Simulink の機械学習
R2026bSimulink を使用した機械学習ワークフローの拡張
Statistics and Machine Learning Toolbox™ に含まれる Statistics and Machine Learning ブロック ライブラリのブロックを使用して、Simulink® モデルの機械学習機能を実装します。このツールボックスには、次のワークフローを実行するためのブロックが用意されています。
分類予測ブロックまたは回帰予測ブロックを使用して、学習済みの分類モデル オブジェクトまたは回帰モデル オブジェクトを Simulink にインポートする。
分類学習器アプリまたは回帰学習器アプリで機械学習モデルに学習させ、そのモデルを Simulink にエクスポートする。
インクリメンタル学習ブロックを使用して、Simulink で機械学習モデルのドリフトをリアルタイムで継続的に更新および監視する。
KNN Search ブロックを使用して、Simulink でクエリ点に対するデータ内の最近傍を探索し、クラスター分析を実行する。
Python 共同実行ブロックを使用して、学習済みの Python® 機械学習モデルを Simulink で共同実行する。
ブロック
 | ClassificationECOC Predict | 誤り訂正出力符号 (ECOC) 分類モデルを使用して観測値を分類 (R2023a 以降) |
 | ClassificationEnsemble Predict | 決定木のアンサンブルを使用して観測値を分類 |
 | ClassificationKNN Predict | 最近傍分類モデルを使用した観測値の分類 (R2022b 以降) |
 | ClassificationLinear Predict | 線形分類モデルを使用した観測値の分類 (R2023a 以降) |
 | ClassificationNaiveBayes Predict | Classify observations using naive Bayes model (R2023b 以降) |
 | ClassificationNeuralNetwork Predict | ニューラル ネットワーク分類モデルを使用した観測値の分類 |
 | ClassificationSVM Predict | 1 クラスおよびバイナリ分類用のサポート ベクター マシン (SVM) 分類器を使用した観測値の分類 |
 | ClassificationTree Predict | 決定木分類器の使用による観測値の分類 |
 | ClassificationDiscriminant Predict | Classify observations using discriminant analysis model (R2024a 以降) |
 | ClassificationKernel Predict | Classify observations using Gaussian kernel classifier for binary classification (R2024b 以降) |
 | ClassificationXGBoost Predict | Classify observations using XGBoost classification model (R2026b 以降) |
 | RegressionEnsemble Predict | 回帰用の決定木のアンサンブルを使用した応答の予測 |
 | RegressionGP Predict | ガウス過程 (GP) 回帰モデルの使用による応答の予測 (R2022a 以降) |
 | RegressionLinear Predict | 線形回帰モデルの使用による応答の予測 (R2023a 以降) |
 | RegressionNeuralNetwork Predict | ニューラル ネットワーク回帰モデルを使用した応答の予測 |
 | RegressionSVM Predict | サポート ベクター マシン (SVM) 回帰モデルの使用による応答の予測 |
 | RegressionTree Predict | 回帰木モデルの使用による応答の予測 |
 | RegressionKernel Predict | Predict responses using Gaussian kernel regression model (R2024b 以降) |
 | RegressionXGBoost Predict | Predict responses using XGBoost regression model (R2026b 以降) |
 | IncrementalClassificationLinear Predict | Classify observations using incremental linear classification model (R2023b 以降) |
 | IncrementalClassificationLinear Fit | Fit incremental linear binary classification model (R2023b 以降) |
 | IncrementalRegressionLinear Predict | Predict responses using incremental linear regression model (R2023b 以降) |
 | IncrementalRegressionLinear Fit | Fit incremental linear regression model (R2023b 以降) |
 | IncrementalClassificationECOC Fit | Fit incremental ECOC classification model (R2024a 以降) |
 | IncrementalClassificationECOC Predict | Classify observations using incremental ECOC classification model (R2024a 以降) |
 | IncrementalClassificationKernel Fit | Fit incremental kernel classification model (R2024b 以降) |
 | IncrementalClassificationKernel Predict | Classify observations using incremental kernel classification model (R2024b 以降) |
 | IncrementalRegressionKernel Fit | Fit incremental kernel regression model (R2024b 以降) |
 | IncrementalRegressionKernel Predict | Predict responses using incremental kernel regression model (R2024b 以降) |
 | IncrementalClassificationNaiveBayes Fit | Fit incremental naive Bayes classification model (R2025a 以降) |
