当社は『リザーバコンピューティング』という技術の可能性にいち早く着目し、時系列データの機械学習において主流とされるディープラーニングの性能を超えた『Qore』エンジンを独自開発。GPUなど、高価な機器を使うことなく学習時間を1/100オーダーに短縮し、精度の維持もしくは向上させることに成功しました。 ＜少量データで「リアルタイム学習」を高精度に実現する『Qore』シリーズ＞ 『リザーバコンピューティング』という技術をベースとして、ディープラーニング（Long short-term memory：LSTM）の性能を圧倒的に超える精度、スピードを実現する多変量時系列処理（Recurrent Neural Network：RNN）ソリューション『Qore（コア）』の開発に成功しました。『Qore』シリーズの特長は「データ波形を効率的に捉えることで、少ないデータ量でLSTMより高速に学習できる」ことにあり、個体差・環境差・時間差等の影響が大きい領域（＝ルールベースの推論モデルが通用しにくい領域）において、特に力を発揮します。 【3つの強み】 ■新たな次世代多変量時系列処理(RNN)ソリューション 当社APIにJSON形式で少ないデータを送るだけで、簡単に高精度な時系列処理を行うことが出来ます。ディープラーニングにおいて必要な、複雑なパラメータチューニングは不要です。例えば、僅かな学習データを用いて9名の音声から話者を分類するタスクでは、チューニング無しで99.2%の高精度を実現しました（※当社実験比）。 ■安価な2つのソリューションを提供 高価なGPUなどは不要です。当社は従量制APIを提供しており、ボタン一つでマイコン発注し、そのままエッジ化。例えば、『WebQore』は使用した分だけの従量課金。また『EdgeQore』を使用すればGPUを使わずに手元のマイコンで学習処理が可能となり、簡単にエッジコンピューティングが実現できます。 ■独自の方法でとにかく速い処理を実現 最新鋭の次世代コンピューティング『リザーバコンピューティング』の活用により、リアルタイム学習が可能。深層学習とは異なる独自の方法でRNNを実現しました。高価なGPUに頼り、学習はバッチ処理……なんてことは不要です。

当社は『リザーバコンピューティング』という技術の可能性にいち早く着目し、時系列データの機械学習において主流とされるディープラーニングの性能を超えた『Qore』エンジンを独自開発。GPUなど、高価な機器を使うことなく学習時間を1/100オーダーに短縮し、精度の維持もしくは向上させることに成功しました。 ＜少量データで「リアルタイム学習」を高精度に実現する『Qore』シリーズ＞ 『リザーバコンピューティング』という技術をベースとして、ディープラーニング（Long short-term memory：LSTM）の性能を圧倒的に超える精度、スピードを実現する多変量時系列処理（Recurrent Neural Network：RNN）ソリューション『Qore（コア）』の開発に成功しました。『Qore』シリーズの特長は「データ波形を効率的に捉えることで、少ないデータ量でLSTMより高速に学習できる」ことにあり、個体差・環境差・時間差等の影響が大きい領域（＝ルールベースの推論モデルが通用しにくい領域）において、特に力を発揮します。 【3つの強み】 ■新たな次世代多変量時系列処理(RNN)ソリューション 当社APIにJSON形式で少ないデータを送るだけで、簡単に高精度な時系列処理を行うことが出来ます。ディープラーニングにおいて必要な、複雑なパラメータチューニングは不要です。例えば、僅かな学習データを用いて9名の音声から話者を分類するタスクでは、チューニング無しで99.2%の高精度を実現しました（※当社実験比）。 ■安価な2つのソリューションを提供 高価なGPUなどは不要です。当社は従量制APIを提供しており、ボタン一つでマイコン発注し、そのままエッジ化。例えば、『WebQore』は使用した分だけの従量課金。また『EdgeQore』を使用すればGPUを使わずに手元のマイコンで学習処理が可能となり、簡単にエッジコンピューティングが実現できます。 ■独自の方法でとにかく速い処理を実現 最新鋭の次世代コンピューティング『リザーバコンピューティング』の活用により、リアルタイム学習が可能。深層学習とは異なる独自の方法でRNNを実現しました。高価なGPUに頼り、学習はバッチ処理……なんてことは不要です。