ReNom User Group #1 Part3

∞ReNomのAI適応事例
∞ReNom User Group #1 Kick Off / part 3
2017 7/21

Copyright © 2017 GRID All Rights Reserved.
Our Challenges…
製造業
プラント
エネルギー
ロボット
医療、金融
物流、自然、農業
…etc
MLP
CNN
LSTM
DAC
…etc
Clustering
TDA
Classiﬁcation
Regression
Object Detection
…etc
Over 60 Projects in 2016 - 2017

Unsupervised Machine Learning Using Auto Encoder
入力
出力
入出力が同じになるネットワークを構築
特徴量1 特徴量2
特徴量2
特徴量1
入力データを2つの特徴量で可視化
forward
backward
update
入力と出力の誤差
が最小になるよう
に学習を繰り返す
encodedecode
encode

Unsupervised Machine Learning Using Auto Encoder
•ある加工工程の工具寿命に関係する数十個のセンサーデータを2次元に圧縮
•特徴量を時系列で可視化時間
特徴量
特徴量
このデータから工具寿命の推定が可能
回帰問題が適する

Clustering
教師ラベルでは有意なクラスタが生成されない
＝いくら学習しても精度上がらず
特定の項目のある値がクラスタ形成に
強く影響していることを発見
＝データセットを分割して再学習
項目A A,B,C,…
項目B 0,1
項目C 男,女
項目D X,Y,Z
項目E 0∼10
項目F True, False
項目G 0,1,2,3,4,5
… …
教師ラベル項目G
項目毎に可視化
Topological Data Analysis

Good
Bad
Good
Bad
既知のパラメータの
特徴量を2次元空間にプロット
線形回帰を行い、
延長線上の座標を取得
（Badから最も遠いエリア）
Known parameters
得られた座標をAEでDecodeし
新たなパラメータを獲得！
encode
decode
xn yn
y
x
y
x
(x1, y1)
x1 y1
Get New parameters!
Optimization using Auto Encoder
y = ax + b

実測値
シミュレータ
回帰モデル
OR forward
backward
update
妥当な値か
確認
得られたパラメータをシミュレータに入れて検証
異なる結果が出たら、そのデータを使って再学習
Known parameters New parameters
True Predict Predict
≒
f(x)
x1 y1
Verification by Learned Regression Model and Simulator

学習
主体
環境
①状態
②行動の生成
③行動
④変化
⑤報酬
⑥学習
行動パターンをランダムに作り出し試
行（ループ）を繰り返す
より高い報酬が得られた行
動パターンを記憶する
環境
学習
主体
環境から与えられる①状態と⑤報酬を利用して、
新しい②行動を生成していく
①状態
②行動
の生成
Optimization using Deep Q Network / Deep Actor Critic
様々な環境に適した
行動パラメータを獲得！
Actor
Critic

Optimization of Energy Management
電力ネットワークの最適化
発電所の運転最適化、自動化
電力ネットワークの上流から下流に至る様々なデー
タを使って電力需給特性を学習
様々な環境要因から発電量、消費電力量を予測し、
需給バランスをコントロール
バーチャルパワープラントへの応用
発電所の制御データや各種センサーデータと出力や
効率、排出ガスとの相関を学習
AIとシミュレータを併用し、様々なパターンへの対
応力を高める（強化学習）
想定外の変動に関する要因分析、オペレーターの運
転支援

Optimization of Plant Management
制御・成分最適化による品質向上
プラントの運転最適化、自動化
制御値や成分値と、製品品質やプラント操業効率の
相関を学習
品質や効率に関わる要因探索や最適パラメータの推
定を行う
省エネ、コスト低減、品質改善など
プラントの制御データや各種センサーデータと出力
や効率との相関を学習
AIとシミュレータを併用し、様々なパターンへの対
応力を高める（強化学習）
オペレーターの運転支援・教育支援、人員不足への
対応

Prediction of Traffic Condition, Agriculture, Disaster
交通渋滞、事故の予測
農業、自然災害の予測
過去の交通量情報や事故情報と時期、時間帯、天候
等の環境要因との相関を学習
様々な環境要因を説明変数として短期∼中長期の渋
滞を予測
さらに予測交通量を用いて事故発生率を予測
空撮画像やセンサーデータ等と農作物、畜産物の生
育状態の相関を学習
気象データや環境要因と自然災害の相関を学習
大規模農場、牧場における監視、計測の自動化
自然災害の早期、高精度の警告

検証
Veriﬁcation
仮説
Hypothesis
応用
Application
Data Analytics Pipeline
Framework ApplicationAPI
Platform Service
課題効果
ここが大事！
ここをどうする？
∞ReNom

検証
Veriﬁcation
仮説
Hypothesis
応用
Application
Data Analytics Pipeline
Framework ApplicationAPI
Platform Service
課題効果
ここが大事！
ここをどうする？
∞ReNom
ReNom User Group

検証
Veriﬁcation
仮説
Hypothesis
応用
Application
MNISTとかCIFAR10じゃ物足りない
リアルなデータでリアルな課題を考えたい！
ありきたりな論文実装じゃつまらない
新しいアイデアをみんなで試そう！
ビジネスの役に立ってナンボ
ウケねらい歓迎！何か気付きがあるかも！

Example
★CNN + Auto Encoderによるクラスタリング
★組み合わせ最適化（距離の総和の最大化）
同一グループに似た人がいないかつ全グループが平均化
顔写真以外にも属性を加えたら…？
似た人だけを集めたら…？
ReNomを用いたプロフィール画像に基づくプレゼングループ分け

ReNom User Group #1 Part3

More Related Content

Viewers also liked

Similar to ReNom User Group #1 Part3

More from ReNom User Group

ReNom User Group #1 Part3