Solid Ai 説明

仮説と検証を試行プロジェクトとして管理します。入力データ、予測データの組み合わせや各種パラメータ設定値をプロジェクト番号＋ケース番号にまとめてデータベース(SQL Server)に保存管理します。

「Solid Ai TM 学習ツール」はNN( Neural Network)の計算要素を設定して、予め準備した教師データで学習を行い、目的の予測計算結果データを得るためのAIツールです

OS 及び、ハードウェア

• OS：Windows 10 以上
• メモリー： 8GB以上
• HDD：64GB以上

データベースソフトウェア

• SQL Server 2008以上(EXPRESS版(無償版)にも対応)

重み係数の最適値取得と予測値取得

１）学習機能でNN計算を実行し「重み係数」の最適値を取得
２）得られた最適「重み係数」を用いて予測計算を行い、「予測値」を取得

NN計算仕様

各最大値：
　１）入力ノード数 1000個
　２）隠れ層数 10個
　３）隠れ層のノード数 1000個
　４）出力ノード数 200個

隠れ層１、ノード１の計算

　Xn 　: 入力ノードnの値（実入力値を0～１の範囲に正規化した値）
　Wn11: 隠れ層１ノード１，入力ノードnの重み係数
　C11　: 隠れ層1ノード１の定数係数
　f( )　: 隠れ層活性化関数　（Sigmoid又はReLUより選択)

NN計算結果の判定

予測計算値と学習データ値の誤差計算結果に於いて最小値となる様に、
各種設定値を任意に設定し実用的な範囲であれば成功と判定

学習計算パラメータ設定

入力層,出力層,隠れ層の各ノード数(n)、入力層と出力層の正規化係数、活性化関数^*1、
学習率^*2、学習係数(重み係数)初期値、誤算計算法RMS^*3、バッチサイズ^*4、ループ回数^*5

　　＊1 活性化関数　: NN計算の各ノードの値を計算する為の関数
　　＊2 学習率　　　： 1回の学習（バッチサイズ）でどれだけ重み係数を調整するかの係数
　　＊3 RMS　　　　： RMS（Root Mean Square)）二乗平均平方根
　　＊4 バッチサイズ： NN演算で誤差を累積するデータの数で、この累積誤差に学習率を掛けてNN係数を更新
　　＊5 ループ回数　： バッチサイズ×ループ回数が誤差計算回数となります

学習計算

・データは周期を示すデータIDと1周期中のデータ間隔を示すグループIDに分類します
　(例：データ周期＝1日　データ間隔(時間)の場合、データIDは日付　グループIDは0～23時)
・１グループ学習ボタンを押すと、NN学習計算を実行して教師データと誤差グラフを表示
・全グループ学習ボタンを押すと、グループIDを増加させながら１グループ学習を繰り返し全グループ分の学習を実行

予測計算

・予測ボタンを押すと、指定データIDの予測値を学習結果のグループID毎の重み係数を利用して計算します
・予測結果はX軸にグループIDを配し、Y軸に実測値と予測値を同一スケールでグラフ表示します