研究開発へのニューラルワークスユーザー活用事例

研究開発へのニューラルワークスユーザー活用事例 本資料ではニューラルワークスを活用したインターネット上で公開されている論文（海外を含む）等を列挙していま す。お取組みのご参考まで。 人工ニューラルネットワークを用いた福島第一原子力発電所周辺の線量率分布の新たな可視化手法 射出成形 CAE における AI 技術の応用 人工知能を用いた誘導炉の電力原単位の解析と対策 人工知能を用いた球状黒鉛鋳鉄の取鍋Mg歩留まりに対する各種因子の影響度調査 ロボットカメラ制御のための撮影テクニック機械学習 AI・ビッグデータ解析を活用した軽量ロボット部材の開発支援 ニューラルネットワーク解析法による亜臨界水中でのマルトース加水分解反応の最適化 ニューラルネットワーク解析による原料の物性からバイオディーゼル燃料の化学的性質の予測 愛知県における妊産婦数の予測： 防災のための機械学習データベース構築による推定 北海道におけるショートステイサービス受給者数の推計：機械学習による推計とカートグラムによる推移の検証 高解像度の衛星画像を用いたブラウンフィールドにおける表層・地下水収支の改善 風力発電所の発電量の予測:ニューラルネットワークを用いた実証的モデリング手法 人工ニューラルネットワークを用いた ECGSシグナルの自動分類装置 音響放射データからのグラファイト・エポキシ圧力容器の破裂圧力予測 予測型データマイニング技術を用いた時系列データの性能比較 ヤギのストレス反応の予測：人工ニューラルネットワークと重回帰モデルの比較 人工ニューラルネットワークと回帰モデルを用いたスイートソルガムバガスの含水率による熱特性の予測 高分子の比誘電率計算と機械学習による推算 IT 資源の最適制御－リアルタイムで状況把握、負荷を予測し最適な資源配分 半導体生産－データ遷移を把握し変化を予測、迅速な対応で歩留まり向上 穀物品質検査－迅速な穀物品質評価、異物混入を検出 鉄鋼生産－中国初の知的所有権を取得し、競争力のある開発体制を実現 オンライン商取引－コールパターンから不正を検出、数億ドルの損失を防ぐ

適応型ファイアウォール－先進的インターネット セキュリティデバイス開発 株価予測への適用分析 人工ニューラルネットワークによる株価予測の性能分析 脳卒中リハビリテーションへの適用 ナノ粒子合成の組み合わせ最適化 河川水質の連続時系列推定値に基づく霞ヶ浦 流域からの流出負荷量の特性分析 人工ニューラルネットワークを用いた河川における汚染物質負荷のモニタリング手法 伊勢湾内浮遊ゴミ集積場所の予測可能性の検討 植物工場でのクロロフィル蛍光を使用したレタスの高スループット成長予測 電気自動車における部分放電の検出 乳癌における組織学的悪性度の予測 深夜急行バスを対象とした短期的需要予測に基づく配車計画の検討 初歩的な人工知能による DP 鋼の高次元組織データ駆動型応力-ひずみ曲線の予測 屋外暴露したパーティクルボードの気候データに基づく剥離強さの予測 情報統計力学に基づいた高次元データ駆動型特性予測 近赤外分光データのニューラルネットワーク解析による乾燥中の応力評価 リーマンショック前後の日本企業の格付け構造変化に関する研究 空気乾燥中のスギの最終含水率の予測 多種類の化学物質の発ガン性の予測 日本の様々な気候条件でのパーティクルボードの強度劣化予測 日米格付機関の格付決定要因の比較分析 ニューラルネットワークを用いた漏洩磁束試験による表面傷の評価 ハイパースペクトルデータを用いたシソの葉の内部時間の非破壊推定法 赤外微分吸収ミューラーマトリックス分光法とニューラルネットワークベースのデータフュージョン ニューラルネットワークによる風力発電所のデータ品質、一貫性、解釈管理 ニューラルネットワーク・アンサンブルを用いた風力発電所の日中および前日出力予測 ニューラルネットワークによるHVモータの部分放電の分類 物理モデルとニューラルネットワーク補正モデルの組み合わせによるモデリング手法

MATLABと NeuralWorks を用いた音声符号化と音素分類 人工ニューラルネットワークを用いた福島第一原子力発電所周辺の線量率分布の新たな可視化手法 本研究では、空中放射線モニタリング結果から人工ニューラルネットワーク（ANN）を用いて空 間線量率分布を可視化する手法を提案する。本手法は、福島第一原子力発電所周辺で実施された 無人航空機による空中放射線モニタリング結果に適用した。ネットワーク構築のための学習デー タとして、過去に得られた調査データの多くを用いた。学習ケース数は、地上値と ANN による 変換値との誤差に関係した。ANN 変換値と地上調査結果との定量的評価指標（二乗平均平方根誤 差）は、200 訓練ケースで収束した。この学習ケース数は、必要な学習ケース数の大まかな基準 と考えられた。ANN 法の信頼性は、地上調査データとの比較により評価した。ANN 法により作 成された線量率マップは、従来の方法よりも地上での調査結果をよく再現していた。 Miyuki Sasaki, Yukihisa Sanada, Estiner W. Katengeza & Akio Yamamoto , Scientific Reports volume 11, Article number: 1857 (2021) 人工知能を用いた誘導炉の電力原単位の解析と対策 鋳造業における溶解工程で使用する電力量は、鋳造工場全体の約 60%を占めており、製造コスト に占める割合も高い。電力原単位を最小にするため、様々な電力に関する値の常時監視や記録が行 われているものの、操業に関わる数々の因子が使用電力量や電力原単位に与える影響については不 明確であり、ベテラン作業者の経験と勘に依存している部分が多い。本研究では、人工知能の中で も機械学習の手法の１つであるニューラルネットワークを用い、誘導炉の電力原単位について解析 を行う。得られた結果を活用し、各種因子が電力原単位に与える影響を明確にすると共に、構築し たＡＩモデルを用いた各種の解析を行い、理想的な溶解操業を提案する。 秋山 和輝, 沖 寿之, 菅野 利猛, 鋳造工学 全国講演大会講演概要集 174 (0), 61-61, 2019 人工知能を用いた球状黒鉛鋳鉄の取鍋Mg歩留まりに対する各種因子の影響度調査 本研究では、人工知能の中でも機械学習の手法の１つであるニューラルネットワークを用い、球状 化処理における取鍋の Mg 歩留まりに関する解析を行う。単純に既存のデータを AI に学習させる方 法や、AI に工学的理論を教え込む方法などで、各種因子が取鍋 Mg 歩留まりに与える影響度を算出 すると共に、取鍋残 Mg の歩留まりを向上させる手法を見つけることを目的とした。 その結果、ワイヤーMg の添加量を 0.08%にすると、最も歩留まりが良くなることが分かった。

