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

enco

dede

code

enco

de


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！

enco

de

deco

de

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 y1Verification 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！

ActorCritic


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 ApplicationAPIPlatform 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 ApplicationAPIPlatform Service

課題効果

ここが大事！ここをどうする？

∞ReNomReNom 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

Data & Analytics

ReNom User Group #1 Part3