Model Configurations：Convolutional Neural Network (CNN)
モデリングメソッド Convolutional Neural Network（Model > Configurations）が選択されていると、<output> タブの Model Configuration 領域には以下のエレメントが含まれます。出力ごとに個別のタブがあります。
Output Properties 領域とウィンドウ最下部のボタン行についての説明は、 Model Configurations (ASCMO-DYNAMIC)を参照してください。
Training Labels
モデルトレーニングを行いたいラベルを割り当てます。複数のラベルを使用する場合は、1つ以上のラベルに関連するすべてのデータが使用されます。
ラベルを割り当てるには、フィールドをダブルクリックして名前をキー入力します。リストに提示されたデータセットから選択することができます。
ラベルを削除するには、ラベルの x、または Del を使用します。
Validation Labels
検証データとして使用したいデータのラベルを割り当てます。複数のラベルを使用する場合は、1つ以上のラベルに関連するすべてのデータが使用されます。
ラベルを割り当てるには、フィールドをダブルクリックして名前をキー入力します。リストに提示されたデータセットから選択することができます。
ラベルを削除するには、ラベルの x、または Del を使用します。
|
注記 |
|---|
|
いずれのデータにも検証ラベルが割り当てられていない場合は、検証なしでトレーニングが行われます。ログウィンドウにメッセージが表示されます。Manage Datasets ウィンドウで、ラベルをデータに割り当てることができます。 |
Network Layout
Number of Layers
層の数を入力します。
Use Skip Connections
層の入力をその出力に加えるには、これをオンにします。
入力と出力のサイズが一致しない場合、入力は追加の畳み込み層で処理されてから出力に追加されます。スキップ接続は、選択された層をスキップして情報を流すことを可能にするもので、トレーニングを簡素化し、ネットワークのパフォーマンスを向上させることが示されています。
Number of Network Parameters
現在の設定
Output Properties
Output Transformation
出力の変換タイプを選択します。変換を利用することによりモデル予測を改善できます。トレーニングデータの値に負またはゼロが含まれる場合、一部の変換は使用不可となります。
以下から選択できます：
- none - 変換なし
- log(y) - 対数
Bounded：上下限値内に制限されます。
Edit をクリックして自動的に選択された上下限値を
表示、または手動で下限値と上限値を定義することができます。これらを手動で定義するには、Automatic チェックボックスをオフにします。上下限値はトレーニングデータの範囲内である必要があります。log(y+c)：対数 + 定数
Edit をクリックして自動的に選択された対数シフトを表示、または手動でシフト値を定義することができます。これを手動で定義するには、Automatic チェックボックスをオフにします。
Training Properties
Continue Training
新しいトレーニングを開始する代わりに、可能であれば既存のモデルトレーニングと反復を続行するには、このオプションをオンにします。Training Properties を変更して続行することができます。
Number of Multistarts
異なる開始値で行う反復の回数を入力します。値が大きいとモデル品質が向上しますが、モデルトレーニングの所要時間が長くなります。デフォルトは3です。
モデルトレーニングにおいて実施する反復回数を入力します。検証データで10回反復してもモデル性能が向上しない場合、トレーニングは中止されます。ディープラーニングにおいて、これはよく「エポック数」と呼ばれます。
Snippet Length
データを分割した配列のサイズを入力します。これによりオプティマイザは、固定長（入力された値と受容野の長さの合計）の配列のバッチを取得します。スニペット長のデフォルト値は50です。
現在のデータの長さがこの程度のステップ数以下であれば、"Snippet Length" = 50での最適化も可能ですが、スニペット長を短くすることをお勧めします。値が小さいほどトレーニングが速くなります。
Plot RMSE during Training
トレーニングデータと検証データのRMSE値をモデルトレーニング中に表示したい場合は、オンにします。
Activate Detailed Training Settings
チェックボックスをオンにすると、Detailed Training Settings セクションが表示されます。
を [-1, 1] に含まれる長さ 1 の区間にスケーリングします。
Anomaly Percentile
正常とされる再構成誤差の百分位数を入力します。モデル選択に検証データセットが使用されている場合は、この値は検証データに基づいて計算され、そうでない場合はトレーニングデータに基づいて計算されます。値は異常スコアの0.5にマッピングされます。
Smoothing
メディアンフィルタのステップ数として、データポイントのウィンドウサイズの値を入力します。異常予測のため、信号が平滑化されます。これによって、より良い結果が導き出されます。
Smoothing Window Centered
スムージングウィンドウの中心を評価点にしたい場合、つまり未来の点も考慮したい場合は、オンにします。オフにすると、スムージングウィンドウでの計算に過去のポイントのみが使用されます。
Rounding Threshold
異常予測しきい値（その値を下回るとモデルの予測値が自動的に0に設定され、それ以外は1になります）を入力します。しきい値は、Receiver Operating Characteristic（Model > Anomaly Detection: Receiver Operating Characteristic）に表示されます。
Inputs used in Model Training
この領域にはモデルのすべての入力が表示されます。ここで各入力をモデルトレーニングに含めるかどうかを指定することができます。
デフォルトにおいては、すべての入力が含まれます。
参照