Furushima Ryoichi, 연구 그룹의 책임자 인 바카라 커뮤니티 (이하 "AIST"라고 함)의 다중 물질 연구 부서 인 Furushima Ryoichi는 사용자가 AI 기술을 사용할 수없는 데이터를 공유하지 않고 AI 기술을 사용할 수없는 앱 그룹을 개발했습니다

제조 현장에서 빅 데이터 및 바카라 사이트 추천와 같은 디지털 기술을 사용하여 재료 개발 DX를 개발하려는 노력이 이루어지고 있습니다 그러나 도구를 마스터하는 기술과 같은 사이트를 구현하는 데 몇 가지 장애물이 있습니다 특히, 바카라 사이트 추천를 활용하기 위해 학습 데이터를 수집하고 사용하려면 충분한 고려가 필요합니다 제조 현장에서는 사내에서 얻은 재료에서 물리적 데이터를 공유 할뿐만 아니라 외부 구름에 대한 데이터를 게시하는 데 강한 저항력이 있습니다

바카라 사이트 추천ST는 이러한 장애물을 낮추고 재료 개발 DX를보다 쉽게 구현할 수있는 다양한 앱을 개발했습니다 이러한 모든 앱에는 프로그래밍 지식이 필요하지 않으며 필요한 학습 데이터는 회사 내 폐쇄 된 환경에서 사용될 수 있으므로 다른 사람에게 데이터를 제공하거나 클라우드에 데이터를 저장할 필요가 없습니다 이번에는 두 가지 주요 앱 유형이 개발되었습니다 첫 번째는 회사의 데이터에서 자료 이미지를 특성과 연관시키는 앱입니다딥 러닝 모델| 구성 할 수 있으며 해당 모델을 사용하여 새로 개발 된 자료의 이미지에서 특성을 예측할 수 있습니다 두 번째는다목적 베이지안 최적화권장 실험 조건권장 실험 조건을 사용하십시오목적 변수and its표준 편차또한 추정 할 수 있습니다 이러한 앱을 효과적으로 사용함으로써 우리는 재료 개발을 가속화하고 제조 효율성을 높일 것으로 기대할 수 있습니다

이 앱은 2025 년 5 월 22 일에 개최 된 바카라 사이트 추천ST Chubu Center 강의에서 실시 될 것입니다 바카라 사이트 추천ST 그룹 인 바카라 사이트 추천ST Solutions, Inc는 회사 가이 앱 그룹을 사용할 수있는 서비스를 제공하기 시작할 것입니다 바카라 사이트 추천ST 그룹은 회사의 재료 개발을 포함하여 제조 효율성을 향상시키기 위해 협력 할 것입니다

DX는 재료 개발 회사 인 DX는 제조 현장에서 제품을 설계 할 때 빅 데이터 및 바카라 사이트 추천와 같은 디지털 기술을 사용합니다 비즈니스 규모에 관계없이이를 도입하는 것을 고려하는 회사는 많지 않습니다 그러나 많은 제조 현장에서는 구현하기 어려운 상황이 있습니다 그 이유는 우선, 프로그래밍 지식과 같이 DX를 실현하는 도구를 마스터하는 데 특별한 기술을 갖춘 직원을 확보 할 수 없기 때문입니다 또한 제조에는 많은 노하우가 있기 때문에 사내에서 얻은 재료의 물리적 데이터와 같은 중요한 데이터를 보호하는 것이 중요합니다 데이터는 자산 가치를 지니고 있으며 자재 개발 DX의 일부로 데이터를 공유하고 다른 사람들이 사용하고 클라우드에 저장하는 데주의를 기울일 수밖에 없습니다

위의 과제를 극복하기 위해 회사 내에서 자재 개발 DX를 쉽게 도입 할 수있는 다양한 앱을 개발했습니다 이것들은 대략 두 가지 범주로 나눌 수 있으며 각각의 개요는 다음과 같습니다

(1) 바카라 사이트 추천stex-Modeling App (Model Creation), 바카라 사이트 추천stech-Predictor 앱 (특성 예측)

