メインコンテンツまでスキップ

用語集

以下は、Reality AI Toolsで使用される技術用語と機能のアルファベット順リストです。プラットフォーム全体での使用法を理解するのに役立つ詳細な定義が記載されています。

A​

AI Explore​

データサンプルリスト を分析し、特徴空間 (Feature Spaces) と 決定構造 (Decision Structures) を自動的に比較して、最適なモデルアーキテクチャを提案するReality AI Toolsの機能。これは、ほとんどのユーザーにとっての典型的な出発点となります。

Anomaly Detection (異常検知)​

正常な動作から逸脱したデータパターンを特定するための半教師あり学習手法。トレーニングには正常なサンプルのみが必要ですが、反例（異常データ）も利用可能な場合は、結果を自動的に最適化できます。

B​

Base Tool (ベースツール)​

特徴空間 (feature-space)、決定構造 (decision-structure)、および推論 ターゲット(target)を含む、AIモデルの基盤を定義します。ベースツールは特定のデータでトレーニングされ、学習済みツール (Trained Tool) を作成します。初期のベースツールと学習済みツールは通常、AI Exploreの実行から作成され、さらなるトレーニングと改良の基盤となります。

C​

Cortex Microcontroller Software Interface Standard – Neural Networks (CMSIS-NN)​

組み込みモデル推論を加速するために使用される、最適化されたニューラルネットワークカーネルのコレクション。これらは、ARMコアデバイスにモデルを展開する際に活用される場合があります。

Confusion Matrix (混同行列)​

予測ラベルと実際のラベルを比較して分類性能を評価するために使用される視覚的および表形式のツール。詳細については、混同行列の読み方 を参照してください。

Convolutional Neural Network (CNN / 畳み込みニューラルネットワーク)​

畳み込み層を含むニューラルネットワーク。このようなネットワークは、特徴空間 (feature-space)自体によっては直接抽出されないデータ内の特徴構造を学習できます。CNNは、他のモデルタイプと比較して、フットプリントが大きく、推論時間が遅くなる傾向があります。

Curate (整理 / キュレート)​

AIモデルのトレーニングとテストで使用するためにデータファイルを整理するプロセス。これには、不良データの削除、データのグループ化とラベル付け、および生のセンサーデータをセグメント化してサンプルにする準備が含まれます。データの準備 (Data Readiness) および 整理 (Curate) セクションを参照してください。

D​

Data Sample List (データサンプルリスト)​

セグメンテーション（分割）を通じて生ファイルから派生した、より小さなデータフレームのセットで、モデルのトレーニングに使用されます。各フレームは、推論モデルによって見られる1つのテストサンプルを構成し、結果はそれに応じて追跡および集計されます。「セグメント化リスト (Segmented List)」とも呼ばれます。

Decision Structure (決定構造)​

AI分類器モデルの推論アーキテクチャ。例えば、ニューラルネットワーク、畳み込みニューラルネットワーク、サポートベクターマシン、または (K-means) などがあり、NNの場合はネットワーク層、SVMの場合はアンサンブル戦略などの内部構造も含まれます。

Deployment (展開 / デプロイ)​

学習済みモデルをパッケージ化し、実環境で使用するためにクラウドまたは組み込みシステムにエクスポートするプロセス。組み込み (Embedded) セクションを参照してください。

E​

e² studio​

ルネサス エレクトロニクスが提供する統合開発環境 (IDE)。ルネサスのマイコンおよびマイクロプロセッサ上の組み込みアプリケーション開発向けに特別に設計されています。

Energy Triggered (エネルギートリガー)​

固定スライディングウィンドウアプローチを使用する代わりに、入力信号のエネルギーパターンまたは閾値に基づいてデータをサンプルに分割するReality AI Toolsのセグメンテーション方法。エネルギートリガーを使用してデータサンプルリストを作成する方法については、こちら をクリックしてください。

Explorer Tier (エクスプローラー層)​

限られた機能とデータセットを使用してReality AI Toolsをテストできる無料トライアルアカウント。

F​

Feature Space (特徴空間)​

周波数成分や統計的属性など、モデルのトレーニング中に入力データを記述するために使用される派生属性のセット。Reality AI Toolsで使用されるものについては、特徴空間 ページを参照してください。

File Level Metadata (ファイルレベルメタデータ)​

データセット内の個々のファイルに割り当てられた記述ラベル。

Full-Access Account (フルアクセスアカウント)​

アップロード、ダウンロード、モデル展開を含むすべての機能への無制限アクセスを提供する、有料のReality AI Toolsサブスクリプション。

K​

K-Fold Validation (K-fold検証 / K分割交差検証)​

データセットをK個のパートに分割し、複数のトレーニング/テスト分割にわたってモデルの精度を評価する交差検証手法。Reality AI Toolsは、AI Explore中に10-fold（10分割）テストを適用し、ユーザーは 検証 (Validation) ページで独自のK-foldテストを設定できます。

