であると考えられる。
川崎智也、轟朝幸、岩崎哲也、西内裕晶、土木学会論文集D3（土木計画学） Vol. 70 (2014) No. 5 p. I_645-I_653

初歩的な人工知能によるDP鋼の高次元組織データ駆動型応力-ひずみ曲線の予測

　ベイズ推定と人工ニューラルネットワークを組み合わせたフェライト - マルテンサイトDP鋼の応力 - ひずみ曲線の予測について研究を行いました。ニューラルネットワーク解析に使用される記述子をスクリーニングするため、体積分率、微小硬度、ハンドル、およびマルテンサイト相の空隙、及びフェライト相の微小硬度などの材料ゲノムがベイズ推定によって評価しました。小さなデータセットの場合に、機械学習による機械的特性を予測するための信頼性のある方法の提案を行いました。
足立吉隆,新川田圭介,奥野晃弘,弘川奨悟,田口茂樹,定松直、日本鉄鋼協会/鉄と鋼、Vol. 102 (2016) No. 1 p. 47-55

屋外暴露したパーティクルボードの気候データに基づく剥離強さの予測

　様々な屋外暴露条件下における市販パーティクルボードの内部結合強度（IB）を、重回帰（MLR）および人工ニューラルネットワーク（ANN）を用いてモデル化した。本研究で用いた屋外暴露データは、2004年から2011年にかけて全国8地点で実施された過去の屋外暴露試験結果から収集した。5地点のデータを用いて、暴露時間、年平均気温、年間日照時間、年間降水量などの気候データに基づき、屋外暴露下におけるパーティクルボードのIBを予測するMLRモデルとANNモデルを開発した。モデルの性能は、残りの3地点のIB予測値を実測値と比較することにより評価した。MLRモデルはR 2が0.87と高く、二乗平均平方根誤差（RMSE）が0.07MPaと低かったのに対し、ANNモデルはR 2が0.93、RMSEが0.05MPaであった。したがって，両モデルは日本の異なる場所で暴露されたパーティクルボードに適用できることが実証された。MLRモデルの統計的検定により，IBは暴露時間，温度，降水量に負の影響を受けることが明らかになった。これらの影響はANNモデルの感度分析によっても確認され、さらに日照時間がIBに正の影響を及ぼすことが示された。
渡辺憲，高麗秀昭，松下康弘, 林知行, Journal of Wood Science, Volume 61(2015), Issue 2, pp 151-158

情報統計力学に基づいた高次元データ駆動型特性予測

　本稿では，階層的な組織を有する材料の特性発現機構を理解する取組みの一貫として，すでに確立されている各機構の理論によって見積もられた特性量を，情報工学を利用して階層的に加算するアプローチであるニューラルネットワークによる手法について説明した。できるだけ理論に従って特性変化を説明するのが理想的であるが，加算則について不明な点がある場合には，情報工学を駆使した客観的評価はひとつのアプローチだと思われる。その際に，組織の様々な特徴値を数値化する必要があるが，3D組織からは組織の様々な特徴値が数値化される。プロセス，組織，特性のすべてのデータがアーカイブ化されていくことは他の分野と同様に材料学の分野も同様であろう（最近では，この分野は材料インフォマティクスと呼ばれている）。このようなビッグデータが充実したときに，情報工学は客観的にプロセス–組織–特性の関係を関連付ける。ニューラルネットワーク予測は複数の要因から結果を予測する手法であるのに対して，ベイズ推定は結果からもっともらしい要因を確率論的に探る手法である。さらに，統計的検定法は，2つ以上のデータ群を比較し同じとみなせるのかどうかを判定する手法といえる。これらの情報統計力学に基づいた高次元データ駆動型特性予測への期待が高まっている。
足立吉隆、定松直、増田雄太、吉田拓真、松下康弘、Journal of The Japan Institute of Light Metals, Vol. 64, No. 11（2014）, 533–541

