|
本研究の学術的意義は、敵対的学習の一種であるAAEを用いた深層学習による異常検知手法の確立にある。正常サンプルと、少量の異常サンプルによる性能向上を明らかにし、既存のAutoEncoderと比較して異常検知性能が大幅に向上することを明らかにした。
社会的には、異常検知は検査やセキュリティ等への応用が可能であり、本研究はハンダの異常検知への具体的な応用を示した。社会で人手不足問題が深刻化する中、検査の自動化のニーズは高まっており、本手法はその解決に大きく寄与する。さらに、学習サンプルの準備のみで可能な学習手法は、従来の画像処理による検査システムより短時間で導入が可能となる。
|
