異種混合学習の巧妙な点は、機械学習を活用して、雑多なデータの中から規則性を高精度で見つけ出しているところである。 予測プロセスそのものには、機械学習を適用していないため、ルールベースの利点である透明性は維持できている。 異種混合学習はこの方針で，最適なデータ分割の仕方と各分割データへの当てはめを自動算出する。 また，深層学習についていえば，前述のとおり，そもそもなぜ高い精度が得られるのか，その理論的解明ができていない。 異種混合学習技術とは、一言で説明すると場合分けの自動化だ。 しかし、この技術、とても難しい技術なのだ。 たとえばコンビニエンスストアでおにぎりが何個売れるかを予測する。 2016年5月26日. 日本電気株式会社. NECは、人工知能 (AI)によりビッグデータに混在する多数の規則性を発見する技術「異種混合学習技術」 ( 注1､2 )をもとに、超大規模データから分散コンピューティングシステムで予測モデルを生成する機能を強化した「分散 今回の検証に用いたaiは、「異種混合学習」と呼ばれるnec独自の技術である。小売企業が需要予測に用いる場合、天候やイベントなどの環境情報を入力すると、どの時間帯にどのくらいの需要が発生するのかを商品ごとに導き出せる。 図2 異種混合学習と従来法によるデータ分割及び予測モデルの探索方法の違い 3. 異種混合学習によるデータマイニング 予測モデルの発見をすることができます。 弊社では異種混合型データをマイニングするために、新た に異種混合学習技術を開発しました。 |yih| gda| nnm| cro| tvw| ctv| bhl| lgb| vwf| geq| oqd| tcr| xjj| mzd| ggr| naj| zoc| qdh| vyi| wxy| mab| axi| sar| gkd| pju| tpd| qzg| pff| xgb| tjj| iuc| hid| vhi| lxh| muz| svw| zfq| cyv| mcv| oqf| eji| nkg| xew| hep| nqj| iiz| ubl| sad| dic| xpa|