近赤外分光データのニューラルネットワーク解析による乾燥中の応力評価

　人工ニューラルネットワーク（ANN）と組み合わせた近赤外（NIR）分光法を用いて乾燥中の木材の表面でのストレスレベルを評価することの実現可能性を検討することを目的としました。 41.1から85.8％の範囲の初期水分含量を有するスギ木材は、市販の乾燥スケジュールを使用して乾燥させました。表面解放ひずみ（SRS）を予測するためのANNモデルは、乾燥中の木材から収集したNIRスペクトルに基づいて開発されました。ANNモデルの予測能力は、部分最小二乗（PLS）回帰モデルと比較しました。ANNモデルは実験室で測定されたSRSの間にR 2=0.79の良好な相関と、二乗平均誤差（RMSEP）=0.0009、偏差に対する性能比（RPD）=1.81を示しました。PLS回帰モデルは、ANNモデルに対して0.69の低いR 2、0.0010の高いRMSEP、1.38の低いRPDを与え、ANNモデルの予測性能は、PLS回帰モデルよりも優れていることを示唆しました。それぞれのモデルによって予測された乾燥中のSRSの発生は、実験室測定したものと同様の傾向を示しました。最大引張応力および応力反転点に到達するまでの予測経過時間はおおよそ実験室での測定時間と一致しました。これらの結果は、多変量解析と組み合わせたNIR分光法は、木材の表面上に乾燥ストレスレベルや、最大引張応力および応力反転点として乾燥中の臨界時期を予測する可能性を有することを示唆しています。
Ken Watanabe, Isao Kobayashi, Yasuhiro Matsushita, Shuetsu Saito, Naohiro Kuroda, Shuichi Noshiro, Drying Technology, Volume 32, Issue 5, 2014

リーマンショック前後の日本企業の格付け構造変化に関する研究

　本研究は、2007年8月のBNPパリバショックを起点とする最近の信用危機下における、米国の大手格付機関（S&P、ムーディーズ）および日本の格付機関（JCR、R&I）の格付構造の変遷の詳細を、人工ニューラルネットワーク（ANN）を用いて明らかにしようとするものである。本研究では，Altman Z-scoreを与える会計情報に基づき，信用危機下における最近の社債格付け構造の変遷を確認する。日本の社債の格付けは、公表されている5年間の実際のデフォルト確率を用いて正規分布変数に変換され、Zスコアを与える主要比率による関数としてモデル化される。注目すべき知見として、危機以前（2005-2007年）のすべての格付機関の格付構造は、信用危機（2008-）下で説明力を失った。ムーディーズだけが2010年までに説明力を回復したようであるが、S&P、JCR、R&I のそれは回復していない。しかし，すべての機関の5つの要因のエクスポージャは，危機の下で将来と現在の収益性や流動性のエクスポージャに大きな変化はなく，わずかに変化している。格付け業者の選定に伴うリスクは拡大する可能性があり、注意が必要であることを指摘したい。
Motohiro Hagiwara, Yasuhiro Matsushita and Katsuaki Tanaka, Journal of Applied Operational Research (2013) 5(2), 42–47