K-Means (K平均法)​

類似性（通常は距離メトリックを使用）に基づいてデータをK個の異なるグループに分割する、クラスタリングベースのモデル決定構造。これは、特にクラスラベルが利用できない場合に、異常検知やパターン認識に役立つ教師なし手法です。K-meansはコンパクトなフットプリントと効率的な推論を備えており、リソースに制約のある組み込み展開に適しています。

M​

Metadata (メタデータ)​

メタデータとは、参照や文脈理解を目的としてデータのサブセットに割り当てられた記述ラベル（グループ番号、日付、マシンのソース、色など）を指します。メタデータは、ファイルレベル（ファイルレベルメタデータ）またはファイル内のデータブロック内のサンプルレベル（サンプルレベルメタデータ）で定義できます。ターゲットクラスまたはターゲット値は、特別なタイプのメタデータとみなされます。

N​

Neural Network (NN / ニューラルネットワーク)​

学習された重みを持つニューロンの層を接続することに基づくモデル決定構造。より複雑なクラス構造を持つユースケースでより良いパフォーマンスを発揮する可能性がありますが、展開時のフットプリントは大きくなります。

O​

One-vs-all​

個々のクラス対残りのすべてのクラスに対して、1つの学習器のみが作成されるSVMアンサンブル構造。

One-vs-one​

可能なすべてのクラスの組み合わせペアに対して、1つの学習器が作成されるSVMアンサンブル構造。

Optimize BOM (BOMの最適化)​

AIモデルの臨界限界を見つけることで、ユーザーがハードウェアとセンサーのコストを最適化するのを支援するReality AI Toolsの一連の機能。これには、センサー数を減らすための センサーチャネル選択 (Sensor Channel Selection) や、信頼性の高い動作に必要な最小サンプルレート、ビット深度、ノイズフロアを決定するための 感度と許容度 (Sensitivity and Tolerance) テストが含まれます。

P​

Project (プロジェクト)​

特定のユースケースのデータセット、モデル、構成、および結果を保持するReality AI Tools内のコンテナ。ユーザーはデータをプロジェクト別に整理することをお勧めします。

R​

Reality AI Tools​

組み込みシステム向けに調整されたAIモデルの開発、トレーニング、検証、および展開を行うための、ルネサスによるクラウドベースのプラットフォーム。

Remaining Useful Life (RUL / 残存寿命)​

コンポーネントが故障するまでどのくらい稼働するかを予測する回帰モデルの出力。

S​

Sample Rate (サンプルレート)​

センサーからデータポイントが収集される頻度。通常はヘルツ (Hz) で表されます。

Sample Level Metadata (サンプルレベルメタデータ)​

ファイル内のデータブロックに割り当てられた記述ラベル。

Secure File Transfer Protocol (SFTP)​

暗号化された接続を通じて大規模なデータセットをReality AI Toolsにアップロードするために使用される安全なファイル転送プロトコル。

Segmented List (セグメント化リスト)​

セグメンテーション（分割）を通じて生ファイルから派生した、より小さなデータフレームのセットで、モデルのトレーニングに使用されます。各フレームは、推論モデルによって見られる1つのテストサンプルを構成し、結果はそれに応じて追跡および集計されます。「データサンプルリスト (Data Sample List)」とも呼ばれます。

Sliding CSV Window (スライディングCSVウィンドウ)​

時系列データ全体にわたって一定の間隔またはストライドで移動ウィンドウを使用することにより、データサンプルリスト を作成するセグメンテーション戦略。これらのウィンドウは重複する場合もしない場合もあります。

Support Vector Machine (SVM / サポートベクターマシン)​

超平面でデータを分割することに基づくモデル決定構造。多くのユースケースにおいて、優れた汎化特性を保持しながら、非常にコンパクトな組み込みフットプリントを実現します。

T​

Target (ターゲット)​

各AI推論モデルにはターゲットがあります。モデルのタイプに応じて、ターゲットは ターゲットクラス (Target Class) またはターゲット値 (Target Value) になります。 データサンプルリスト には、使用されるAIモデルタイプと互換性のあるターゲットのラベルが付けられます。

Target Class (ターゲットクラス)​

サンプルの状態または条件を示すために分類タスクで使用されるカテゴリカルラベル。

Target Value (ターゲット値)​

温度や圧力などの量を表すために回帰タスクで使用される数値。

Trained Tool (学習済みツール)​

ユーザーが提供したデータでトレーニングした後に、ベースツール から派生したAIモデル。学習済みツールには、ベースツールアーキテクチャに加えてトレーニングチェックポイントが含まれます。また、エラーバランス調整やスムージングなどの追加の後処理の側面も含まれる場合があります。学習済みツールはAI推論モデルを完全に定義し、Reality AI Tools内でテスト、最適化、および展開を行うための基本単位です。