AIの実践的活用に向けてデータから異常を見つける際に有効な特徴量の例を紹介
機器の故障時期を予測してメンテナンスを実施する予知保全の取り組みが 注目を浴びており、技術者の勘・コツ・経験をAIで補完する観点からも、 今後予知保全のニーズは更に高まることが予想されます。 当ホワイトペーパーでは、時系列データから異常を見つける際に有効な 特徴量の例をご紹介しております。 その他にも、機械学習の限界をはじめ、システムへの統合の観点から見た 特徴量などを掲載しています。 【掲載内容(抜粋)】 ■機械学習の限界 ■故障予測を可能にする特徴量例 ■システムへの統合の観点から見た特徴量 ■まとめ ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
この製品へのお問い合わせ
カタログ（1）
カタログをまとめてダウンロード
企業情報
MathWorks は、エンジニアや研究者向け数値解析ソフトウェアの リーディングカンパニーです。 世界中のエンジニアや科学者が、発見、革新、開発を加速させるための ツールとしてMathWorksの製品を活用しています。 ご要望の際はお気軽にお問い合わせください。