人工ニューラルネットワークによるスギの乾燥予測

　スギ（Cryptomeria japonica D. Don）材は最終含水率（MCf）のばらつきが大きく、乾燥が難しいことが知られている。本研究では、個々の木材サンプルのMCfを予測する人工ニューラルネットワーク（ANN）の能力を評価した。初期含水率、基本密度、年輪方位、年輪幅、心材比率および明度（CIE L * a * b * システムにおけるL *）に基づいてANNモデルを開発した。ANNモデルの性能を主成分回帰（PCR）モデルと比較した。ANNモデルは、PCRモデルよりも高い相関係数(r)と低い二乗平均平方根誤差(RMSE)で、実験的に測定されたMCfと良い一致を示し、変数の非線形性の重要性とPCRモデルよりもANNモデルの能力が高いことを実証した。ANNの入力変数に赤味(a * )と黄色味(b * )および乾燥時間を加えることにより、rおよびRMSE値は、それぞれ学習データセットで0.98および1.2 %、試験データセットで0.85および2.2 %に改善された。開発されたANNは本研究の限られた条件下で利用可能であるが，本研究の結果は，木材の性質が大きく変化し，それらの複雑な相互関係が完全には解明されていないにもかかわらず，提案されたANNがMCfに対して信頼性の高いモデルと強力な予測能力を提供することを示唆している。
Ken Watanabe , Yasuhiro Matsushita, Isao Kobayashi, Naohiro Kuroda, Journal of Wood Science,Volume 59(2013), Issue 2, pp 112-118

サポートベクターマシン及びニューラルネットワークによる多種類の化学物質の発ガン性の予測

　不特定の非同族体の発ガン性を予測する手法を開発するために、IARC，EU，EPA，NTP，ACGIH，及び JSOH で公表している発ガン性の実測データの信頼性を総合的に評価し、4 段階に格付けした発ガン性ランクデータベースを開発した。そのデータベースに集積された 846 種の化学物質について、3 次元分子構造から CAChe ProjectLeader を用いて、解析に用いる記述子を 69 個生成した。それらの発ガン性データと記述子データの相関を SVM 及び ANN で解析し、予測精度を求めたが、ANN は満足できる予測精度を示したのに対し、SVM は予測精度が十分でないことが判明した。しかしトポロジカルな記述子等を追加することで予測精度の向上が期待できることが分かった。本研究の大規模な非同族体の発ガン性予測はきわめて複雑な分類・回帰問題であるため、ANNの予測精度の高さが実証された。一方、SVM は非線形性の点では ANN に劣るものの、局所解がないこと、処理時間がきわめて迅速なこと、などANN にない利点もあり、問題に応じて ANN とSVM を使い分けることが有効である。
田辺和俊，鈴木孝弘，松下康弘，貝原巳樹雄，小野寺夏生,第30回情報化学討論会

日本の様々な気候条件でのパーティクルボードの強度劣化予測

　パーティクルボード試験片を日本の種々の気候条件に暴露し，重回帰分析(MRA)あるいは人工ニューラルネットワーク(ANN)を用いて気候因子と内部接着強さ(IB)との関係を調べた。低温および中温のサイトでは，MRA(IBMRA)およびANN(IBANN)を用いて予測されたIBは暴露時間の増加とともに直線的に減少した．また、高温部位では、暴露時間の増加とともに、IBMRAは直線的に減少したが、IBANNは指数関数的に減少した。IBANNの傾向は、様々な気候条件に曝された試験片のIB測定値とほぼ同じであった。さらに，1年，3年，5年暴露のIBMRAとIBANNを全国の気候因子を用いて予測した。パーティクルボードが劣化した場合のIB最小値は0であるが，高温域で暴露時間が長くなると，MRAを用いて負のIBが予測された。また，サイト1付近の低温域で1年間暴露した場合のIBは初期IBの0.833MPaより高かった。MRAは直線性を仮定しているため、必ずしも有効ではない。しかし、高温部では5年暴露でも負のIB、低温部では1年暴露でも高いIBはANNでは予測できなかった。ANNを用いるとIBの減少が正しく予測され、正しいIBの減少をマッピングすることができた。
Hideaki Korai, Ken Watanabe, European Journal of Wood and Wood Products pp 1-12

