AI・機械学習の開発/活用支援を行うことで、企業の生産性改善に貢献します。また、研究活動を通してさらなるAI・機械学習の技術的発展に参加します。

一般的にディープラーニングや機械学習を用いた学習内容は解釈不可能であり、「ブラックボックス」と呼ばれます。しかし、解釈できない予測結果を人間が受け入れることは難しく、人間とAIの共存協業における大きな課題となっています。

本研究では、ディープラーニングで株価を学習させ、人間が解釈可能なファクター（例えば、時価総額など）ごとに予測結果への寄与率を計算しました。

私たちはディープラーニングの構築と実装、検証作業を行いました。

MIDAS 2018 : MIDAS @ECML-PKDD 2018

掲載先はこちら

農薬認可のための環境試験の一つに土中残留率があります。実験農場で農薬を散布し、長い時間をかけて計測する必要があるため、膨大なコストがかかり、農薬企業にとって大きなリスクとなっています。

本研究では、開発した農薬の分子構造を解析することで土中残留率の予測を行いました。農場試験の実施の前に分子構造的な問題を検知することで経営上のリスク低減を目指します。

私たちは予測用の機械学習と検証のプログラミングを行いました。

Environmental Toxicology and Chemistry

掲載先はこちら