바카라 사이트 추천stex-modeling 앱과 바카라 사이트 추천stech-Predictor 앱은 자료의 이미지와 속성을 연결하는 앱 세트입니다 전자는 회사의 데이터를 사용하여 모델을 만드는 앱입니다 후자는 전자에서 생성 된 딥 러닝 모델을 사용하여 새로 획득 한 이미지의 특성을 예측하는 앱입니다 (그림 1)

이미지 데이터는 광학 현미경 사진 및 전자 현미경 사진과 같은 측정 기술 유형에 관계없이 사용할 수 있습니다 또한 금속, 세라믹 및 복합 재료를 포함한 다양한 재료에 적응할 수 있습니다 그러나 바카라 사이트 추천stex-Modeling 앱을 사용하여 모델을 구축하기위한 이미지와 바카라 사이트 추천stech-Predictor 앱으로 가져올 이미지는 그 특성이 동일한 해상도 및 동일한 재료 종이되어야한다는 것을 알아야합니다

바카라 사이트 추천stech-Predictor 앱으로 새로 획득 한 재료의 이미지를 가져 와서 골절 인성, 굽힘 강도 및 열전도율과 같은 특성은 예측 값으로 표시됩니다 또한 바카라 사이트 추천가 어디에서 "보이고"이미지를 예측하는 Heatmap 함수가 있습니다

이 앱은 Mathworks의 Matlab 런타임을 설치하여 사용할 수 있습니다 새로 개발 된 재료의 이미지를 단순히 가져 와서 가져 오면 예측 값을 쉽게 제시 할 수 있으며, 이는 재료의 다양한 특성에 대한 평가 테스트를 수행하는 데 필요한 시간과 노력을 줄일 수 있습니다
 

(2) 베이지안 최적화 앱을위한 데이터 정리, 다목적 베이지안 최적화 앱

베이지안 최적화 앱 (DCBO_APP)을위한 데이터 정리 및 다목적 베이지안 최적화 앱 (MOBO_APP)은 다목적 베이지안 최적화를 사용하여 권장되는 실험 조건을 제시하는 앱입니다 전자는 다목적 베이지안 최적화에 대한 전제입니다가우스 프로세스 회귀 모델| 교육 데이터의 정확성을 향상시키기 위해 가우스 프로세스 회귀 모델hyperparameter를 최적화 할 수있는 앱입니다 일반적으로, 획득 된 데이터에는 결함이있는 데이터가 포함될 수 있으며 우발적 인 변화가있을 수 있습니다 교육 데이터를 만들기 전에 이러한 데이터를 선택적으로 제거 (데이터 정리)함으로써보다 최적의 모델을 구축 할 수 있습니다 후자는 이전 앱의 결과를 사용하여 다목적 베이지안 최적화를 사용하여 권장 실험 조건을 제시하는 앱입니다 또한 권장 실험 조건에서 대상 변수와 표준 편차를 허용합니다

mobo_app는 실험 조건과 관련 특성 (목적 변수)을 연결하여 대상 변수를 나타내는 가우스 프로세스 회귀 모델을 구성하는 데이터베이스를 사용합니다 가우스 프로세스 회귀 모델은 목적 변수의 추정치 외에도 표준 편차를 제공하므로 이러한 값으로부터 얻은 목적 변수를 얻기 위해 예상 값에 해당합니다획득 함수계산할 수 있습니다 권장 실험 조건은이 획득 기능에 따라 결정됩니다 DCBO_APP는 가우스 프로세스 회귀 모델을 구성 할 때 데이터 정리 및 하이퍼 파라미터 최적화로보다 예측적인 모델을 제공하기 위해 노력합니다 (그림 2)

우리는 다양한 관련 데이터를 획득하면서 앱의 편의성을 높이고 향후 기능을 확장 할 계획입니다 또한 기술 컨설팅과 같은 시스템을 통해 사용을 지원하기 위해 앱에 관심이있는 회사에 서비스를 제공 할 것입니다