日米格付機関の格付決定要因の比較分析

　日米の格付の決定要因に関する先行研究では重回帰を中心として分析されているが,定量データとして財務データを用いた場合の説明力は約70%であった。財務データを利用した分析により格付のランクが判明すれば,投資家にとって不明確な部分が無くなり,信頼度が高まると考える。一方資金調達する企業にとっては,格付の高低が,社債のクーポン・レートあるいは借入金利の高低に影響を及ぼすため,少しでも高い格付の取得が必要となる。そこでどの格付機関に格付の付与を依頼するかを決める時に,格付機関の格付付与の特性を判断する上で定量データを利用し判断できれば,格付機関の選択が容易に行える。そこで今回定量データを使用し,新たな手法としてニューラルネットワークを用いて,日系の格付投資情報センター(R&I)及び日本格付研究所(JCR),米系のムーディーズ・ジャパン(Moody's)及びスタンダードアンドプアーズ(S&P)の日米格付機関の格付決定構造を比較検討した。
勝田英紀, 田中克明, 俣野義則　近畿大学商経学叢第53巻第 1巻1・2号 2006年12月

アモルファスMIセンサとニューラルネットワークを用いた漏洩磁束試験による表面傷の評価

　本論文では、アモルファスMIセンサとニューラルネットワーク(NN)を用いた2軸漏洩磁束探傷試験(MFLT)により、表面きずの水平位置や位置する面の形状を評価することを試みる。試験片は磁場を受ける磁性材料であり、欠陥近傍では磁束漏洩（MFL）が発生する。我々は、アモルファスMIセンサを用いて2軸MFL、すなわちMFLの接線方向成分と法線方向成分を測定する。アモルファスMIセンサーは、広い測定範囲、高感度、高空間分解能を有しており、MFLTによるきずの正確な定量評価に適している。まず、測定した二軸MFLを回帰分析法（RAM）で前処理し、MFLパラメータを抽出します。その後、NNを用いてMFLパラメータからきずの水平位置と位置する面を含む断面の寸法を推定する。同様の処理を試験片表面に平行な複数の測定線に沿って繰り返すことにより、きずの3次元形状を特定することができる。本論文では、まず最も単純なケースとして、SS400試験片の平行六面体きずの三次元形状を評価する。次に、有限要素法(FEM)を用いた2次元静磁場解析に基づき、斜めきずへの評価手法の拡張を検討した。その結果、平行六面体きずの3次元形状と斜めきずの2次元形状を精度よく評価できることを示した。
安部正高, 琵琶志朗, 松本英治, Recent Advances in Sensing Technology Volume 49 of the series Lecture Notes in Electrical Engineering pp 15-33

ハイパースペクトルデータを用いたシソの葉の内部時間の非破壊推定法

　植物生産において、早朝や午後に収穫される野菜は重宝されるため、収穫時期は重要である。この収穫時期には、概日時計と呼ばれる生物学的機能が大きく影響している。本研究の目的は、概日時計を非破壊で推定し、適切な収穫時期を決定する方法を構築することである。青ブシ（Perilla frutescens var. crispa）を4時間ごとに8サンプル、1日6回採取し、すべてのサンプルを同時に分析した。ハイパースペクトルカメラを用い、141種類の波長（350-1050 nm）におけるスペクトル強度を収集した。各波長のスペクトル強度と収穫時間との相関を計算すると、ハイパースペクトルカメラが非破壊推定に適していることが示唆された。しかし、最も相関の高い波長でも相関が弱かったため、推定精度を上げるために機械学習を用い、概日時計の内部時刻を推定する機械学習モデルを構築した。機械学習には、大量のデータに対して有効な解析手法である人工ニューラルネットワーク（ANN）を用いた。推定モデルを使用した結果、推定時刻と実時刻の誤差は3分であった。推定は2時間以内で行われた。このように、内部時間を非破壊で推定する手法の実証に成功した。
長野　将吾, 谷垣　悠介, 福田弘和, World Academy of Science, Engineering and Technology International Journal of Agricultural and Biosystems Engineering Vol:3, No:5, 2016

