スパースモデリング

​エッジ ソリューション

ビッグデータを必要としないスパースモデリング

スパースモデリング(疎性モデリング)とは、データに内在する疎性(スカスカにする)を利用することで、特徴の抽出や計算量の削減を行うことなどができるデータ分析の方法論です。少量データから有意な分析結果を導くことを可能にし、ディープラーニングに必要とされる大量の学習データが入手できない環境での分析や識別作業の自動化に応用できます。

また、データ同士の因果関係の解明ができることも、スパースモデリング技術の特性です。ディープラーニングで課題となる「ブラックボックス問題」を引き起こすことがありません。

導入メリット 

大量の学習データが不要

少量データで解析が可能なスパースモデリング技術により、大量の学習データが入手できない、学習データの収集に多大なコストがかかる分野で活躍が期待されています。

説明可能な人工知能

スパースモデリングのアルゴリズムが出す結果は人間にとって理解が可能で、意思決定のプロセスも可視化されます。

​導入事例

ARMプロセッサを搭載したカメラ付きエッジ端末上でのAIによる学習と動体検知

スパースモデリングが持つ少量データからの特徴抽出を機械学習に応用することで、カメラ動画から生成した50枚の静止画だけで背景部分を推定し、移動体の検知を行います。ARMプロセッサ(CortexA9)のみを使用し、学習にかかる時間は2~3秒です。これにより、事前の学習を行うことなくエッジ端末が設置された環境をAIがその場で学習し、AI自身が環境に合わせて最適化を行うソリューションを構築することが可能になります。

Copyright PALTEK CORPORATION