Submit Search
Upload
AIの取り組み[改訂版].pdf
•
0 likes
•
2,474 views
K
KunihiroSugiyama1
Follow
Author: SBS情報システム 公共事業本部 土屋明生
Read less
Read more
Technology
Report
Share
Report
Share
1 of 14
Download now
Download to read offline
Recommended
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
IoTビジネス共創ラボ
[Japan Tech summit 2017] PRD010
[Japan Tech summit 2017] PRD010
Microsoft Tech Summit 2017
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
Dell TechCenter Japan
先進事例に見るIoT活用の事始め~データサイエンスの観点から~
先進事例に見るIoT活用の事始め~データサイエンスの観点から~
Daiki Kato
SHI2018: 製造現場での人と知能機械の協奏に向けて
SHI2018: 製造現場での人と知能機械の協奏に向けて
Kurata Takeshi
WebDB Forum 2013
WebDB Forum 2013
Recruit Technologies
北海道Io tあるじゃん1 ネクステック
北海道Io tあるじゃん1 ネクステック
Norikatsu Oishi
It化コンセプトMuse
It化コンセプトMuse
Act Consulting Corp.
Recommended
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
IoTビジネス共創ラボ
[Japan Tech summit 2017] PRD010
[Japan Tech summit 2017] PRD010
Microsoft Tech Summit 2017
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
Dell TechCenter Japan
先進事例に見るIoT活用の事始め~データサイエンスの観点から~
先進事例に見るIoT活用の事始め~データサイエンスの観点から~
Daiki Kato
SHI2018: 製造現場での人と知能機械の協奏に向けて
SHI2018: 製造現場での人と知能機械の協奏に向けて
Kurata Takeshi
WebDB Forum 2013
WebDB Forum 2013
Recruit Technologies
北海道Io tあるじゃん1 ネクステック
北海道Io tあるじゃん1 ネクステック
Norikatsu Oishi
It化コンセプトMuse
It化コンセプトMuse
Act Consulting Corp.
G Suite勉強会資料(20200326)
G Suite勉強会資料(20200326)
Keiichi Hirose
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
IBM Analytics Japan
【Sb】「if 自動化するなら then stack stormを使おう」 展開用
【Sb】「if 自動化するなら then stack stormを使おう」 展開用
Kazunori Shimura(kojima)
RWC2012(松江市&テクノプロジェクト)
RWC2012(松江市&テクノプロジェクト)
Techno Project Co., Ltd.
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
Insight Technology, Inc.
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
kintoneとAWSでできるIoT
kintoneとAWSでできるIoT
Cybozucommunity
自由と統制のバランス_分析基盤のアプローチ
自由と統制のバランス_分析基盤のアプローチ
Ryoji Hasegawa
Pentahoデータ統合・ETLセミナー 紹介資料
Pentahoデータ統合・ETLセミナー 紹介資料
kimihikoeto
AIの取り組み.pdf
AIの取り組み.pdf
KunihiroSugiyama1
医療機器ソフトウェア開発を対象とした包括的アセスメントのケーススタディ
医療機器ソフトウェア開発を対象とした包括的アセスメントのケーススタディ
Masanori Kaneko
IoTデータ活用のフィードバックループ
IoTデータ活用のフィードバックループ
Koichi Sasaki
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
クラウドがシステム運用を変革させる
クラウドがシステム運用を変革させる
UNIRITA Incorporated
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
Google Cloud Platform - Japan
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
寛之 松浦
How to use IMDJ
How to use IMDJ
iwasa daiji
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
Amazon Web Services Japan
20180119_5_IoT Update_20180119
20180119_5_IoT Update_20180119
IoTビジネス共創ラボ
生成系AIで変わるソフトウェア開発の現在と未来(修正版).pdf
生成系AIで変わるソフトウェア開発の現在と未来(修正版).pdf
KunihiroSugiyama1
LLM+LangChainで特許調査・分析に取り組んでみた
LLM+LangChainで特許調査・分析に取り組んでみた
KunihiroSugiyama1
More Related Content
Similar to AIの取り組み[改訂版].pdf
G Suite勉強会資料(20200326)
G Suite勉強会資料(20200326)
Keiichi Hirose
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
IBM Analytics Japan
【Sb】「if 自動化するなら then stack stormを使おう」 展開用
【Sb】「if 自動化するなら then stack stormを使おう」 展開用
Kazunori Shimura(kojima)
RWC2012(松江市&テクノプロジェクト)
RWC2012(松江市&テクノプロジェクト)
Techno Project Co., Ltd.
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
Insight Technology, Inc.
