機械学習を用いて、スマートで適用性のあるアプリケーションを提供いたします。我々は経験を重ねており、目的に際した効果的な開発プロセスを機械学習フレームワークTensorFlowや、 統計解析向け言語Rによる数学アルゴリズムを用いた設計が可能です。
設計・開発・運用全てにおける豊富な経験に基づいて、お客様のニーズに沿ったハードウェアのソリューションを提供します。 NVIDIA’s DGX-1等のディープラーニングプラットフォームを基に既存のハードウェアの再利用によるサーバークラスタリングを行います。
機械学習は画像認識に非常に有効な技術です。
Avintonの機械学習エンジニアが研究目的で開発した画像識別プログラム、
Dog Face Classificationです。
犬の画像をドラッグ&ドロップするだけで、犬種を特定できます。
GoogleやBaiduのような様々な大企業は、建物への入退場管理のための顔認識などの、非常に複雑なシステムを構築するために、何層にも渡って積み上げられた畳み込みニューラルネットワークをトレーニングしてきました。 これらは大型のスーパーコンピュータで訓練されています。
我々は、そのモデルの最後のいくつかのレイヤーを再学習させるだけで、モデルに訓練された物体認識に使用される多くのパターンマッチングを利用することができます。 これにより、非常に高価なハードウェアを使用する必要がなくなり、また優れた結果が得られます。
こちらのデモアプリケーションをぜひお試しください。
Avintonの機械学習エンジニアが、研究開発のために、
Inception-V3モデル（ImageNetに基づく）での転移学習・CNN（畳み込みニューラルネットワーク）・K-meansクラスタリング・TensorFlowを使用し開発しました。
モデルのハイパーパラメータを調整することにより、比較的小さなトレーニングセット（約300匹の犬種、約3万画像）で高精度の結果を出すことに成功しました。
サンプルとして、犬の画像をドラッグアンドドロップして犬を識別できるDog Face Classificationを公開しました。
ぜひ試してみてください。
同様のアプローチを使用して、最小限のトレーニングデータでさまざまな画像分類の問題に対するソリューションをご提供できます。
投資の観点から、今最も価値のある物件はどれか？
この作品では、過去10年間の日本の不動産市場の売上データ（〜1000万件）を分析し、賃貸収益と再販売価値から、今日の市場で販売されている不動産のうち、どれが最高の投資収益率を引き出す可能性が高いかを評価します。
レンタルリターン、人口の多い市内中心部、鉄道駅などのさまざまな要因を考慮しています。数値データ分析と地理分析の組み合わせにより、投資家は土地や商業用不動産などの投資の種類を絞り込むことができます。
建物の劣化と鑑定値の相関傾向を分析し、不動産価格を年ごとに知ることができます。
県/市町村別に不動産価格の推移を可視化できるGISアプリケーションのサンプルをご覧ください。
このプロジェクトでは、R、GEO変換、そして従来の統計解析手法を用いたアルゴリズムを使用しています。
今日販売されている多くの不動産の価値特性を強調する分析結果に興味がある場合は、お問い合わせください。
住宅地における夜間の騒音は、住民に大きな苦痛・ストレスを与えます。
自治体の騒音公害は以前から問題視されており、改善によって生活の質が向上し、空気汚染と騒音のない清潔な居住環境を得ることが期待されています。
我々は、市町村が騒音公害対策のための騒音源（オートバイ、建設騒音など）の特定に取り組んでおり、
ヒートマップを使用したさらなるレポート作成では、ノイズ軽減スキームの継続的な監視と評価が可能です。
私たちのソリューションは、機械学習とサウンドとイメージの組み合わせを使用したノイズ汚染物質の自動識別です。
多数のラベル付きサンプルを使用して、サウンドサンプルを入力し、その中の音源を特定できるモデルを訓練しました。
さまざまな測定値が地図上にプロットされると、都市周辺の様々な有害な汚染物質のヒートマップが作成されます。これにより、地方自治体は、主要な騒音汚染要因に対処する緩和計画を検討することができます。
入力：鳥の歌 → 出力：鳥の種類と写真
これを達成するために、以下のテクニックを使用します。
このプロジェクトは、機械学習を使用したサウンド識別のための社内デモンストレーションプロジェクトであり、ここで使用される技術は他のサウンド処理プロジェクトにも応用できます。
現在、機械学習における画像分類技術は様々な場面で実用化されています。
Avintonは、レントゲンやMRIスキャン用の機械学習を使用して画像分類技術を開発するために、医療機関と協力して研究開発プロジェクトに携わっています。
医学的画像を読むには、何年もの訓練と経験が必要です。
分析を自動化することにより、患者に高価な治療を提供し、コストを削減することが可能になります。
機械学習を用いたがん検診サポートは、医師が見落とす可能性のある早期の小さな腫瘍を特定するのに役立ち、早期発見・早期治療による患者の生存率の上昇が期待できます。
このプロジェクトでは、トレーニングセットが非常に大きく、かなりの計算能力が必要で、その計算スケールは、基盤となるハードウェアの潜在能力を確実に発揮するという事において、チャレンジングな内容となっています。
無線業界では、ネットワークの周りに配備されたさまざまな基地局から膨大な量のデータが収集されます。このパフォーマンス情報を使用して、最適なユーザーエクスペリエンスを実現するためにネットワークパラメータを調整することができます。
業界では、この概念をセルフ・オーガナイジング・ネットワーク
（SON：Self Organizing Network）と呼び、
機械学習技術を適用することによって、ネットワークパラメータを自動的に調整して、自動的にネットワークを自己調整することができます。
パフォーマンスの結果はシステムにフィードバックされ、パラメータは1サイクルで調整され、ネットワーク品質の継続的な改善を実現します。
GEOの視覚化と組み合わせて、チャートとマップの両方を使用して改善点を視覚化することが可能です。
機械学習を使用することで、従来の技術では不可能な大規模なネットワークのファインチューニングを実現できます。システム内のルールを構成して、周囲のノードを調整し、障害を補うこともできます。
コンセプトは自己治癒です。
この技術にご興味のある方は、ぜひご連絡ください。
バナー広告は、今日のビジネスに使用されている機械学習技術の中でも、最も普及している用途の一つです。
Avintonは、どのバナーをどの顧客にいつ表示するべきか、というバナー表示の最適化を自動化できるシステム開発を行いました。
開発には以下の技術を使用しました。
バナー表示の最適化にご興味のある方は、ぜひご連絡ください。
