機械学習向けMATLAB

モデルのトレーニング、パラメーター調整を行い、本番環境やエッジに展開

評価版

エンジニアや各分野の専門家による、何千もの機械学習アプリケーションの展開に MATLAB^® が使用されています。MATLAB は機械学習における課題を、以下のような機能によって解消することができます。

クリック操作が可能なアプリによるモデルのトレーニングおよび比較
高度な信号処理および特徴抽出の手法
ハイパーパラメーターの自動調整および特徴選択によるモデルパフォーマンスの最適化
コードを変更することなくビッグデータおよびクラスターに計算処理をスケーリング
組み込みアプリケーションおよび高性能アプリケーション向け C/C++ コードの自動生成
教師あり学習と教師なし学習の主要な分類、回帰、クラスタリングのアルゴリズムに対応
大半の統計および機械学習の計算において、オープンソースツールよりも速い実行速度

記事シリーズ

MATLAB による機械学習の導入事例

製薬

田辺三菱製薬

創薬を加速させるデータ解析ツールを開発。アルゴリズム開発を従来の4分の1の時間で完了。解析期間を75% 短縮

産業オートメーション、機械

Mondi

機械学習を使用した統計ベースの状態監視および予知保全を製造プロセスに導入し、年間50,000ユーロを超える削減を実現

自動車

Bosch

自動車用テストデータ解析プラットフォームを開発し、検証期間を平均で40～50%短縮。開発期間を3～4か月短縮

その他のユーザー事例を見る

テーマ: エンジニアリングにおける AI

今すぐ見る

インタラクティブなアプリとアルゴリズム

機械学習の最も一般的な手法である分類、クラスタリング、回帰の、広範なアルゴリズムを選択できます。分類や回帰のアプリを使用して、モデルを対話型にトレーニング、比較、調整、エクスポートし、更なる分析、統合、展開を行うことができます。コードの記述のほうが望ましい場合は、特徴選択やパラメーターの調整を通じてモデルをさらに最適化できます。

自動化された機械学習 (AutoML)

トレーニングデータから自動的に特徴を生成し、ベイズ最適化のようなハイパーパラメーター調整手法を使用してモデルを最適化します。信号や画像のデータにウェーブレット散乱などの専門的特徴抽出の手法を用いたり、近傍成分分析 (NCA) や逐次特徴選択などの特徴選択手法を使用できます。

関連情報

コードの生成

前処理および後処理を含む、機械学習全体のアルゴリズムの、読み取り可能な C/C++ コードを生成し、統計モデルと機械学習モデルを組み込みシステムに展開します。C/C++ 予測コードを再生成せずに、展開済みモデルのパラメーターを更新します。Simulink^® で MATLAB Function ブロックとシステムブロックから機械学習モデルを使用して、高忠実にシミュレーションの検証と確認の作業を高速化します。