エッジ側でリアルタイムに学習する軽量の機械学習ツールキット

　エイシングの「ディープ・バイナリー・ツリー」（DBT）は、軽量の機械学習ツールキットである。クラウドと通信することなく、工場などに設置したエッジコンピュータの上で、IoTデータをリアルタイムに学習できる。

高速処理を得意とする「DBT-HS」に、予測精度を高めた「DBT-HQ」を追加した

（出所：エイシング）

[画像のクリックで拡大表示]

　学習によって生成した予測モデルを用いた予測処理だけでなく、予測モデルを生成するためのデータの学習工程もエッジ側で実行できる。エッジによるリアルタイムな逐次学習によって、環境や個体の変化に追従できる。

　製品のラインアップとして、高速に処理できることを追求した「DBT-HS（High Speed）」と、生成した予測モデルの精度を追求した「DBT-HQ（High Quality）」の2種類を用意している。

　DBT-HSは、エッジ側で自律的に学習できるメリットがあるが、生成した予測モデルの精度は、クラウドで生成した予測モデルに劣っている。DBT-HQは、予測精度をクラウドで学習した場合と同様に高めることを狙っている。

　DBT-HSとDBT-HQの比較では、手書き英字の特徴量からアルファベットを特定する検証において、DBT-HSが63.0％の正解率だったのに対して、DBT-HQでは90.6％という高い正解率となった。DBT-HQは、DBT-HSに対して10～50％程度予測の精度が向上している。

　エイシングは、DBT-HQの適用領域として、自動運転車や産業機械のような、導入機器側でリアルタイムに精度の高い予測が必要なケースを想定している。