▶ 그에 대해 권장했습니다

• 속성을 알고 싶은 재료의 미세한 이미지 데이터가있는 사람
• 새로운 재료 개발에서 실험의 효율성을 높이고 자하는 사람들의 경우

Multimaterials Research Division, 부품 연구 그룹, Furushima Ryoichi, 연구 그룹 책임자, Shimoshima Yasutsugu, Maruyama Yutaka 최고 연구원
Nakajima Yuki의 다 물질 연구 부서, 구조 세라믹 연구 그룹, 연구 그룹, Shuyu 수석 최고 연구원, Hirao Yoshiji, 방문 연구원, D바카라 사이트 추천ji Tatsuki, Fukushima Manabu Head 연구원

바카라 사이트 추천ST Chubu Center 강의
이벤트 날짜 : 2025 년 5 월 22 일
세부 사항 :https : //unit바카라 사이트 추천stgojp/chubu/chubukouenk바카라 사이트 추천/20250522html

딥 러닝 모델

| 인간 뇌의 구조를 시뮬레이션하여 데이터 기능을 배우고 분류 및 회귀와 같은 작업을 수행하는 신경망을 사용하는 함수를 나타냅니다[참조로 돌아 가기]

다목적 베이지안 최적화

여러 목표 변수가있는 경우 동시에 최적화하는 방법은 높은 특성이 예상 될 수있는 지점 또는 특성 예측이 매우 불확실한 지점을 검색하는 데 우선 순위를 정할 수 있습니다 이러한 점은 반드시 예상만큼 높을 필요는 없지만 가능성을 탐색하는 데 효과적입니다 또한 데이터를 순차적으로 추가함으로써 원하는 특성을 얻을 수있는 지점에 도달 할 수 있다는 것도 매우 유용합니다[참조로 돌아 가기]

권장 실험 조건

이것은 다목적 베이 즈 최적화에 주어진 한계 내에서 얻어진 것으로 추정되는 실험 조건의 확률이 가장 높은 조건을 나타냅니다[참조로 돌아 가기]

목적 변수

입력 정보 (설명 변수)에서 추정하려는 특성 값 또는 물리적 속성 값을 나타냅니다[참조로 돌아 가기]

표준 편차

데이터 변형을 나타내는 지표 중 하나이며 종종 σ로 표현됩니다 정상 분포의 경우, 데이터의 약 95%가 평균 ± 2σ 범위에 포함됩니다 σ가 작을수록 분산이 작을수록 목표 변수를 추정하는 데 유리하지만 베이지안 최적화에서는 σ가 높을수록 불확실성이 높을수록 더 높은 특성이 예상 될 수 있습니다[참조로 돌아 가기]

가우스 프로세스 회귀 모델

임의의 입력은 불확실성, 베이지안 최적화 등으로 데이터를 모델링하는 데 사용됩니다xf(x)는 다변량 가우스 분포를 따르는 모델을 말합니다 일반적인 기계 학습 알고리즘으로 얻은 모델에는 다음이 포함됩니다f(x)는 확실한 값이지만 가우스 프로세스 회귀 모델에서f(x)는 확률 적으로 분산 된 기능입니다[참조로 돌아 가기]

hyperparameter

이것은 기계 학습 또는 딥 러닝 모델을 구축하는 과정에서 설정 해야하는 매개 변수를 말하지만 학습 과정에서 자동 최적화되지 않고 미리 설정해야합니다 가우스 프로세스 회귀 모델의 경우, 여기에는 데이터 간의 유사성을 측정하는 커널 기능과 커널 기능 내에서 데이터의 평활도를 제어하는 길이 척도가 포함됩니다[참조로 돌아 가기]

획득 기능

베이지안 최적화에서 평가할 다음 입력 지점을 결정하는 함수를 나타냅니다 여러 후보 획득 함수가 있으며, 기존 최고의 가치를 초과 할 확률 인 획득 함수와 같은 방법과 기존 최고의 가치보다 더 큰 개선이 예상 될 확률 인 획득 함수가 있습니다[참조로 돌아 가기]