秋山 和輝, 沖 寿之, 菅野 利猛, 内田 希、鋳造工学 第 171回全国講演大会講演概要集 ロボットカメラ制御のための撮影テクニック機械学習 本稿では、筆者らが提案する、ニューラルネットワークを用いたカメラマンの撮影テクニック機械 学習について述べる。本手法によれば、ロボットカメラ制御装置にカメラマンの撮影テクニック が、容易にかつ短時間で実装できることを、新たに開発した機械学習シミュレータを用いた実験の 結果とともに示す。 奥田誠、井上誠喜、藤井真人、小特集 ディジタルコンテンツ制作の最新動向～ここまで来たディ ジタルコンテンツ制作～ AI・ビッグデータ解析を活用した軽量ロボット部材の開発支援 本研究では、ロボット部材として利用が期待されるアルミ鋳造品の製造条件最適化や機械 的特性評価の効率向上のために、製造条件や金属組織から機械的特性を予測するシステムの 開発に取り組んだ。品質管理に用いている製造データ等を集積してデータベースを作成し、 AI・ビッグデータ解析による強度予測を行ったところ、学習データを十分に集積できた範囲 では良い精度で予測ができる一方で、学習データが不足した範囲では、予測精度が著しく低 下することが分かった。 穴澤大樹、工藤弘行、矢内誠人 令和２年度福島県ハイテクプラザ試験研究報告 ニューラルネットワーク解析による原料の物性からバイオディーゼル燃料の化学的性質の予測 バイオディーゼル燃料（BDF）の化学的特性を、原料食用油の特性を入力としたニューラルネット ワーク解析により予測した。市販の代表的な食用油 22 種類を、トランスエステル化法により BDF に変換した。原料油と製品の因果関係モデルを構築するために、9 種類の原料油と BDF の物性を測 定し、学習データとして用いた。モデルの検証のため、他の 13 種類の BDF の物性を原料油の物性 から予測した。BDF の動粘度、密度、曇点は、原料油の入力特性を適切に組み合わせることで、良 好に予測することができたが，酸価の予測は十分な性能が得られなかった。 Hiroshi Masarnoto, Tadafurni Kihara, Naoya Matsuoka, Ryo Takeshita, and Mikiji Shigernatsu, Transactions of the Materials Research Society of Japan 33[4] 1193-1196 (2008) 射出成形 CAE における AI 技術の応用 射出成形 CAE（Computer Aided Engineering）におけ る AI（Artificial Intelligence，人工知 能）技術の活用は，１９８０ 年代（第二次 AI ブーム）から始まっており，専門家の知 識ベー スと，推論プログラムからなるエキスパートシステ ム１），２）と呼ばれるコンピュータプロ

グラムであった．しか し，当時のコンピュータ環境や AI アルゴリズムでは，様々 な課題解決 に対応することは困難であった．最近では，ビッ グデータからディープラーニングを活用する ことで，人間 が気づくことが難しいパターンを発見するなど，AI 技術 への期待が非常に高ま っている． 一方，射出成形 CAE も，一昔前に比べ，商用プログラ ムを中心として開発が進 み，現在ではユーザーが使いやす い GUI（Graphical User Interface）の装備，様々な新規 成 形法への対応，大規模な解析を短時間で計算が可能にな るなど，色々な面で進化してきた． 第 三次 AI ブームの今，我々としても，さらなる射出成 形 CAE と AI 技術の融合について，取り 組みを進めてい るので紹介する． 成形加工 特集 ものづくりに役立つデータサイエンス Vol.32 No.3 2020, pp.74-77 愛知県における妊産婦数の予測：防災のための機械学習データベース構築による推定 巨大地震が予測される愛知県。愛知県助産師会では、妊婦の災害対策に力を入れている。このプロ ジェクトは、妊婦のエリアデータを取得し、救助活動のシミュレーションを行うことを目的として いる。機械学習（カスケード相関学習アーキテクチャー）により、全国の妊産婦データから名古屋 市の国勢調査地域の妊産婦数を取得した。実データと推計データとの間には、かなり高い相関係数 が観測された。本研究で得られたデータをもとに、レスキューシミュレーションを実施した。 Kanetoshi Hattori and Ritsuko Hattori, Disaster Medicine and Public Health Preparedness , Volume 16 , Issue 3 , June 2022 , pp. 940 – 948 2020年から 2045年までの北海道におけるショートステイサービス受給者数の推計：機械学習に よる推計とカートグラムによる推移の検証 本研究では、2020 年から 2045 年までの北海道の全行政単位におけるショートステイ受給者数を 機械学習的手法により推計し、受給者の空間分布の変化傾向をカートグラムにより検討した。 推計には機械学習アプローチを用いた。推計モデルの開発には、2015 年から 2017 年までの日本 の人口データを入力信号として用い、2015 年から 2017 年までの各介護必要度レベル（レベル 1 ～5）のショートステイサービス受給者数のデータを監督信号として用いた。再現性の問題を避け るため、3 つのモデルを開発した。そして、2020 年から 2045 年までの 5 年ごとの北海道の人口 推計データを各モデルに入力し、北海道の 188 行政単位のサービス受給者数を推計した。各モデ ルによる推計値の中央値を最終結果とし、188 行政単位の推計値を北海道地図上に連続した面積の カートグラムで表示した。開発されたモデルは、北海道のサービス受給者数が 2035 年に 18,016 人でピークに達し、特にレベル 3 の人数が増加すると予測した。2020 年から 2030 年のレベル 2 とレベル 3、2035 年のレベル 3 のカートグラムは、北海道のいくつかの人口集中地域で大きく歪 んでおり、サービス受給者の大半がそれらの人口集中地域に集中することを示している。