生物学的エアロゾルスタンドオフ検出のための赤外微分吸収ミューラーマトリックス分光法とニューラルネットワークベースのデータフュージョン

　アクティブ分光光度計センサーとサポートシステムは、生物学的エアロゾルの同定とスタンドオフ検出に関する軍/民間防衛の実現可能性研究のために開発された。ガンマ線照射した枯草菌と鶏卵白アルブメン（被分析物）、アリゾナ州道路ダスト（陸上干渉物）、水ミスト（大気干渉物）、タルカムパウダー（実験対照物）のプルームを窓のないチャンバー内に分散させ、9.1～12.0マイクロメートルの波長（ラムダ）にわたる複数のCO(2)レーザービームを照射した。この "フィンガープリント "と呼ばれる中赤外スペクトル領域では、被分析物による分子振動や振動-回転活性が基本的に強い。同調ビームの入射放射照度と後方散乱放射照度の異なる偏光変調により、対象エアロゾルのミューラー行列（M）が生成される。M(ij)(λ)/M(11)(λ)}の正規化された全15要素の文字列は、エアロゾル粒子の物理的および幾何学的属性を完全に記述し、ハイブリッドKohonen自己組織化マップフィードフォワード人工ニューラルネットワーク(ANN)を訓練するための入力フィールドである。適切に訓練され検証されたANNモデルは、内部マッピングを介してパターン認識とタイプ分類タスクを実行する。典型的なANNは、分析物、干渉物、制御エアロゾルを、種の重複がないように数学的にクラスタリングする。
Arthur H. Carrieri, Jack Copper, David J. Owens, Erik S. Roese, Jerold R. Bottiger, Robert D. Everly, and Kevin C. Hung, Applied Optics Vol. 49, Issue 3, pp. 382-393 (2010)

ニューラルネットワークによる風力発電所のデータ品質、一貫性、解釈管理

　風力発電の断続的な性質は、風車の性能を注意深く監視したいと考える発電会社にとって大きな問題となる。各タービンの挙動を分析するためには、過去の測定値を定期的にデータマイニングすることが不可欠です。GDF SUEZは、巨大な遺伝的アルゴリズムから構築されたニューラルネットワーク（NN）と組み合わせた自然なクラスタリング手法を使用して、疑わしい期間における発電量を再計算するための革新的なアプローチを開発しました。このプロセスは、データ品質、一貫性、解釈管理（DQCIM）と呼ばれるものの一部であり、大まかに描き、集中的に説明する。
Alain Fuser; Florent Fontaine; Jack Copper,Conference: Parallel & Distributed Processing Symposium Workshops (IPDPSW), 2014 IEEE InternationalAt: PhoenixVolume: 978-1-4799-4117-9 , Pages: 430 - 438

ニューラルネットワーク・アンサンブルを用いた風力発電所の日中および前日出力予測

　風力エネルギーは、電力会社が提供するサービスにおいてますます重要な要素となっています。風力エネルギーは断続的な性質があるため、風力発電所の出力予測の精度は、風力エネルギーと送電網上の他の電源との最適な統合を確保する上で非常に重要です。GDF SUEZは、風力発電所の出力予測の精度を向上させる革新的なアプローチを開発しました。このアプローチでは、ニューラルネットワークのアンサンブルを開発し、それぞれが対象地域の特性に合わせて調整されます。ニューラル・ネットワーク技術とニューラル・ネットワーク・アンサンブル・モデリング・プロセスの概要と、フランス・リヨンのGDF SUEZの実際の運転データに基づく予備的な結果について説明する。
Alain Fuser, Jack Copper,Applied Mechanics and Materials (Volumes 260-261), Pages:242-250

