|
当社は，東京大学大学院工学系研究科 矢川研究室，吉村研究室，マツダ株式会社と共同研究を重ね，階層型ニューラルネットワークのもつ非線形マッピング能力と統計的手法を組合わせて，ニューラルネットワークに基づく非線形情報処理システム n-DESIGN を開発しました。研究の内容は，「矢川元基，吉村忍，松田聡浩著，『感性と設計』，培風館(1999年)」にまとめられています。本書籍には n-DESIGN を収めた CD-ROM が添付されています。
|
| ニューラルネットワークによる情報処理支援システム n-DESIGN |
|---|
n-DESIGN では，ニューラルネットワークと統計的手法を組合わせて用いることにより，人間の感性情報と物理情報のような，定量化や理論化が困難な入力・出力間の関係を容易に把握することができます。
n-DESIGN Pro は，「感性と設計」に添付されている n-DESIGN の商用版です。n-DESIGN Pro は既に多くの企業，研究所，大学でお使いいただいています。
- 自由度が大きい学習条件
クロスバリデーション法を用いた汎化能力により，データが少ない場合でも，一部のデータに偏ることなく有効な学習が行えます。
また，学習の収束誤差や学習回数を，必要な解析精度に応じて任意に設定することができます。
- 入出力（原因と結果）間の相関解析
誤差逆伝播法に基づく階層型ニューラルネットワークの学習機能により理論化や定量化が困難な非線型の入出力情報をマッピングし入出力間の相関関係（関数）を導き出します。
- 寄与度解析
学習済みニューラルネットワークを用いて，特定の出力変数に対する各入力関数の依存関係をグラフ化します(右の図参照)。これにより，特定の出力関数に対して影響の大きい（または小さい）入力変数を容易に把握できます。
- 満足化設計・逆解析
学習済みニューラルネットワークを用いて，未知の入力データに対する出力関数の応答値を推定します。これにより得られる「デザインウィンドウ」（満足設計解の集合）をディスプレイ上に表示します(左の図参照)。この結果，入力変数と出力変数との関連が視覚的に認識でき，より高度でフレキシブルな設計/意思決定が可能になります。また，出力関数の目的値や目標範囲などの設計制約条件を与えることにより，ニーズに応じた満足化設計解，逆解析解を得ることができます。
- ビジュアルな作業環境・簡単な操作
学習パラメータや学習終了条件（学習回数や収束誤差など）を簡単な操作により任意に設定でき，試行錯誤に適したユーザーインターフェースを有します。また，Excel等で作成した手持ちのデータを，正規化することなくテキスト形式でそのまま利用することができます。
- デザインウィンドウ
1 個の満足設計解を 1 枚のレーダーチャートを用いて表現し，3次元空間上に配置します。
- ハードウェア
- OS
- n-DESIGN Pro 1.2：Microsoft Windows NT4.0/2000/XP
|
n-DESIGN に関するお問い合せは
postmaster@alde.co.jp
までお願いします。
|