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
kintoneとAWSでできるIoT
kintoneとAWSでできるIoT
Cybozucommunity
自由と統制のバランス_分析基盤のアプローチ
自由と統制のバランス_分析基盤のアプローチ
Ryoji Hasegawa
Pentahoデータ統合・ETLセミナー 紹介資料
Pentahoデータ統合・ETLセミナー 紹介資料
kimihikoeto
AIの取り組み.pdf
AIの取り組み.pdf
KunihiroSugiyama1
医療機器ソフトウェア開発を対象とした包括的アセスメントのケーススタディ
医療機器ソフトウェア開発を対象とした包括的アセスメントのケーススタディ
Masanori Kaneko
IoTデータ活用のフィードバックループ
IoTデータ活用のフィードバックループ
Koichi Sasaki
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
クラウドがシステム運用を変革させる
クラウドがシステム運用を変革させる
UNIRITA Incorporated
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
Google Cloud Platform - Japan
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
寛之 松浦
How to use IMDJ
How to use IMDJ
iwasa daiji
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
Amazon Web Services Japan
20180119_5_IoT Update_20180119
20180119_5_IoT Update_20180119
IoTビジネス共創ラボ
Similar to AIの取り組み[改訂版].pdf
(20)
G Suite勉強会資料(20200326)
G Suite勉強会資料(20200326)
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
データを集めて貯めて分析する… 最先端のテクノロジーが詰まったIBMクラウドのご紹介
【Sb】「if 自動化するなら then stack stormを使おう」 展開用
【Sb】「if 自動化するなら then stack stormを使おう」 展開用
RWC2012(松江市&テクノプロジェクト)
RWC2012(松江市&テクノプロジェクト)
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
[C32] 正確でスピーディーな決断を促す、日立の高速データアクセス基盤~性能検証事例と活用効果~ by Taichi Ishikawa
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
kintoneとAWSでできるIoT
kintoneとAWSでできるIoT
自由と統制のバランス_分析基盤のアプローチ
自由と統制のバランス_分析基盤のアプローチ
Pentahoデータ統合・ETLセミナー 紹介資料
Pentahoデータ統合・ETLセミナー 紹介資料
AIの取り組み.pdf
AIの取り組み.pdf
医療機器ソフトウェア開発を対象とした包括的アセスメントのケーススタディ
医療機器ソフトウェア開発を対象とした包括的アセスメントのケーススタディ
IoTデータ活用のフィードバックループ
IoTデータ活用のフィードバックループ
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
クラウドがシステム運用を変革させる
クラウドがシステム運用を変革させる
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
基本から学ぶ ビッグデータ / データ分析 / 機械学習 サービス群
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
How to use IMDJ
How to use IMDJ
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
[よくわかるクラウドデータベース] リクルートにおけるRedshift導入・活用事例
20180119_5_IoT Update_20180119
20180119_5_IoT Update_20180119
More from KunihiroSugiyama1
生成系AIで変わるソフトウェア開発の現在と未来(修正版).pdf
生成系AIで変わるソフトウェア開発の現在と未来(修正版).pdf
KunihiroSugiyama1
LLM+LangChainで特許調査・分析に取り組んでみた
LLM+LangChainで特許調査・分析に取り組んでみた
KunihiroSugiyama1
生成系AIとChatGPT講座_明星大学経営学部様講演資料_配布版.pdf
生成系AIとChatGPT講座_明星大学経営学部様講演資料_配布版.pdf
KunihiroSugiyama1
明星大学経営学部様生成系AIご紹介プレゼンテーションマテリアル.pdf
明星大学経営学部様生成系AIご紹介プレゼンテーションマテリアル.pdf
KunihiroSugiyama1
神戸市における生成系AIの活用_230822
神戸市における生成系AIの活用_230822
KunihiroSugiyama1
GASG0801sato.pdf
GASG0801sato.pdf
KunihiroSugiyama1
ifLink[改善版].pdf
ifLink[改善版].pdf
KunihiroSugiyama1
AITec0718.pdf
AITec0718.pdf
KunihiroSugiyama1
Generative AI Study Group_2ndSesssion_20230620.pdf
Generative AI Study Group_2ndSesssion_20230620.pdf
KunihiroSugiyama1
Generative AI Study Group_FirstSesssion_20230606.pdf
Generative AI Study Group_FirstSesssion_20230606.pdf
KunihiroSugiyama1
小学校向けAI導入企画0606.pdf
小学校向けAI導入企画0606.pdf
KunihiroSugiyama1
生成系AI研究会発起会アジェンダ_230526.pdf
生成系AI研究会発起会アジェンダ_230526.pdf
KunihiroSugiyama1
More from KunihiroSugiyama1
(12)
生成系AIで変わるソフトウェア開発の現在と未来(修正版).pdf
生成系AIで変わるソフトウェア開発の現在と未来(修正版).pdf
LLM+LangChainで特許調査・分析に取り組んでみた
LLM+LangChainで特許調査・分析に取り組んでみた
生成系AIとChatGPT講座_明星大学経営学部様講演資料_配布版.pdf
生成系AIとChatGPT講座_明星大学経営学部様講演資料_配布版.pdf
明星大学経営学部様生成系AIご紹介プレゼンテーションマテリアル.pdf
明星大学経営学部様生成系AIご紹介プレゼンテーションマテリアル.pdf
神戸市における生成系AIの活用_230822
神戸市における生成系AIの活用_230822
GASG0801sato.pdf
GASG0801sato.pdf
ifLink[改善版].pdf
ifLink[改善版].pdf
AITec0718.pdf
AITec0718.pdf
Generative AI Study Group_2ndSesssion_20230620.pdf
Generative AI Study Group_2ndSesssion_20230620.pdf
Generative AI Study Group_FirstSesssion_20230606.pdf
Generative AI Study Group_FirstSesssion_20230606.pdf
小学校向けAI導入企画0606.pdf
小学校向けAI導入企画0606.pdf
生成系AI研究会発起会アジェンダ_230526.pdf
生成系AI研究会発起会アジェンダ_230526.pdf
Recently uploaded
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
kokinagano2
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
CRI Japan, Inc.