機械学習アプローチは、過去の人口と介護需要データに基づいて、日本の都道府県の各行政単位に おける将来の介護需要を推計することができる。本研究の結果は、地域における介護人材の効果的 な配置を検討する際に有用である。 Junko Ouchi,Kanetoshi Hattori,Research Square preprint(2020) 高解像度の衛星画像を用いたブラウンフィールドにおける表層・地下水収支の改善 世界中の国々は、19 世紀から 20 世紀にかけての比較的無秩序な経済・産業発展の結果として、汚 染されたブラウンフィールドサイトの問題を抱えています。数十年前から、政策立案者や利害関係 者は、これらのサイトがもたらすリスクをより強く意識するようになってきており、これらのサイ トの中には直接的に公共の危険をもたらすものもある。水はしばしば汚染物質の移動の主な媒介と なる。汚染サイトの修復策を提案するためには、汚染サイトにおける表面および地下の水流束をで きるだけ正確に記述し、定量化することが必要です。本研究では、汚染サイトにおける水と汚染物 質のフラックスを正確に計算するために、リモートセンシング分析を統合したモデリング手法を開 発しました。都市環境における地下水汚染は、土地利用のパターンと関連しているため、都市環境 における汚染源を正確に特定するためには、土地被覆の特徴を詳細に把握することが不可欠です。 都市の土地利用は複雑であるため、高解像度の空間情報を使用する必要があります。そこで、高解 像度の衛星データを用いたオブジェクト指向の分類手法を採用しました。クラスター分離可能性分 析と、各クラスターに属する画像オブジェクトの視覚的解釈により、8 つの土地被覆カテゴリー （水、裸の土、草地、混合林、灰色の都市面、赤い屋根、明るい屋根、影）が選択されました。画 像オブジェクトを選択された 8 つのクラスの 1 つに割り当てるために、NeuralWorks Predict ソフ トウェアを使用した多層パーセプトロン（MLP）アプローチが採用されました。分類後に影を除去 し、ルールベースの分類を強化した結果、カッパ値は 0.86 となりました。土地被覆が特徴づけられ ると、ブラウンフィールド上の水流を特定して予算化するために、空間的に分散された WetSpass モデルを使用して地下水の涵養をシミュレートし、GMS 6.0 を使用して地下水の流れをシミュレー トしました。得られた土地利用図は、地下水涵養量に強い影響を与え、その結果、高い空間的変動 が生じていることが分かりました。ブラウンフィールドから河川への地下水フラックスのシミュレ ーションは、測定と河川敷の温度勾配に基づく地下水-表層水の相互作用のシミュレーションによっ て、独立して検証されました。結論として、ブラウンフィールドから地下水に流入する汚染物質の 総量をより正確に定量化するためには、リモートセンシング画像をモデル化手順に統合することが 可能である。開発した手法をブリュッセル（ベルギー）の Vilvoorde にあるケースサイトに適用し ました。 J.Dujardin,O. Batelaan,F.Canters,S.Boel,C.Anibas,J.Bronders, Science of The Total Environment,Volume 409, Issue 4, 15 January 2011, Pages 800-809

風力発電所の発電量の予測:ニューラルネットワークを用いた実証的モデリング手法 風力エネルギーは、世界中の電力会社の発電能力に大きく貢献するものとして急速に台頭してきて います。風力発電の利用は、電力供給を増加させると同時に、再生可能なエネルギー源として環境 面でも大きなメリットをもたらしますが、風力エネルギーを生み出す力には確率的な性質があるた め、ベースロード要件を満たすために風力エネルギーを利用することはできません。また、間欠的 な利用が可能なため、安定性や制御の問題があり、系統運用者は風力発電の潜在的なメリットを十 分に発揮する前に対処しなければなりません。制御戦略を成功させるための基本的な要件は、風力 発電所の出力を短期的に正確に予測することです。また、長期的な出力予測は、企業運営に不可欠 な収益予測の基礎となります。主要な入力には固有の変動性があるため、経験的なモデルを使用す る必要があります。ニューラルネットワークは、ロバストな経験的モデルを生み出すアルゴリズム の集合体です。本研究では、遺伝的アルゴリズムを用いて変数を選択し、カスケード相関を用いて ニューラルネットワークアーキテクチャを動的に定義するニューラルネットワークエンジンを開発 しました。また、稼働中の風力発電所の予測モデルから得られた予備的な結果と、今後の研究の方 向性についても紹介する。 Jack Copper, Alin Baciu, Dennis Price, 2009 Asia-Pacific Power and Energy Engineering Conference 人工ニューラルネットワークを用いた ECGSシグナルの自動分類装置 心電図信号は非線形の動的挙動を示すことで知られていますが、本研究では、その非線形成分が線 形成分よりも正常時と異常時で大きく変化するという特徴を利用しています。本研究では、高次統 計（HOS）が位相情報を保持していることから、健常者と虚血者の高次スペクトル領域の 1 次元ス ライスを利用しています。フィードフォワード多層ニューラルネットワーク（NN）とエラーバック プロパゲーション（BP）学習アルゴリズムを心電図自動分類器として使用し，正常な心電図信号か ら虚血性心疾患を認識できる可能性を検討した。心電図信号のポリスペクトラムスライスとポリコ ヒーレンス指標から抽出した 2 つのデータセットを用いて、異なる NN 構造をテストした。本論文 では，MIT/BIH CD-ROM，NSR-DB（Normal Sinus Rhythm Database），および European ST-T database からの心電図信号を用いた．虚血性心疾患の診断には，この NN ベースの分類器が 有効であることが示された． Sahar H. El-Khafif1,2 and Mohamed A. El-Brawany1,2, ISRN Biomedical Engineering, Volume 2013, Article ID 261917, 6 pages 音響放射データからのグラファイト・エポキシ圧力容器の破裂圧力予測 本研究の目的は，破損していないさまざまな背の高い黒鉛エポキシ製圧力容器の破裂圧力を低圧で 予測する，正確で信頼性の高い方法を見つけることでした。 合計 15 本のボトルを、破壊するまで

加圧しながらアコースティック・エミッション（AE）トランスデューサーでモニターしました。 そ の後，AE による欠陥の成長データを人工ニューラルネットワークで解析した。 まず，Kohonen 自 己組織化マップ（SOM）を用いて AE データをさまざまな故障メカニズムに分類し，次にバックプ ロパゲーションニューラルネットワーク（BPNN）を用いて破裂圧力を予測した。分類されていない AE データと SOM で分類された AE データの両方を，NeuralWorks Professional II+と MATLAB という 2 つの異なるソフトウェアパッケージに入力し，合計 4 種類の予測結果を得た。 各予測は， 初期 AE データの 12%，25%，50%を用いてテストされた。 最終的に最適化された予測では，分 類されたデータのうち最初の 12％を使用したが，その結果，ワーストケースの誤差は約 6％とほぼ 同じだった。 これらの最小ワーストケース誤差は，Kohonen SOM を用いて 4 つの破壊メカニズム に事前に分類した AE 入力データと，5 種類の樹脂硬化方法を識別するカテゴリカル変数の両方を 用いて得られたものです。高さのあるグラファイトエポキシ製ボトルの試験では，正確な破裂予測 に必要な AE データを得るために，破裂圧力のほぼ 50％まで加圧する必要がありました。低いプル ーフ圧（25％以下）を使用しても，正確な破裂圧力の予測を得るには不十分であった。 Eric v. K. Hill, Christopher J. Foti, Ning Y. Leung and Andrea E. Palacios, J. Acoustic Emission, 30 (2012) 予測型データマイニング技術を用いた時系列データの性能比較 本論文では、米ドルとインドルピーの為替レートを計算するための金融時系列データに時系列デー タマイニング技術を適用する際に使用した方法に焦点を当てています。 4 つのモデル、すなわち Excel の重回帰、Weka の Dedicated Time Series Analysis の重回帰、R の Vector Autoregressive Model、NeuralWorks Predict を用いたニューラルネットワークモデルを分析しま した。すべてのモデルは、それらによって生成された予測誤差に基づいて比較されます。平均誤差 （ME）、平均絶対誤差（MAE）、平均二乗誤差（MSE）、平均平方根誤差（RMSE）、平均パーセ ンテージ誤差（MPE）、平均絶対パーセンテージ誤差（MAPE）を予測精度の指標として使用しま す。結果は、すべてのモデルが為替レートを正確に予測しているが、Weka での専用時系列分析の 重回帰が他の 3 つのモデルよりも優れていることを示している SAIGAL S. , MEHROTRA D.Advances in Information Mining, Volume 4, Issue 1, 2012, pp.-57-66. ヤギのストレス反応の予測：人工ニューラルネットワークと重回帰モデルの比較 本研究は、統計的回帰と比較して、人工ニューラルネットワーク（ANN）を用いてヤギの生理的ス トレス反応をより正確に予測できるかどうかを調べるために行われた。血漿中のコルチゾールおよ びグルコース濃度，クレアチンキナーゼ（CK）活性，好中球（N）およびリンパ球（L）数，N：L 比を，2.5 時間の輸送後の時間（0，1，2，3，4 時間，各時間につき n＝16 頭）と飼育密度（25

