こちらもご参照ください。

★PointNet#

 

時系列情報を付与したPointNet#という新手法を開発し、「色情報と時系列情報を付与した3次元点群の分類」という論文を人工知能学会で発表しています

PointNet++に色情報を特徴量として追加し、PointNet++の特徴抽出入力の構造を変更したモデルです。

弊社ではこの技術に対して、以下のような研究を行っています 。

□ 従来モデルに時系列情報を付与した新手法の開発

□ 2Dでは検出困難な異常の検知

 


家具の3D異常検知

 

3Dスキャンによって得ることができる3D点群データを用いて、 異常検知やパーツごとの分類が行われています。
2Dでは正確に把握することが難しい異常(シワ等)を3Dデータを用いた アプローチによって、2Dより高い精度で検出することができます。

・家具の3Dデータを3Dスキャンすることで、データを構築。
・PointNet++で不良判別を行うため、GANの活用でデータを増やす。
・おおむね90%~95%の精度を達成。
・下記は実施イメージ 100%精度のサンプル


シワのない立方体

シワのある立方体

識別精度の変化


為替情報の幾何学的特徴を用いた売買アルゴリズムの検討

 

PointNet++という3D学習機を用いて為替情報の分類を行いました。

本研究の目標は、為替取引(ドル円)に対して機械学習を用いたアプローチによってリターンを上げることでした。

・PCAおよびt-SNEを用いて、インプット情報を三次元データとする

・正解ラベルは5分後の価格変動に応じて行う(表1)

・連続する512時点分の三次元データを間隔256で移動させて順次入力
→パラメーター最適化

 

学習結果、以下のような表現を得ました。

Stay UpDown

 

詳しくは人工知能学会金融情報学会第21回での発表についての記事をご参照ください。

クリスタルメソッド 株式会社

〒102-0073
東京都千代田区九段北4丁目1-14 TLビル5F

都営新宿線「市ケ谷駅」より徒歩3分
東京メトロ有楽町線・南北線
JR 総武線「市ケ谷駅」より徒歩5分