 | IncrementalClassificationNaiveBayes Predict | Classify observations using incremental naive Bayes classification model (R2025a 以降) |
 | Detect Drift | ドリフト検出器の状態とドリフト ステータスを新しいデータで更新 (R2024b 以降) |
 | Per Observation Loss | Per observation regression or classification error of incremental model (R2025a 以降) |
 | Update Metrics | Update performance metrics in incremental learning model given new data (R2023b 以降) |
 | KNN Search | 探索モデル オブジェクトを使用して k 最近傍を探索 (R2023b 以降) |
 | Isolation Forest Anomaly Detector | Find anomalies in data using isolation forest (R2026a 以降) |
 | One-Class SVM Anomaly Detector | Find anomalies in data using one-class support vector machine (SVM) (R2026a 以降) |
 | Scikit-learn Model Predict | 事前学習済みの Python scikit-learn モデルを使用した応答の予測 (R2024a 以降) |
 | Custom Python Model Predict | Predict responses using pretrained custom Python model (R2024a 以降) |
トピック
分類
- ClassificationSVM Predict ブロックの使用によるクラス ラベルの予測
この例では、ClassificationSVM Predictブロックを Simulink® のラベル予測に使用する方法を示します。 - ClassificationTree Predict ブロックの使用によるクラス ラベルの予測
分類学習器アプリを使用して分類決定木モデルの学習を行い、ClassificationTree Predict ブロックをラベル予測に使用する。 - ClassificationLinear Predict ブロックの使用によるクラス ラベルの予測
この例では、ClassificationLinear Predictブロックを Simulink® のラベル予測に使用する方法を示します。 (R2023a 以降) - ClassificationECOC Predict ブロックの使用によるクラス ラベルの予測
ECOC 分類モデルの学習を行い、ClassificationECOC Predict ブロックをラベル予測に使用する。 (R2023a 以降) - ClassificationEnsemble Predict ブロックの使用によるクラス ラベルの予測
最適なハイパーパラメーターでアンサンブル分類モデルの学習を行い、ClassificationEnsemble Predict ブロックをラベル予測に使用する。 - ClassificationNaiveBayes Predict ブロックの使用によるクラス ラベルの予測
単純ベイズ分類モデルの学習を行い、ClassificationNaiveBayes Predict ブロックをラベル予測に使用する。 (R2024a 以降) - ClassificationNeuralNetwork Predict ブロックの使用によるクラス ラベルの予測
ニューラル ネットワーク分類モデルの学習を行い、ClassificationNeuralNetwork Predict ブロックをラベル予測に使用する。 - ClassificationKNN Predict ブロックの使用によるクラス ラベルの予測
最近傍分類モデルの学習を行い、 ClassificationKNN Predict ブロックをラベル予測に使用する。 - ClassificationDiscriminant Predict ブロックの使用によるクラス ラベルの予測
判別分析分類モデルの学習を行い、ClassificationDiscriminant Predict ブロックをラベル予測に使用する。 (R2023b 以降) - ClassificationKernel Predict ブロックの使用によるクラス ラベルの予測
ガウス カーネル分類モデルの学習を行い、ClassificationKernel Predict ブロックをラベル予測に使用する。 (R2024b 以降) - Predict Class Labels Using ClassificationXGBoost Predict Block
Use the ClassificationXGBoost Predict block for label prediction.
回帰
- RegressionSVM Predict ブロックの使用による応答の予測
回帰学習器アプリを使用してサポート ベクター マシン (SVM) 回帰モデルの学習を行い、RegressionSVM Predict ブロックを応答予測に使用する。 - RegressionTree Predict ブロックの使用による応答の予測
この例では、RegressionTree Predictブロックを Simulink® の応答予測に使用する方法を示します。 - RegressionLinear Predict ブロックの使用による応答の予測
この例では、RegressionLinear Predictブロックを Simulink® の応答予測に使用する方法を示します。 (R2023a 以降) - RegressionEnsemble Predict ブロックの使用による応答の予測
最適なハイパーパラメーターでアンサンブル回帰モデルの学習を行い、RegressionEnsemble Predict ブロックを応答予測に使用する。 - RegressionNeuralNetwork Predict ブロックの使用による応答の予測
ニューラル ネットワーク回帰モデルの学習を行い、RegressionNeuralNetwork Predict ブロックを応答予測に使用する。 - RegressionGP Predict ブロックの使用による応答の予測
ガウス過程 (GP) 回帰モデルの学習を行い、RegressionGP Predict ブロックを応答予測に使用する。 - RegressionKernel Predict ブロックの使用による応答の予測
この例では、RegressionKernel Predictブロックを Simulink® の応答予測に使用する方法を示します。 (R2024b 以降) - Predict Responses Using RegressionXGBoost Predict Block
Use the RegressionXGBoost Predict block for response prediction.