頭対 50 頭，入力 2）の関数として，予測モデルを作成した．しかし、飼育密度には有意な効果がな かったため、入力 2 は最終モデルに含まれなかった。ANN モデルと回帰モデルの開発には、それぞ れ NeuralWorks Predict®ソフトウェアと SAS が使用された。ノンパラメトリックモデルの開発に は，バックプロパゲーション（BP）およびカルマンフィルタ（KF）の学習ルールを用いた．予測値 と観測値の相関性は，ANN-BP（R 値＝0.87，0.67，0.56，0.27，0.42，0.53）と ANN-KF（R 値＝0.84，0.67，0.58，0. 27, 0.42, 0.50）の方が，回帰モデル（R 値 = 0.85, 0.52, 0.27, 0.13, 0.31, 0.12）よりも優れていた。この結果から、ANN モデルは、統計的回帰と比較して、よ りロバストに反応を予測できることがわかりました。 G. Kannan,R. Gosukonda and A.K.Mahapatra, Canadian Journal of Animal Science, Volume 100, Number 1 (2020) 人工ニューラルネットワークと回帰モデルを用いたスイートソルガムバガスの含水率による熱特性 の予測 スイートソルガムバガスの熱特性を含水率と室温の関数として予測するために，人工ニューラルネ ットワーク（ANN）と従来の回帰モデルを開発した。予測は 3 つの熱特性について行われた。1) 熱伝導率、2) 体積比熱、3) 熱拡散率。各熱特性には、5 段階の含水率（8.52％、12.93％、 18.94％、24.63％、28.62％、w.b.）と室温を入力としました。データは、モデルのトレーニン グ、テスト、検証のために分割されました。入力データセットと出力データセットの間のノンパラ メトリックモデルを構築するために，バックプロパゲーション（BP）およびカルマンフィルタ （KF）学習アルゴリズムが採用された。適切なモデルを選択するために，実際の出力と予測された 出力の間の相関係数（R）を含む統計的指標が作成された。熱特性の予測プロットは，回帰モデルと 比較して ANN モデルが未経験のパターンからの予測精度が高いことを示している。一般的に ANN モデルは、学習領域内の見たことのないパターンを強力に一般化し、補間することができました。 Ramana Gosukonda, Ajit K. Mahapatra, Daniel Ekefre, Mark Latimore, Jr., Acta Technologica Agriculturae, Volume 20 (2017): Issue 2 (June 2017) 高分子の比誘電率計算と機械学習による推算 モノマーを総当りで変えた純ポリマーとそれらをランダムにブレンドしたポリマー40 量体 4,000 本，計 243 パターンをデータセットとして，全原子 MD シミュレーションを行った．その結 果， 大規模系では周期境界条件であっても構造の不均一性が存在し，比誘電率に影響することが 示唆さ れた．さらに，不均一性は初期平衡化条件も影響することも示唆された．データセットが 存在する 空間分布について，分子構造をもとに多次元尺度法で確認すると偏りがみられた． Fingerprints と 初期平衡化条件を記述子として，ニューラルネットワークによる機械学習モデルを 構築したとこ

ろ，決定係数は 0.72 であった．以上のことから，高分子 MI 実現のためにはデータ セット，記述 子について最適な形式の検討が必要であることが分かった． 清水 陽平（株式会社ジェイテクト）, Research Organization for Information Science and Technology. IT資源の最適制御－リアルタイムで状況把握、負荷を予測し最適な資源配分を実現 米国 VIEO 社（テキサス州オースティン）は、ニューラルワークス Predict－先進のニューラル ネットワークモデ ル開発環境－およびニューラルワークス Predict ソフトウエア開発キット（SDK） をライセンスし使用した次世代 のアダプティブ・アプリケーション・インフラストラクチャ・ マネジメント(AAIM)製品シリーズを発表した。これ は、今までになく画期的な製品で、 ネットワーク、サーバーなど IT アプリケーション資源の状況をリアルタイムに 測定し、 瞬時に負荷予測を行い、最適な資源の配分を迅速に行い、インターネットアクセスの急増、 システムの急 激な負荷から IT 環境を守り、緊要なビジネス・アプリケーションの安定性、 効率を確保する制御装置である。従来 の製品と異なり、この装置の負荷予測と最適 IT 資源配分には、最新ニューラルウェア Technology が組み込まれて おり、アプリケーションに 最適なネットワークを提供する。VIEO 社 AAIM 製品は、ビジネスの目標達成に必要な アプリケーション・サービス環境(AQoS)を保障する新しいタイプの IT 資源管理製品である。 この画期的製品は Web、イントラネット、エクストラネットなど IT 環境のアプリケーション・ リソース、データを測定分析し、資 源配分することにより、重要なビジネス・アプリケーション の安定性を確保する。VIEO 社 AAIM 製品により、IT 環境は将来のデータ量増加アクセス 増加に柔軟に対応できるインテリジェント機能を備えたオン－デマンド・デー タセンターと なる。VIEO 社 AAIM 製品は、ネットワーク技術と最新ニューラルウェア Technology の融合によ り、 理想的なアプリケーション稼働環境を実現する。これは、VIEO 社 AAIM 製品が、他に類を 見ないリアルタイ ム対応（負荷計測－予測－負荷分散)を行い、アプリケーションに最適 な環境と入出力制御することにより可能であ る。 半導体生産における Advanced Process Control(APC)－データ遷移を把握し変化を予測、迅 速な対応で歩留まり向上、トータルコスト削減を実現 米国 IBEX Process Technology 社(マサチューセッツ州ローウェル)は、ニューラルワークス Predict －先進のニュー ラルネットワークモデル開発環境－およびニューラルワークス Predict ソフトウエア 開発キット（SDK）をライセン スし、IBEX 社独自ノウハウによるニューラルネットワークと実績の あるソフトウエアにより、ウェーハ測定データ から生産ラインのウェーハ品質を予測するモデル を実現した。IBEX 社のダイナミック・ニューラル・コントローラ (DNC)は半導体生産ラインをモデ ル化し、マルチ・レシピ、設備メンテナンス・データに対応した”ワン－マインド”

