アルゴリズム:Algorithms AI技術を使って仮説を見つけ出す
AIで仮説を見つけ出す
"問題解決手法と思考法及び実験計画"で述べている課題の分析をさらに進めるためには、仮説を見つけ出す必要がある。仮説発見のためには経験の蓄積と分析能力が必要とされるが、今回は、それらをサポ...
グラフ理論
アルゴリズム:Algorithms python Deep Graph Generative Model（DGMG）の概要とアルゴリズム及び実装例
Deep Graph Generative Models（DGMG）の概要
Deep Graph Generative Models（DGMG）は、グラフ生成タスクに特化したディープラーニングモデルの一種で、特...
グラフ理論 情報幾何とは何か
情報幾何の本質とは
情報幾何（Information Geometry）は、統計学や情報理論、機械学習などで使われる確率分布や統計モデルの幾何学的な構造を研究する分野であり、その本質的な考え方は、確率分布や統計モデルを幾...
python GraphRNNの概要とアルゴリズム及び実装例
GraphRNNの概要
GraphRNNは、グラフ生成に特化したディープラーニングモデルで、特にグラフの構造を学習して新しいグラフを生成する能力に優れたものとなる。このモデルは、ノードとエッジのシーケンスを予測...
python GNNを用いた推薦技術の概要と関連アルゴリズムおよび実装例
GNNを用いた推薦技術の概要
グラフは、グラフ構造データのモデリングと表現における柔軟性と有効性により、広く適用できる表現力豊かで強力なデータ構造であり、生物学、金融、交通、ソーシャル ネットワークなど、さまざ...
python UMAP (Uniform Manifold Approximation and Projection)について
UMAP (Uniform Manifold Approximation and Projection)について
UMAPは、高次元データの非線形次元削減手法であり、データの構造を保持しながら低次元に埋め込むことを目的とし...
python GNNを用いた製造プロセスの各段階をモデル化し、生産ラインの設計や操作の最適化を行うサービスの概要
GNNを用いた製造プロセスの各段階をモデル化し、生産ラインの設計や操作の最適化を行うサービスの概要
Graph Neural Networks (GNN) を用いた製造プロセスの各段階をモデル化し、生産ラインの...
python LLE (Locally Linear Embedding)について
LLE (Locally Linear Embedding)について
LLE（Locally Linear Embedding）は、高次元データを低次元に埋め込む非線形次元削減アルゴリズムの一つであり、データが局所的に線形...
python GNNを用いた材料の特性や構造をモデル化し、新しい材料の設計や特性予測を行うサービスの概要
GNNを用いた材料の特性や構造をモデル化し、新しい材料の設計や特性予測を行うサービスの概要
目的:
GNN(Graph Neural Networks)を用いた新しい材料の設計や特性予測を行うサービスは、...
python t-SNE (t-distributed Stochastic Neighbor Embedding)について
t-SNE (t-distributed Stochastic Neighbor Embedding)について
t-SNEは、高次元データを低次元に埋め込む非線形次元削減アルゴリズムの一つであり、t-SNEは主にデータの可...