Modelメニュー（ASCMO-DYNAMIC）

Model メニューには以下のエントリが含まれます。

Configurations

Model Configurations (ASCMO-DYNAMIC) ウィンドウが開き、各タブで、モデル設定を出力ごとに定義できます。

Configurations for All

Model Configurations (ASCMO-DYNAMIC) ウィンドウが開き、すべての出力のモデル設定を定義することができます。

Train Models

Untrained Models（トレーニングされていないモデル）と Models with changed data（データが変更されたモデル）のどちらをトレーニングするかを選択することができます。

Configuration Manager

"Model Configuration Manager" ウィンドウが開き、コンフィギュレーションの編集や比較と、トレーニングに使用するコンフィギュレーションの選択が行えます。

Model Manager

Model Manager ウィンドウが開いて、既存のすべてのモデルの概要が表示され、それらを編集することができます。

Automated Machine Learning

Automated Machine Learning ウィンドウを開き、RNN（再帰型ニューラルネットワーク）とNARXモデリングメソッドのハイパーパラメータを自動的に見つけ出します。これには、セルタイプ、層数、記憶サイズ、オプティマイザ設定が含まれます。

NARX Feature Search

NARX Feature Search ウィンドウが開き、NARXフィーチャー検索を設定して実行することができます。

Set Working Configurations as References

ワーキングモデルの現在のコンフィギュレーションを参照モデルのコンフィギュレーションとして設定します。

Delete Configurations

"Delete Configurations" ウィンドウが開いて、削除するコンフィギュレーションを選択することができます。そのコンフィギュレーションに依存するモデルも削除されます。

削除したいコンフィギュレーションのチェックボックスをオンにします。

(De)Select All：すべてのチェックボックスをオンまたオフにします。

OK：設定内容を確定し、ウィンドウを閉じます。

Cancel：設定内容を破棄し、ウィンドウを閉じます。

Delete Unused Configurations

未使用のコンフィギュレーションをすべて削除します。

Delete all but Working Configurations

ワーキングコンフィギュレーション以外のコンフィギュレーションをすべて削除します。

NARX Model Options

NARX Structure モデル用オプションのためのサブメニューが開きます。

One Step Ahead Prediction

このメニューオプションで、モデル予測のメカニズムを選択します。

NARX構造：1段先行予測／多段先行予測を参照してください。

Multi Step Ahead Prediction

Initial State of NARX Values

"Initial State of NARX Values" ウィンドウを開き、NARX初期値を決定する方法を指定します。

詳細はNARXの初期値を参照してください。

Measured vs. Predicted

散布図ウィンドウが開き、各データの測定値が、モデル予測に照らしてプロット表示されます。期待される結果は左下から右上に向かう対角線で、これは予測と測定結果が完全に一致している状態に相当します。さらに、入力とデータセットの散布図も表示されます。

Input Relevance (RMSE)

すべて、または1つの出力について"Input Relevance" ウィンドウ（ASCMO-DYNAMIC）が開き、"Relevance of Inputs" ウィンドウ（ASCMO-DYNAMIC）の設定を定義することができます。

Show Statistics

Statistics ウィンドウを開き、プロジェクトの統計情報を表示します。

Anomaly Detection：Receiver Operating Characteristic

ROC（受信者動作特性）曲線を使用して、異常検出用の分類子のパフォーマンスを評価し、メソッドのパフォーマンスを測定します。これはパフォーマンスの可視化に利用することができます。ROC曲線を用いて真陽性と偽陽性の評価が行えます（分類：真と偽、および陽性と陰性）。

Anomaly Detection：Visualization

"Anomaly Detection Scope View" ウィンドウを開きます。

モデルの再構成が成功して、モデルが修正されたかどうかを調べることができます。再構成が成功した場合は、どの信号に異常があるかを特定することができます。

Model Memory Impact

"Model Memory Impact" ウィンドウが開きます。ここでは、モデルメモリがモデル評価に与える影響を表示して、安定したモデルを容易に選択できる機能が利用できます。

Cross Validation on Training Set

"Cross Validation" ウィンドウを開き、交差検証を何重に行うかを指定します。トレーニングデータセットの交差検証を参照してください。

CCR Validation

注記
この項目は、Advanced Settingsがオンになっている場合にのみ使用できます。

相互相関分析（CCR）により、選択された残差の相関を調べることができます。

Residuals Training Data	"Cross Correlation of Residuals" ウィンドウを開き、トレーニングデータまたはテストデータについて、予測残差の自己相関を表示します。望ましい挙動は、タイムラグが0の時に相関が1.0になり、指数関数的に減少することです。
Residuals Test Data
Residuals and Inputs Training Data	"Cross Correlation of Residuals and Inputs" ウィンドウを開き、トレーニングデータまたはテストデータについて、残差と入力との相互相関を表示します。期待される相互相関は0で、顕著なピークがまったくないことです。
Residuals and Inputs Test Data

"Cross Correlation"ウィンドウ（相関関係ウィンドウ）を参照してください。