ニューラルネット ワーク・ソリューションである。DNC は最新ニューラルネットワークと非線形計算手法により、 半導体生産ラインの状況を把握、数値モデル化し、結果をプロセス改善に反映する画期的な APC である。これは、 DNC が人工知能を使って、半導体装置の不適切な処理を回避し、 メンテナンスの最適化で歩留まり向上を図るとと もに、ファブのランニングコストを削減する。 従来の APC 製品と異なり、DNC はプロセス・データだけでなく、装 置メンテ作業および部品劣化 の影響も考慮して、ツールの安定状況と予測される品質を組み合わせる。DNC は、こ の情報を ウェーハ毎の品質と処理条件の改善に反映させるよう警告を発する。管理者はこの情報により、 直ちにプロ セスを変更したり最良の生産物を準備することができる。DNC は特定のプロセスだけでなく、 ほとんど全ての半導 体プロセスに適用できる。DNC のしっかりしたアラーム機能は、管理者に 測定値が所定のスペックを外れる前に警 告し、トラブルを回避して多額のプロセス事故につな がらないようにする。DNC は事前にメンテナンス警告を行 い、プリディクティブ・メトロロジ TM (予測測定法によって歩留まりを上げたり、サンプルのウエーハをたくさん無 駄にする余分な 費用を抑えたり、ダウンタイムやメンテナンス費用を最小にすることができる。 穀物品質検査－”目”の機能をもつソフトウエアを実現し、迅速な穀物品質評価、異物混入を検出 カナダ・デュポン社（カナダ）、およびその実装製造パートナーCIMTE オートメーション・システムズ社 は、ニュー ラルワークス Predict・先進的ニューラル・ネットワークモデル開発環境・およびニューラルワークス Predict ソフト ウエア開発キット（SDK）をライセンスし、最近発表したデュポン TMAcurumTM 画像穀粒評価システム （http://www.acurum.com/home/）に使用している。カナダ農業食料省研究者の研究を元に、 AcurumTM システ ムは、小麦、大麦、および他の種子や穀物商品の品質の分析を行う。 この革新的ツールは、デジタル画像から、病気、 取り扱い不良（種子のひび割れ）、天候の影響（霜被害など）、 他の品種の混ざり物の有無など、多種多様な穀物の評 価、選別を行う。人の”目”を真似ることにより 人工知能ソフトウエアで客観的な分析を可能とした。カナダ・デュポン 社では農家、穀物倉庫や取引業者、 穀物委員会、また製粉工場やビール・ウイスキー醸造者を含む国際的な農産物サプ ライチェーンなど 幅広い市場への参入を計画している。

鉄鋼生産－中国初の知的所有権を取得し、優れた競争力のあるソフトの早期開発体制を実現 武漢鋼鉄公司の計装管理会社、WISCO-ICC(中華人民共和国武漢、英語 http://www.wisco.com/cn/index.htm、中 国語 http://www.wisco.com.cn ）とニューラルウェア社は、 10 年間の包括的な技術ライセンス契約を結んだ。 これにより、WISCO-ICC は、ニューラルウェア社の 高度なニューラルネットワーク技術を利用したアプリケーショ ンソフトを開発し、中華人民共和国 での再販が可能となる。この契約により、WISCO-ICC は、急成長している中国 ソフトウエア市場 において、ニューラルウェア社の初めての戦略パートナーとなり、世界貿易機構(WTO)に加盟した 中国 において、WISCO-ICC が最初の知的所有権を取得したこととなる。最新ニューラルネットワーク 技術の提供と ニューラルウェア社からのトレーニングとサポートにより、WISCO-ICC エンジニアはこの ライセンス期間中、ニュ ーラルウェア社が開発した最新の分析技術を習得する。初めの計画としては、ニューラルウェア社の製品と技術を投 資効果の高い生産管理ソフト、品質管理ソフト開発に適応する 予定である。今後、WISCO-ICC とその親会社、武漢 鋼鉄公司(WISCO)により開発される様々な 高度なソフトが中国全域に展開されることにより、WISCO-ICC は、中国 におけるテクノロジー リーダーとなるであろう。WISCO-ICC の鉄鋼分野とそれに関連する経験とニューラルウェア 社の先 進的分析技術との融合は、WISCO とその顧客企業に、柔軟な企業活動・正確な経営分析・的確な 企業予測な ど優れた企業競争力・優位性を与えるアプリケーションソフトの開発を実現するであろう。 オンライン商取引、携帯電話－コールパターンから不正を迅速に検出、数億ドルの損失を防ぐ 米国 Lightbridge 社（マサチューセッツ州パーリントン）は、13 年間にわたる不正申請や不正利用の 検出経験をニ ューラルネットワークによりソフト化し、オンライン商取引や携帯電話の利用申請に おける不正申請者や不正利用を 迅速かつ効果的に検出するアプリケーションソフトを開発した。 米国では、不正申請者や不正利用によるオンライン

商取引による損失は、年間数 10 億ドルに及 んでおり、このソフトの導入により、不正利用パターンをより迅速か効 果的に検出することが可能 となる。このソフトはユーザの利用状況と購入依頼をこれまでのパターンと比較し、不正 申請者に よる不正行為であることを素早く高確率で発見する。米国 Lightbridge 社では、このアプリケーション ソフ ト導入と今までの不正利用摘発の経験により、不正申請者や不正利用の発見がより迅速かつ 正確となり、オンライン 商取引や携帯電話会社における損失が大幅に改善されると発表した。 適応型ファイアウォール－先進的インターネット セキュリティデバイス開発 TechGuard Security 社のジェームズ・ジョイス(TechGuard Security の共同創立者)は、ネットワーク・セキュリ ティに関して、悪意のあるアクセスに悪先立って良心のあるアクセスを守るという のは、気力をくじかせるような挑 戦的課題であると認めています。 2000 年 2 月のスタート以来、この企業は、米国政府機関および他の基幹のクライアント のためにシステムを守って おり、そこでは、NeuralWare の 2 つの主要製品である Professional II/PLUS および Predict から恩恵を受けて います。 個人的には、ジョイスは、約 20 年の間に渡る Professional II/PLUS のユーザであり、 TechGuard は、Predict が市 場に導入されるやいなや、早速それを受け入れました。 「Professional II/PLUS は、ニューラルネットワークの実行 単位あるいは一部、ある いは、エンジンの微調整の為のプロトタイプ開発に理想的である。Predict を使用すれば、 データの分類を短時間で行なうことができ、あるいは我々のニューラルネットワークの 自動的な最適化を行なうこと が出来る」と彼は述べています。 ジョイスは、TechGuard のエンジニアが主として Professional II/PLUS 環境で作業するの が良いと考えています。 彼は言います：「Professional II/PLUS は、エンジンを手細工で作り、選別することができる ので、彼らはニューラ ルネットワークの使用に関して深い洞察を得ることができるのです。 従って、直感的に新しいデータセットに対して 最適に振舞うアルゴリズムを開発できるの です。」 ジョイスが TechGuard Security が今日直面している"良心なアクセスと悪意のあるアクセス の戦い"を概説したよう に、この企業は、システムに対する悪意のある攻撃を打ち消すニューラル ・ネットワークを高速に作成するためにニ ューラルウェアツール群を利用しています。 それは、基本的に、いつも悪意のあるアクセスのシステムへの侵入を防 ぎながら、 良心的なアクセスとテニスマッチをするようなものです。

