機械学習のための 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
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
MATLAB による機械学習の導入事例
自動車
BMW
機械学習によるオーバーステアリングの検出
電気、ガス、水道、エネルギー
Baker Hughes
データアナリティクスと機械学習を活用したガス/石油掘削装置用の予知保全
神経科学
Battelle
神経バイパス技術によって、麻痺患者の腕と手の運動機能を回復
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。
関連情報
スケーリングとパフォーマンス
tall 配列を使用すれば、コードに最小限の変更を加えるだけで、マシンのメモリには大きすぎて収まらないデータセットを使って機械学習モデルをトレーニングできます。さらに、デスクトップ、クラスター、またはクラウドで並列計算を使用することにより、統計計算とモデルトレーニングを高速化できます。
関連情報
無料評価版を入手する
30 日間の無料評価版はこちら
