このページの本文へ

MakinaRocks、ディープラーニング分野の世界最大カンファレンスICLR2020で論文が採択

2020年09月29日 10時00分更新

文● MakinaRocks

  • この記事をはてなブックマークに追加
  • 本文印刷

MakinaRocks
表現学習国際学会(ICLR)2020でRaPP基盤の異常検知に関する論文を投稿し採択

エンタープライズAIソリューション専門のスタートアップであるMakinaRocks(以下、マキナロックス)が9月29日、ディープラーニング分野で世界的な権威を誇る表現学習国際学会2020(ICLR)でRaPP(Reconstruction along Projection Pathway)基盤の異常検知技法に上述し投稿した論文が採択されたことを明らかにした。





ICLR2020に採用されたマキナロックスのRaPP基盤の異常検知技法に関する論文

エンタープライズAIソリューション専門のスタートアップであるMakinaRocks(以下、マキナロックス)(http://www.makinarocks.ai/)が9月29日、ディープラーニング分野で世界的な権威を誇る表現学習国際学会2020(International Conference on Learning Representations, 以下 ICLR)でRaPP(Reconstruction along Projection Pathway)基盤の異常検知技法に関して上述し、投稿した論文が採択されたことを明らかにした。

ICLRは、世界の人工知能(AI)カンファレンスの中で最も著名なカンファレンスであり、人工知能と関連した最新の情報や研究現況を共有・発表する場である。人工知能に対する関心が高まることにつれ、年々その熱気も高まっている。毎年投稿されている約1,600編の論文の中で優秀な論文が採択されており、今回、マキナロックスは独自技術である「RaPP(Novelty Detection with Reconstruction along Projection Pathway)基盤の異常検知」に関する論文を投稿し、採択された。

マキナロックスが発表したRaPP(Novelty Detection with Reconstruction along Projection Pathway)基盤の異常検知では、ディープラーニング技術の重要要素の一つである深層神経網の階層的な表現学習能力を活用し、性能を向上させることと共に、数学的な証明と実験的な性能検証に焦点を合わせた。従来の異常検知の場合、圧縮や復元の過程で発生する中間結果物を活用できないという限界があったが、RaPPでは活用されていなかった中間結果物まで活用し、技術的限界を克服して検知性能を一層高めた。 (図1参考)
図1.来の異常検知方式とRaPP方式の違い

該当技法は、イメージや各種のセンサーデータを活用した性能評価で他ディープラーニング基盤の異常検知の性能より優れていることが立証された。この技術を活用しているマキナロックスの異常検知ソリューションのAnomaly Detection Suite(ADS)は、故障予測の精度や迅速度を高め、ダウンタイムは最小化し、生産効率性の向上が可能である。

マキナロックスのキム·ギヒョン統括研究員は「従来の異常検知方式が新しい学習方法とモデルアーキテクチャを提案するのとは違い、RaPP技法は使われていた多様な方式のオートエンコーダ(AutoEncoder)基盤モデルをそのまま活用するので実際のシステムにも簡単に適用が可能です。」と述べた。

マキナロックスは、今年の7月、グローバル的な成長可能性や構築経験、技術力を備えていることが認められ、スタートアップとしては異例的に120億規模のシリーズAの投資誘致に成功した。韓国の主要大手企業や世界的な半導体会社が投資社として参加し、注目を集めた。


* 論文の全体内容は下記のりんくからご確認できます。
https://iclr.cc/virtual_2020/poster_HkgeGeBYDB.html

カテゴリートップへ

注目ニュース

ASCII倶楽部

最新記事

プレミアムPC試用レポート

ピックアップ

ASCII.jp RSS2.0 配信中

ASCII.jpメール デジタルMac/iPodマガジン