- 異常検知
- メディアデータ分析
深層クラスタリング
応用先
- 製造現場の歩留解析
ベンチマーク・強み・実績
- 世界トップレベルの教師なし分類（クラスタリング）精度を達成（ACML2018）
- データ数に偏りのある半導体製造データの教師なし分類精度84.1％（従来手法69.9％）
- 手書き数字の公開データセット（MNIST）の教師なし分類精度98.4%（従来手法93.8％）
問い合わせ窓口
問合せの際はタイトル[東芝AI技術カタログ:深層クラスタリング]やURLを文面に含めてください。
本技術は研究開発中のためご要望にすぐに対応できない可能性があります。
参考文献：
- Y. Tao, et al., “RDEC: Integrating Regularization into Deep Embedded Clustering for Imbalanced Datasets,” Proc. of the 10th Asian Conference on Machine Learning (ACML2018), pp.49-64, 2018.
- 中田康太, 他, “ビッグデータを活用した歩留解析支援システム “歩留新聞” による解析作業時間の短縮.” デジタルプラクティス, Vol.10, No.2, pp.304-321, 2019.
- 教師なしで少量の不良品データを高精度に分類する深層学習技術を開発
- 東芝レビューVol.72, No.1, p.31 (2017年3月) (PDF形式) ※応用事例
- 東芝レビューVol.73, No.3, pp.18-21 (2018年5月) (PDF形式) ※応用事例
