特徴抽出 (Feature Extraction)
特徴抽出 (Feature Extraction)とは、生データから識別や予測に有用な特徴や表現を取り出す処理です。
画像、音声、テキストなどの高次元データから、その本質的な特性を低次元の特徴ベクトルとして抽出することで、後続の機械学習アルゴリズムの効率と精度を向上させます。主成分分析（PCA）、フーリエ変換、畳み込みフィルタなど様々な手法が用いられます。
CAEサロゲートAIにおける特徴抽出の役割
CAEのサロゲートAIにおいては、複雑なシミュレーション結果から物理的に意味のある特徴量を抽出することが重要です。例えば、固有モード分解（POD）や力学的エネルギー分布、応力集中係数などを特徴として使用することで、サロゲートモデルの予測精度と物理的整合性を向上させます。また、深層学習による自動特徴抽出も活用され、エンジニアが事前に定義していない潜在的な物理パターンを発見し、モデルの汎化性能を高める役割を果たしています。