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperleger Tokyo Meetup
情報を表現するときのポイント
情報を表現するときのポイント
onozaty
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
iPride Co., Ltd.
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
KLab Inc. / Tech
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
Takayuki Nakayama
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
CRI Japan, Inc.
Recently uploaded
(8)
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
情報を表現するときのポイント
情報を表現するときのポイント
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
AIの取り組み[改訂版].pdf
1.
生成系AIの センテンスジェネレーションを 業務効率化の実現手段として 検討した経緯をご紹介 SBS情報システム 公共事業本部 土屋明生 1.GASGで得た内容の反映 2.近未来を予測した今後のIoT
2.
2つの取り組み 1つ目: 前回の振り返り 生成系AIの機能の一部を利用して業務を効率化 ・専門化た業務ドキュメント検索システムの取り組み 目的:部署全体の工数削減 2つ目:
新たな取り組み IoTにおけるAI活用の検討 ・IoTのデータ取得から生活パターンに合せた心地よい空間を連続的に生成 人間の行動パターンに合せ、収集データから次の快適性を準備してゆく ・IoTのデータ取込みにAI活用した場合のメリットを検討 後処理でも行える、ノイズ軽減や超解像処理等の検討
3.
マニュアル データファイル (WORD等) 各お客様との 対応履歴 マニュアル データファイル (WORD等) 各お客様との 対応履歴 こんなことはありませんか? システムAの エキスパート システムBの エキスパート 受付担当者 システムCとDのエキスパートは、 お客様002に出向き打合せ中 お客様001から システムAと システムCの 緊急問合せを受付 スライド1 現時点の社内リソース
4.
マニュアル データファイル (WORD等) 各お客様との対応履歴 こんなことできたらいいな 受付担当者 各エキスパートは専門業務 に専任出来る ・お客様との打合せ ・システム開発 ・ドキュメント更新 お客様001からシステムAと システムCの緊急問合せ マニュアル データファイル (WORD等) 各お客様との対応履歴 全システムの情報 スライド2
5.
最初に試した大雑把なフロー マニュアル データファイル (WORD等) TEXT 抽出 OCR TEXT Cleaning TEXT Files
大雑把な 要約 text Vector Store 作成API 平文のドキュメント (idは一つ) LLM OpenAI API利用 スライド3
6.
変更後の大雑把なフロー マニュアル データファイル (WORD等) TEXT 抽出 OCR TEXT Cleaning TEXT Files
大雑把な 要約 text 登録textの 最適化処理 Vector Store 作成API Vector Store 最適化された 登録ドキュメント LLM OpenAI API利用 スライド4 この部分の作業が凄く大変・・・
7.
Llamaindex LLM Llama Hub マニュアル データファイル (WORD等) GASGで得た内容をフィードバック Vector Store スライド5 OCR Word PDF OpenAI API利用 OpenAI API利用 最適化された 登録ドキュメント この部分の作業が簡素化 ①
Llamahubは、OCR、Word、PDF等のファイルを解析してText抽出してくれる。 ② 上記①で抽出したTextファイルを形態素解析等で分析し、単語/接続詞等のレベルに分解し、 単語/接続詞等をベクトル値に変換して、ローカルLMに登録する。 ③ ユーザーが質問文(プロンプト)を入力すると、同じ仕組みで質問文をベクトル値に変換する。 ④ 質問文のベクトル値を元に、ローカルLMを検索する。 ⑤ ローカルLMから得られたベクトル値をテキストデータに戻して表示する。 ① ② 質問文入力 Llamaindex ③ OpenAI API利用 共通 ベクトル 変換値 取得 回答表示 OpenAI API利用 ベクトル 変換 ④ ローカルLM OpenAI API利用 ⑤
8.