インクリメンタル学習
- Perform Incremental Learning Using IncrementalClassificationLinear Fit and Predict Blocks
Perform incremental learning with the IncrementalClassificationLinear Fit block and predict labels with the IncrementalClassificationLinear Predict block. (R2023b 以降) - Perform Incremental Learning Using IncrementalRegressionLinear Fit and Predict Blocks
Perform incremental learning with the IncrementalRegressionLinear Fit block and predict responses with the IncrementalRegressionLinear Predict block. (R2023b 以降) - Perform Incremental Learning Using IncrementalClassificationECOC Fit and Predict Blocks
Perform incremental learning with the IncrementalClassificationECOC Fit block and predict labels with the IncrementalClassificationECOC Predict block. (R2024a 以降) - Perform Incremental Learning Using IncrementalClassificationKernel Fit and Predict Blocks
Perform incremental learning with the IncrementalClassificationKernel Fit block and predict labels with the IncrementalClassificationKernel Predict block. (R2024b 以降) - Perform Incremental Learning Using IncrementalRegressionKernel Fit and Predict Blocks
Perform incremental learning with the IncrementalRegressionKernel Fit block and predict responses with the IncrementalRegressionKernel Predict block. (R2024b 以降) - Perform Incremental Learning and Track Performance Metrics Using Update Metrics Block
Perform incremental learning and track performance metrics with the Update Metrics block. (R2023b 以降) - Monitor Drift Using Detect Drift Block
This example shows how to use the ドリフトの検出 block for monitoring drift in a data stream in Simulink®. (R2024b 以降) - In-Place Model Update of Offline Linear Model Using IncrementalClassificationLinear Predict Block
Perform in-place model update without regenerating deployed code. (R2025a 以降)
インクリメンタル学習テンプレート
- Configure Simulink Template for Conditionally Enabled Incremental Linear Classification
Configure the Simulink Enabled Execution Incremental Learning template to perform incremental linear classification. (R2024a 以降) - Configure Simulink Template for Conditionally Enabled Incremental Linear Regression
Configure the Simulink Enabled Execution Incremental Learning template to perform incremental linear regression. (R2024a 以降) - Configure Simulink Template for Rate-Based Incremental Linear Classification
Configure the Simulink Rate-Based Incremental Learning template to perform incremental linear classification. (R2024a 以降) - Configure Simulink Template for Rate-Based Incremental Linear Regression
Configure the Simulink Rate-Based Incremental Learning template to perform incremental linear regression. (R2024a 以降) - Configure Simulink Template for Drift-Aware Incremental Learning
Configure the Drift-Aware Training for Incremental Learning template to perform drift-aware learning. (R2025a 以降)
クラスター分析と異常検出
- KNN Search ブロックを使用して最近傍を探索
最近傍探索モデルの学習を行い、KNN Search ブロックをラベル予測に使用する。 (R2023b 以降)
Python の共同実行
- Python Scikit-learn Model Predict ブロックを使用したクラスター割り当ての予測
この例では、Scikit-learn Model Predictブロックを Simulink® での予測に使用する方法を示します。 - Simulink でのカスタム Python モデルを使用した応答の予測
この例では、Custom Python Model Predictブロックを Simulink® での予測に使用する方法を示します。
Simulink への学習器アプリ モデルのエクスポート
- Simulink で予測を行うための分類モデルのエクスポート
分類学習器でモデルに学習させ、そのモデルを Simulink にエクスポートする。 - Simulink で予測を行うための回帰モデルのエクスポート
回帰学習器でモデルに学習させ、そのモデルを Simulink にエクスポートする。
コード生成
- 分類およびコード生成用の System object
学習済みの分類モデルを使用して予測を行うためのコードを System object™ から生成し、System object を Simulink モデルで使用します。 - MATLAB Function ブロックの使用によるクラス ラベルの予測
SVM モデルを使用してデータを分類する Simulink モデルからコードを生成します。 - Stateflow の使用によるクラス ラベルの予測
判別分析分類器を使用してデータを分類する Stateflow® モデルからコードを生成します。
関連情報
- Simulink を使用した深層学習 (Deep Learning Toolbox)
注目の例
固定小数点展開用の行動認識 Simulink モデル
固定小数点展開用に準備された Simulink の分類モデルからコードを生成する。
スマートフォン展開用の行動認識 Simulink モデル
スマートフォンへの展開用に準備された Simulink の分類モデルからコードを生成します。
Identify Punch and Flex Hand Gestures Using Machine Learning Algorithm on Arduino Hardware
Use the Simulink® Support Package for Arduino® Hardware to identify punch and flex hand gestures using a machine learning algorithm. The example is deployed on an Arduino Nano 33 IoT hardware board that uses an onboard LSM6DS3 6DOF IMU sensor to identify the hand gestures. The output from the machine learning algorithm, after identifying whether a hand gesture is a punch or a flex, is transmitted to the serial port where 0 represents a punch and 1 represents a flex.
メモリに制限があるハードウェアのための機械学習モデルの圧縮
特徴選択、制約付きベイズ最適化、およびパラメーター量子化によるモデル サイズの縮小。
