見えない変化を“見える化”する。教師付データ合成による高精度変化検出技術です。
当社で取り扱っている「教師付データ合成による高精度変化検出技術」について ご紹介いたします。 教師付データの合成を簡便に行い、時系列データに潜む、わずかな変化を検出する手法です。 従来困難だった変化点の検出を、既存データから教師データを合成する事で実現しました。 時系列データを活用し、製造からインフラ、健康管理まで、幅広い分野に応用可能です。 【特長】 ■既存データから教師付訓練データを合成することで、訓練データを容易に準備できる ■従来技術と比較し、微小な変化を精度高く検出可能 ※詳しくはPDFをダウンロードしていただくか、お気軽にお問い合わせください。
この製品へのお問い合わせ
基本情報
※詳しくはPDFをダウンロードしていただくか、お気軽にお問い合わせください。
価格帯
納期
用途／実績例
【実証例】気象観測所の移転検出 九州内 26 年分の気温データを使用し、同じ県内のみで教師信号有り訓練データを合成し、 再帰型ニューラルネットワーク（NN）による教師有り学習を行った。 上記の数 10km 程度の移動を模した訓練データにより学習を行った再帰型 NN を使用し、 実際の気象観測データを検証した。 ⇒ 再帰型 NN は、東京観測所の約900mの移転、喜入観測所の約200m の移動を検出 ⇒ 訓練データで使用した10km程度の変化より、微小な変化を検出できた。 【想定される用途】 製造・機械分野：「電力消費や振動、音のデータを利用」⇒機械故障等の異常検出、予知保全 インフラ ：「振動や音、交通量のデータ」⇒橋梁・トンネル・道路などのモニタリング ヘルスケア分野：「血圧、体温などのバイタルデータ」⇒バイタルデータのモニタリング、健康管理
カタログ（1）
カタログをまとめてダウンロード
企業情報
創業以来、様々な企業の事業化支援を行ってきました。 大学等で開発された技術の事業化、補助金を活用した新規事業の立ち上げなど、豊富な経験と実績があります。 御社の製品／技術開発／研究に適した、研究者や技術シーズをご紹介いたします。 ぜひ、お気軽にお問い合わせください。
![緑色葉物野菜の葉の厚さ及び大きさの制御方法 [宇都宮大学]](https://image.mono.ipros.com/public/product/image/8a1/2001139670/IPROS17874700408932818407.png?w=280&h=280)
![骨折の早期治癒関連の技術開発[公立諏訪東京理科大学]](https://image.mono.ipros.com/public/product/image/42e/2001438525/IPROS30830840754359713339.png?w=280&h=280)
