スタッキング（Stacking）
スタッキングとは、複数の異なる機械学習モデルを組み合わせて、より高精度な予測を実現する手法です。
個々のモデルの予測結果を入力として、さらに上位のモデルが最終予測を行うため、単一モデルでは捉えきれない複雑なパターンを学習できます。
CAEサロゲートモデルでの活用
製品設計では、応力集中や振動特性など異なる物理現象を同時に予測する必要があります。
スタッキングを行うことにより、線形回帰、決定木、ニューラルネットワークなど複数の予測モデルを組み合わせ、各モデルの長所を活かしながら弱点を補完できます。例えば、エンジン部品の設計最適化において、材料非線形性を得意とするモデルと幾何学的非線形性に強いモデルを統合することで、単一手法では困難な高精度予測を実現し、より信頼性の高い最適解を導出できます。
サイバネットのAIソフトウェア・ソリューション
サロゲートモデル構築のための深層学習ソフトウェア Neural Concept Studio
Neural Concept Studio (NCS) は、設計プロセスを劇的に加速する深層学習ベースのソフトウェアです。既存の形状パターンやシミュレーションデータからサロゲート(代理)モデルを構築することで、設計変更に対する解析結果が最短数ミリ秒で出力されます。
AI画像認識カスタムソリューション
製造業特化の欠陥検出AIソリューションです。お客様の工場ごとに最適化されたフルオーダーメイドAIだからこそ、他社の汎用AIでは検出できない微細な欠陥も検出可能に。金属・樹脂・塗装・半導体など、あらゆる検査ニーズに対応します。