センサとビックデータやAIの関係(重回帰分析をやっているとニューラルネットや行列の勉強をやり直したくなった)

最近、いろんなセンサを作ろうとしている。
化学センサは特定の化合物を区別してその化合物の量を計測することができる。
特にセンサというのは連続的に測り続けることができて、測定対象の変化を随時モニタリングできるのが良い点である。

最近流行りのビックデータの観点から、環境や人体などいろんなところに設置できてその状態を測ることのできるセンサはより重要になってきている。
データサイエンスが作り出した流れは単なるデータから情報を取得したり予測するだけでなく、データの質(解釈)を改善することにつながった。センサの開発において一番難しいのは標的物質を認識する選択性の向上であるが、データサイエンスの力は選択性をデータ解釈の側から改善する
つまり、多くのデータパターンを集めたデータベースがあれば、センサから得られた情報を補完・修正してより正しいデータへと変換できるのだ。

センサに使われるデータ解析法の基本は回帰分析である。回帰分析の中で一番簡単で馴染みのあるのは1次関数の直線のグラフであり、化学実験の基本としては検量線を引いて計測することに相当する。そして、複数の変数(パラメータ)を扱う場合には重回帰分析を行う。
この重回帰分析では変数を調べる事になり、幅広い領域をカバーすることは難しくなる。例えば適応する濃度領域が広くなると精度が落ちたりするのだ。一方で、AIなどに使われるのはニューラルネットを使う考え方では、いくつの層を作り出して最終的な決定を行うのでより精度が上がる。

多くのデータセットを扱うのに便利なのは行列を使うことである。国の教育方針もビックデータやAIの活用のために行列のカリキュラムを増やしている。行列っていうのは手で書くとめんどくさいけど、パソコン上ではデータの入力とか表記とかではとても便利なのだ。

コメントを残す