彼は言います：「慣例的に、ベンダーはシグネチャー型の攻撃を防御するセキュリティ ー製品を開発してきまし た。」 ニューラルネットワークの恩恵を受けている TechGuardSecurity は、戦術を変更しています。 ジョイスは言いま す：「我々エンジニアは、より先を見越したネットワーク・エンジンを考案して います。それらのエンジンは、より 一般化された方法論で開発されています。それらは、 データフローが中断されず、ゼロデイアタックに対して敏感で ない悪意のあるトラフィックを 識別できるように学習します。」 システムセキュリティという広い視点で眺めた場合、ジョイスは、これからますます ニューラルネットワークへの依 存度が増加し、結果として “悪意のあるアクセス”に対する 戦争のなかでニューラルウェアのモデリング製品に対する 優れた評価がもたらされることになる だろうと確信しているといいます。彼は、「人工知能を組込んだファイアウォ ールを構築する ことが出来るようになることで、ニューラルネットワークは真の判定官になるだろう」とも付け 加え ています。 「ニューラルネットワークを生成するツールは沢山ありますが、ニューラルウェア製品はエンジンを ニューラル製品 にすぐに置き換えるだけの能力を証明してきました。そのようなデバイスの 組み込みは、我々の顧客だけでなく、イ ンターネット全体にとって決定的なことです。」 TechGuard Security : http://www.techguardsecurity.com/ ニューラルネットワーク技術の株価予測への適用分析 [論文概要] 本稿では、日次の株価をニューラルネットワークを使用して予測する手法を 示すとともに、その結果を統 計的予測結果と対比します。 株価予測は、ニューラルネットワークによる予測の新しい適用領域です。 この論文で は、毎日の株価の予測に対する、ニューラルネットワークの 能力を証明します。 株価市場の予測は、いくつかの知り うる、および知りえない要因 に依存しており、非常に難しいものである一方で、人工ニューラル ネットワークは株式 市場の予測に対して人気のある技術です。 ニューラルネットワークは、「事例の学習」の概念を基礎とします。 本稿 では、ニューラルネットワークと統計的手法が毎日の株式市場価格の モデリングおよび予測に適用され、二つのモデ ルの予測結果が 比較されます。 それら二つのモデルの予測性能は、MAPE、MSE、RMSE で評価されます。 その結 果、ニューラルネットワークは、十分なデータ、適切な 入力および適切なネットワーク構造で学習させた場合、株式 市場価格 を非常によく予測することが示されます。 統計的手法もまた、優れた予測性能を示しますが、株価の振る舞 いが 複雑になると、その予測能力は低下します。 従って、日次の株式市場価の予測に対して、ニューラルネットワー クは 、より適切で代用可能な方法であることが示されました。

Kunwar Singh Vaisla et. al. / (IJCSE) International Journal on Computer Science and Engineering Vol. 02, No. 06, 2010, 2104-2109 人工ニューラルネットワークによる株価予測の性能分析 株式市場の予測は、世界中の金融投資家にとって困難な作業の一つです。この課題は、市場におけ る株価の不確実性と変動性に起因しています。ビジネスや金融市場のテクノロジーとグローバル化 により、株価をより迅速かつ正確に予測することが重要になっています。ここ数年、ビジネスや金 融市場におけるニューラルネットワーク(NN)アプリケーションの分野では、大きな進歩が見られま す。人工ニューラルネットワーク(ANN)手法は主に実装されており、株式市場予測の意思決定にお いて重要な役割を果たしています。バックプロパゲーションアルゴリズムを用いた多層パーセプト ロン（MLP）アーキテクチャは、他のニューラルネットワークアルゴリズムよりも高い精度で予測 する能力を持っています。本研究では、NeuralWorks Predict を使用して将来の株価を予測し、そ の性能統計を評価します。 評価します。これにより、投資家は株式の購入や売却などのビジネス上の意思決定において、より 良い分析を行うことができます。 K.K.Sureshkumar, Dr.N.M.Elango, Global Journal of Computer Science and Technology, Volume 12 Issue 1, 2012 SIAS，FIM 認知項目と頭部 CTから脳卒中の ADL 予後を予測する；脳卒中 ADL 予後評価セッ ト（SAPAS） 作成のための pilot study ― [論文概要] 初期評価段階で簡易に ADL 予後が推測できる，SIAS，FIM 認知項目を教師信号とした脳卒中 ADL 予後 評価セット（SAPAS）を試作した．その特徴は BI 各項目の予後を個別に評価でき，関数導出にニューラルネットワ ーク（NNW）を使用するところにある．作成方法は，実測した SIAS と FIM 認知項目を入力変数，BI を目的変数と する NNW を BI 項目ごとに構築し ADL 予後予測因子（予測因子）を抽出．次に予測因子の全ての組み合わせを入力 変数として先に構築した NNW に代入，目的変数である BI を算出することで予測因子の組み合わせと BI 各項目のス コアを対応させた．また，収集したデータより ADL 各項目の予測因子改善期間が最長のものを選択し，ADL の予測 改善期間とした．使用方法は，予測因子を初期評価として測定し，その改善可否を脳機能分析にて検討，予想される スコアに予測因子を修正してその組み合わせに対応した BI を導出，これが ADL 予後を示す BI スコアとなる． SAPAS では，頭部 CT の読影にて脳機能を分析し，将来予想される SIAS，FIM 認知項目の組み合わせで BI を予測