ニューラルネットワークによるHVモータの部分放電の分類

　この論文では、6つの異なるタイプの部分放電（PD）を分類するためにニューラルネットワーク（NN）を使用する一般的なアプリケーションについて議論する。IEEEとEPRIによると、固定子巻線の故障はモーター故障全体の約30～40%を占めている。高電圧(HV)機器の電気故障の90%は絶縁劣化に関連している。PD欠陥のあるモーターとPDのないモーターについて、大規模なデータセットが収集された。PDのデータセットは前処理され、統計的手段を用いてNNで使用できるように準備された。複数のNNモデルが提供する利点を利用してPD欠陥を分類することができ、最大認識率は94.5%を達成した。
Yahya Asiri; Alfred Vouk; Lee Renforth; David Clark; Jack Copper, 2011 Electrical Insulation Conference (EIC)

物理モデルとニューラルネットワーク補正モデルの組み合わせによるモデリング手法

　廃棄物焼却プラントでは、多くのセンサーを用いても廃棄物の品質をすることは非常に困難である。そのため、不確実性が存在する中でシミュレーションを構築することは重要な課題である。本研究では、ボイラシステムにおける将来の蒸気温度を推定するために、ニューラルネットワークと物理システムを組み合わせた効果的なモデリング手法を提案する。物理システムはモデル化されるプロセスに関する利用可能な事前知識を組み込み、ニューラルネットワークは物理システムではモデル化が困難な未測定プロセスの誤差を補償する。実プラントデータに対する実験結果から、この結合モデルは、ニューラルネットワークのみのモデルよりもはるかに正確で優れた補間と外挿が可能であることが示された。このモデルは、必要な学習例が大幅に少なく、学習済みモデルの解析と解釈が容易である。
戴英達，馬野元秀，川端馨,　第 35 回ファジィシステムシンポジウム講演論文集 (FSS2019 大阪大学)

MATLABとNeuralWorksを用いた音声符号化と音素分類

　本論文では、MATLABとNeuralWorksを使用して、音声符号化と分類の技術を探求した。これらのソフトウェアツールにより、アナログ音声信号をサンプリングし、ピッチとフォルマント周波数を求め、音声データを音声学的に分類することができた。ここで使用した音声符号化アルゴリズムには、デジタルフィルタリング、データウィンドウ処理、スペクトル分析が含まれています。この特別なアプリケーションは、多様な信号処理理論のいくつかの側面をグラフィカルで手続き的な方法で提供する。本稿で紹介した各技術は、教室で学ぶ信号処理理論をサポートするためのラボとして実装することができる。このような一連の実習を通して、学生はFFTの特性を学ぶと同時に、様々なデータウィンドウ技術とフィルタリングルーチンのトレードオフを発見することができる。
B.A. St. GeorgeE.C. WootenLouiza SellamiLouiza Sellami, Proceedings Frontiers in Education 1997 27th Annual Conference. Teaching and Learning in an Era of Change

ニューラルネットワークを用いたリアルタイムでのパターン認識：圧力計測への応用

縞パターンからリアルタイムで情報を取得することは、光学的手法の科学的・工学的応用において非常に重要なテーマである。本稿では、縞パターン認識を用いたリアルタイム圧力測定へのニューラルネットワークの応用について述べる。これは、ニューラルネットワークが、ネットワークの訓練に使用された信号と類似しているが同一ではない信号を認識する能力に基づいている。この調査では、風洞の壁の一部である圧力センサーと、モアレ縞を生成するための光学装置が使用された。生成されたフリンジパターンは、逆伝播ニューラルネットワークによって、画素解像度649(H)×491(V)のCCDカメラである記録装置の速度で解析された。この情報検索法を用いて、境界層流の圧力変動を測定した。第二のニューラルネットワークは、圧力パターンを認識し、流れの安定性を保つことができる制御システムへの入力を提供するために使用された。

※弊社では、研究開発のご支援やデータ分析プロジェクトにまつわる様々なご相談に、過去20年　以上に渡るプロジェクト経験に基づき、ご支援しています。社内セミナーの企画やシステム開発等、お気軽にご相談いただければ幸いです。

製品カタログ

この記事が気に入ったらサポートをしてみませんか？