新たなる取り組み スライド6 1.IoTとAIを組合せ、居心地の良い空間を作りたい 2.IoTの様々な部分でAIの活用シーンが見出せる
9.
IoT-Hub 一歩先の未来を予想 matterと通信 夢の国と通信 ホテルと通信 例:人間の行動パターンを予測して次に行うと良い事を提案 ① 出かける時、戸締りや消灯をチェックして報告をくれる ② 車に乗る10分前にエアコンを始動してくれる ③
予約したホテルの電子ロックキーをダウンロードしてくれる ④ 稼働状況や待ち時間をチェックして空いているアトラクションに誘導してくれる 生成系AIの業務システムインターフェースが計画されている。 自然言語で、時間と空間を居心地の良いものにして行ける。 OPD2と通信 スライド7
10.
一歩先の未来を予想(制御) 家庭の消費電力量から 正確な発電予測を行う 様々なデータの蓄積と組合せから 新しい産業やビジネスモデルの創造を行う。 車の運行状況やセンサの変動から 故障予測を推測して事故を減らす 客室の稼働モニタから、 設備保全計画を立案する アトラクションの稼働モニタから、 設備点検計画を立案する スライド8 <パターン1> ① データをトリガとして、次の行動予測 ② 業務アプリケーションのAPIと連携 ③
次に行ってほしい行動を予測する <パターン2> ① 自然言語で家電を制御 ② 行動パターンを予測して次の制御を提案 ③ 多角的な行動分析から 潜在的なニューザーニーズを発掘する <パターン3> ① 設備機器などのセンサ値をモニタリング ② 前回取得値と比較し経年変化を予測 ③ 故障予知を行い、 安全安心な世界の実現を目指す
11.
LLMによるAPI制御の応用 一つのトリガーから、 関連する複数の制御を順番に行う 一つ一つの家電制御を、 家電毎に一つ一つ指示している 「電気消して!」 「エアコン弱くして!」 「あれ消して!」 「それ止めて!」 「これ止めて!」 「寝るぞっ!」 ←エアコン 28℃ ←照明を徐々に消灯 80% 50%
20% off ←家電1 停止 ←家電2 停止 ←家電3 停止 スライド9
12.
LLMによるAPI制御の応用 LLMから、必要なAPIコールを行うことで、ライフスタイルに合わせて快適空間を演出する 「寝るぞっ!」 ←エアコン 28℃ ←照明を徐々に消灯 80% 50%
20% off ←家電1 停止 ←家電2 停止 ←家電3 停止 LLM 制御 アプリ アプリ スライド10
13.
一歩先の未来を予想(信号処理) 1.電力ノイズ等を除去 2.特定デバイスの利用パターンから、 生活リズムを学習 1.センサ―デバイス等の 外因ノイズを除去する。 2.デバイス信号パターンから 規則性を見付け、 生活リズムを学習する 1.走行ノイズを除去 2.前回と今回のセンサー値を比較して 経年変化等からの故障予知に繋げる スライド11 センサー センサー センサー センサー 1.空予約を予知して、稼働率予測を行う。 2.特定ユーザーの予約パターンから、記念日などを予測して サービス企画の提案を作成する。 1.天候などの外因からの入場者の増減を予測する 2.入場者が少ない日が予測できる場合、 ・料金変動を提案する ・アトラクションの停止とメンテナンス計画を立案する 既存のノイズ除去技術 ・アナログ回路によるノイズ軽減 例:C-Rフィルタ等 ・プログラムによるノイズ軽減 例:FF解析フィルタ等 弱点 ・既知のノイズや特定のノイズにのみ対応可能 ⇒
臨機応変なノイズ除去が難しい サンプリング前にしか出来ない場合が多い AIノイズ除去技術 ・実データを学習し、臨機応変にノイズ軽減 利点 ・サンプリング後のデジタルデータからノイズ除去可能 ・解像度の低い情報を、高解像度化出来る場合もある 今後、AIによるノイズ軽減技術に期待する
14.
IoT信号処理とAIの融合 通信 デバイス AIを利用したセンサーデータ処理技術の応用 各種センサーデバイス ノイズ ノイズ除去 高解像度補正 IoT-Hub ・従来のノイズ除去は、データ収集前か収集直後に、既知のノイズ除去に留まっていた ・AIの活用により、ノイズ除去のタイミングと、データ補正のバリエーションが拡大する 低いサンプリング精度の 過去のデータにも 対応できる可能性がある ノイズ成分を除去して、 必要な信号のみを抽出 スライド12
Download now