する．そのためには，脳損傷部位と予測因子の脳機能局在を明らかにし，予測因子の改善可否判断を正確に行う必要 がある． 石倉 隆／保健医療学雑誌 1 (1): 10-17, 2010 ニューラルネットワーク解析法による亜臨界水中でのマルトース加水分解反応の最適化 [論文概要] 二糖類であるマルトースの亜臨界水中での加水分解反応において，グルコースのみを選択的に高収率で得 る最適反応条件をニューラルネットワーク解析法で探索可能か検討した．入力データは反応器設定温度，滞留時間， 基質初濃度および反応圧力とし，出力データはグルコース収率と選択率の両者を考慮した反応指標 I とした．圧力と 基質初濃度を固定した条件において，滞留時間と反応温度を変数として数点の実験を行い，得られた実験値からニュ ーラルネットワークモデルを作成した． そして，そのモデルを用いて未知の反応条件における反応指標 IP の予測を 行った．続いて，予測値である IP の最小値を与える実験条件周辺で実験点を追加し，ニューラルネットワークモデル 作成を繰り返すことによって最適反応条件を絞り込んだ．最適反応条件に収束するには，1～3 回のニューラルネット ワークモデルの再構築が必要であった．反応条件として温度，滞留時間，初濃度，圧力を変数とした 4 次元の反応最 適化についても 4 回のモデル再構築で反応最適条件の組み合わせを決定することができた．予測で得られた最適反応 条件を検証したところ，反応温度で 2°C，滞留時間で 1.89min 以内で予測値と実験値が一致した．また，I の値も非 常によく一致した． 正本 博士, 高田 雅子, 永田 和周, 重松 幹二／Journal of Computer Chemistry, Japan Vol. 7 (2008) No. 5 P 171-178 コンビナトリアルナノ粒子合成における高速データ解析への人工ニューラルネットワークの応用 [論文概要] ナノ材料の合成は、実験条件の様々な要因に非常に敏感である。そのため、合成を制御するためには、合 成条件とナノ材料特性の関係を総合的に把握することが重要である。本研究は、人工ニューラルネットワークを用い た物性最適化手法により、コンビナトリアル合成のデータセットからその関係を取得することを目的としている。最 近、マイクロリアクターを用いたコンビナトリアル CdSe ナノ粒子（NP）合成において、条件と物性の関係を調べる ために、3404 件のデータセットが系統的に取得された。しかし、(i)多変量データセットの質量と複雑さ、(ii)「組み 合わせ爆発」を避けるために各実験パラメータに許容されるポイント数が少ないこと、(iii)実験的理由に起因するエラ ーや欠測があること、などの理由から、関係性の取得には時間がかかる。本研究では、NN に基づくデータ解析手法

を開発し、データセットを解析して関係を取得するために適用した。本手法では、好ましい NN を得るために、1600 の徹底的な学習過程と以下のアンサンブルアプローチを実行する。その結果、NNs は現実的な時間スケールで条件-特 性関係の本質的なパターンを抽出することが示された。学習された NN は、新しい実験条件に対しても高い精度で NP の特性を予測することができる。さらに、NN に基づくデータ補間と感度解析は、多次元の条件-物性ランドスケープ のようなアクセス可能な記述としての関係や、合成を制御するための重要なパラメータを提供する。このような情報 は、NP の特性を最適化する際の指針となる。我々のアプローチは、コンビナトリアル合成データから条件-物性関係 を迅速に抽出するのに適しており、また、NN 解析の柔軟性により、未知の物性を持つ様々な種類のターゲット材料 に対しても有効であると期待される。 Yuuichi Orimoto, Kosuke Watanabe, Kenichi Yamashita, Masato Uehara, Hiroyuki Nakamura, Takeshi Furuya, and Hideaki Maeda ／J. Phys. Chem. C, Article ASAP DOI: 10.1021/jp3031122 Publication Date (Web): July 27, 20128 河川水質の連続時系列推定値に基づく霞ヶ浦流域からの流出負荷量の特性分析 本稿では、霞ヶ浦流域における汚染物質分布に対する土地利用要因の影響を分析する。 本論文で 紹介するフィールド実験では、2 種類の光信号と水量を用いて、化学的酸素要求量(COD)、粒子 状化学的酸素要求量(P-COD)、全窒素(TN) 硝酸塩（NO3 -N）、全リン（TP）、粒子状リン （P-P）を推定した。人工ニューラルネットワーク（ANN）モデルは これらの相関関係を設定す るために学習される。年間汚染物質負荷量は、ANN シミュレーション結果によって計算された。 回帰分析を適用して、異なる期間における異なる土地利用の 6 汚染物質への影響を評価した。解 析の結果、水田は COD、P-COD、TP、P-COD の負荷量に強い正の影響を及ぼすことが示され た。水田は、洪水灌漑期における COD、P-COD、TP、P-P の負荷量に強い正の影響を及ぼし、 TN と NO3 -N の負荷にはあまり影響しない。耕作地は TN と NO3-N の負荷に強い影響を及ぼ す。回帰結果によると、流域の単位面積当たりの汚染物質負荷量も推定された。 黎 嘉韻,木内 豪,石川 忠晴, 河川技術論文集,第 17 巻,2011 年 7 月 人工ニューラルネットワークを用いた河川における汚染物質負荷のモニタリング手法

[論文概要] 本稿では、河川における汚染物質負荷量を、コストをかけずに連続的に測定する新しい方法を提案する。 基本的な考え方は、「測定対象に存在する経験的相関関係」を最大限に活用し、測定できるものと知りたいものを関 連付けることである。ここで紹介するフィールド実験では、化学的酸素要求量（COD）、全窒素（T-N）、全リン （T-P）の負荷を推定するために 2 種類の光センサーからの信号を使用し、それらの間の「経験的相関関係」を固定 するために人工ニューラルネットワーク（ANN）モデルを学習させた。フィールドデータは霞ヶ浦流域の 7 河川で収 集した。その結果、3 つの水質項目は、学習データがあまり多くなくても、長期間にわたって安定した精度で推定で きることがわかった。 劉銘環, 石川忠晴, 善見憲二, 工藤健太郎／Annual Journal of Hydraulic Engineering, JSCE, Vol. 52 (2008) pp. 127-132 [関連]河川水質の連続時系列推定値に基づく霞ヶ浦流域からの流出負荷量の特性分析 ニューラルネットワーク法による伊勢湾内浮遊ゴミ集積場所の予測可能性の検討 [論文概要] 伊勢湾では漂流物が問題となっている。本研究では、漂流物の捕集位置予測に人工ニューラルネットワー ク（ANN）を用いることの妥当性を検討する。適切な入力データと ANN パラメータ、伝達関数を確認し、漂流物の 発生位置と堆積位置を予測する ANN モデルを構築した。その結果、良好な予測結果が得られた： 1）漂流物発生位置 の適合率は 83％、2）漂流物集積位置の適合率は 50％以上、3）四日市市街地手前と中部国際空港（セントレア）南 側が主な漂流物集積位置である。 内田吉文・本多和彦・吉村藤謙・間瀬 肇・加藤英紀・片山美可・米澤泰雄／土木学会論文集 B2（海岸工学）,Vol. 67，No. 2，2011，I_1366-I_1370 植物工場での人工照明によるクロロフィル蛍光を使用したレタスの高スループット成長予測 [論文概要] 個体差に起因する生育不良は、大電力を使用して栽培する植物工場にとって大きな利益損失につながる。 従って、いわゆる苗診断技術を用いた低品位株の早期発見・淘汰は、植物工場における大きな損失を回避する上で重 要な役割を果たす。本研究では、毎日約 5000 株のレタスを生産している商業用の大規模植物工場において、クロロ フィル蛍光（CF）測定を用いたハイスループット診断システムを開発した。初期段階（播種後 6 日目）において、緑 化最終日に高感度 CCD カメラと自動搬送機により 7200 本の苗の CF 画像を 4 時間毎に撮影し、生物学的指標を抽出 した。機械学習を用いることで、葉の大きさ、CF 量、CF の概日リズムなどの生物学的指標から、植物の成長を高い

