人工知能（AI）：予測・診断・最適化のバックアップ(No.2) - .NET 開発基盤部会 Wiki

[ トップ ] [ 新規 | 一覧 | 単語検索 | 最終更新 | ヘルプ ]

「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

戻る

目次 †

目次
概要
予測・診断・最適化
- 予測
- 診断
- 最適化
社会現象、社会データ

概要 †

予測・診断・最適化 †

予測 †

診断 †

最適化 †

社会現象、社会データ †

Society 5.0 †

サイバーフィジカルシステム †

経済発展と社会的課題解決を両立する
人間中心社会、超スマート社会
デジタル化 -> 計算モデル化 -> 意思決定
機械学習＋組織学習

現象学的アプローチ †

社会現象として目的変数を設定
確率的構造モデル（ベイジアン・ネット）を構築
確率推論によるシミュレーションによる意思決定支援

データの特性と計算モデル †

データ特性 †

異質性、状況依存性
- Webサービス（RDB） -> IoTアプリ（NoSQL）
- 時空間解像度が高い

条件付き確率
条件付き確率による購買行動モデルの例
- P（購買｜女性） > P（購買｜男性）
- P（購買｜女性, 週末） > P（購買｜女性, 平日）

混合分布、相互作用
- 混合分布：属性の異なる人々
- 非正規性：≠正規分布（代表値の使い分け）
- 非線形相互作用：複数の変数間の依存関係を考慮
  条件付き確率表で不確実な現象を確率モデルで表現し、
  確率的構造モデル（ベイジアン・ネット）で計算

潜在変数の想定、フレーム問題（≒人間が持つ知識）

計算モデル †

母集団依存性の高い従来型の統計から、
再利用性の高い確率的構造モデルを用いた知識へ。
- 予測モデル：ある変数を説明するルール
- 確率的知識：変数群の依存関係の条件付き確率
- 計算モデル：因果的構造のネットワーク

潜在変数の想定、フレーム問題
- ベイズモデル？
- フレームをベイジアン・ネットに組み込み、学習の負担を減らす。

学習と推論 †

社会データ向けのAI技術

不確実性は低いが高次元の大量データ †

深層学習（教師あり学習

不確実性が高く混合分布となっている場合 †

どう言う場合に、どう言う現象が起きるか？

場合
確率的なクラスタリング（確率的潜在意味解析（PLSA））

現象
属性カテゴリからある顧客クラスタと商品クラスタ（食材）の
組み合わせ時の現象（商品の用途）をクラス毎に分類して分析する。

変数間の相互作用・依存関係がある場合 †

確率的構造モデル（ベイジアン・ネット）

PLSAのクラス毎にベイジアン・ネットの一部を拡大して分析するなど。
外れ方の構造をベイジアン・ネットのモデルにするなど。

事例 †