精度で予測することができる。成長予測は、CF の時間的情報を加えることで改善された。また、本データは、固有の 生物時計によって制御される成長と時間情報の関係についての新たな知見を提供する。 守行正悟、福田 弘和 Front. Plant Sci., 31 March 2016 電気自動車における部分放電のニューラルネットワークに基づく検出 [論文概要] 本論文では、人工知能技術の一つであるニューラルネットワーク（NN）を用いて、6 つの異なるタイプの 部分放電（PD）を分類することについて概説した。電気モーターの重要な規則と幅広い用途での使用について述べた 後、さまざまな故障検出技術の使用について議論した。IEEE と EPRI によると、ステータの故障はモータ全体の故障 の約 30～40％を占める。高電圧(HV)機械に焦点を当てると、IEEE の統計によると、電気絶縁の劣化が特定の高電圧 機器の電気故障の 90%に達する。このような HV 絶縁システムの重要性は、HV 絶縁の主な原因である PD の研究を 正当化する。PD が発生した HV モーターと PD が発生していない機械について、大規模なデータセットを収集した。 これらの PD データセットは前処理され、NN で使用できるように準備された。PD タイプを分類するための NN アプ リケーションの前処理段階には、最大値と最小値、単位あたり、包絡線検出手段などの統計的技法を使用する。PD 分 類を行うために 2 つの NN パッケージが使用されている。有名な科学ツールである MATLAB を使用して PCA を実行 し、ISOMAP を使用して NN PD 分類を実行する。もう 1 つの特殊な NN ツールは、NeuralWare USA の NeuralSight を使用して、複数モデルの NN 構築を行うために使用される。MATLAB は、PCA と ISOMAP の縮小行 列を計算するには完璧なツールであったが、残念ながら NN PD 分類では期待通りではなかった。NeuralSight は、 PD NN の分類のために訓練され、テストされたとき、非常に正確であった。さらに、複数のモデルの利点を利用して 複数の PD 欠陥を分類することができ、認識率は 98-99%に達した。 Asiri, Yahya, M.S., KING FAHD UNIVERSITY OF PETROLEUM AND MINERALS (SAUDI ARABIA), 2010, 221 pages; 1496567 人工ニューラルネットワークを使用した乳癌における組織学的悪性度の予測 [論文概要] 組織学的悪性度は、乳癌における予後の指標として歴史的に使用され、十分に立証されている。悪性度に は 3 つのカテゴリー（G1、G2、G3）があり、尿細管形成、核多形、有糸分裂の程度に基づく。組織学的評価は一様 ではないことが多くの研究で報告されている。病理診断に関連する病理医間の相関の低さ、および標準化されていな い悪性度分類システムの結果として、患者は必ずしも正しいグループ分けに割り当てられておらず、G2 はしばしば、

確信が持てない場合の "安全な "グループとみなされてきた。以前に発表された研究では、5 つの遺伝子のリアルタイ ムポリメラーゼ連鎖反応（RT-PCR）を用いて、G2 腫瘍を G1 または G3 に分子分類した。病理検査室におけるワー クフローの制約から、全ての G2 腫瘍を分子プロファイルすることは実行不可能と考えられた。 これを踏まえ、5 つ の遺伝子（BUB1B、CENPA、RACGAP1、RRM2、NEK2）に対応する抗体を入手し、43 の腫瘍（G1 11 例、G3 32 例）のホルマリン固定パラフィン包埋切片（FFPE）に対して免疫組織化学（IHC）を行った。全腫瘍の結果をランダ ムにトレーニングセットとテストセットに分け、人工ニューラルネットワーク（NeuralSight および NeuralWare Predict）を用いて腫瘍の悪性度を分類した。さらに 33 の G2 腫瘍を ANN の検証に使用した。ANN はこれらの腫瘍 を 5 個の G1 腫瘍と 28 個の G3 腫瘍に分類した。この予測された悪性度は患者の生存率と有意な相関を示した。ニュ ーラルネットワークは、5 つの IHC マーカーのパネルを用いて乳癌 G2 腫瘍を G1 と G3 に再分類するために使用で きる。これは、患者のケア、治療決定、転帰に影響を与える可能性がある。 Glenn D Francis ; Sandra R Stein ; Glenn D Francis, The 2012 International Joint Conference on Neural Networks (IJCNN) 深夜急行バスを対象とした短期的需要予測に基づく配車計画の検討 [論文概要]深夜急行バスは利用者の変動が大きく，配車台数の調整が難しい。しかしながら，バスの配車台数は金 曜・祝前日は 2 台，その他曜日は 1 台と， 慣例的に決定されており，バスの供給不足・過多が発生している。本研究 では，1)深夜急行バスの利用要因をアンケート調査などにより明らかにし，2)利用者数の需要予測に基づき配車台数 予測を行い， 3)バスの配車台数について効率性が向上したか検討することを目的とした。ニューラルネットワークを 用いた利用者予測モデルにより利用者数を予測し，バスの配車台数を見直した。その結果，実データでは適切に配車 した運行日の的中率は 89.6%であったが，本研究で提案するモデルを用いることで， 95.7%まで的中率を増加させ ることができた。これより，本研究で構築したモデルは効率的なバスの配車計画に有用であると考えられる。 川崎 智也、轟 朝幸、岩崎 哲也、西内 裕晶、土木学会論文集D3（土木計画学） Vol. 70 (2014) No. 5 p. I_645- I_653 初歩的な人工知能によるDP 鋼の高次元組織データ駆動型応力-ひずみ曲線の予測 [論文概要]ベイズ推定と人工ニューラルネットワークを組み合わせたフェライト - マルテンサイト DP 鋼の応力 - ひ ずみ曲線の予測について研究を行いました。ニューラルネットワーク解析に使用される記述子をスクリーニングする