Key Sample Machine (=Functie approximator)

Een functie approximator wordt gebruikt om de beste wiskundie functie te vinden die de relatie beschrijft tussen enkele input(s) en een output. Hiermee kan de uitkomst voorspeld worden bij nieuwe input(s). In de praktijk zit er altijd veel ruis in data en een goed approximator zal deze eruit filteren om de beste benadering te vinden voor de benadering van de feitelijke relatie in de dataset (met ruis). Imotec heeft deze functie approximator verder ontwikkeld en gebruikt in diverse toepassingen.

Uit nader onderzoek (Y. Liu, Benchmarking of the Key Sample Machine) is gebleken dat de KSM in vergelijking met andere methodes een kleinere voorspellingsfout geeft bij data met (veel) ruis en dat bovendien in een kortere tijd dan andere methodes. In het bijzonder is de KSM dus zeer efficient, wat belangrijk is bij real time approximaties zoals gebruikt bij lerende regelaars voor lineaire motoren.

Het patent betreft een lineaire motor met verbeterde functie-approximator in het besturingssysteem. Oorspronkelijk werd de KSM ontwikkeld in het werkgebied van imotec voor verbeterde besturing van lineaire motoren.

Imotec heeft de KSM in verschillend ander toepassingen gebruikt en beschikt derhalve over de parktijkervaring om onder andere de KSM toe te passen in allerlei oplossingen op het gebied van Kunstmatige intelligentie. Imotec was een van de adviseurs voor het MKB in het Euregio project Kunstmatige Intelligentie In Bedrijf (KIIB).

Kenmerken:

• goede functie benadering

• zeer snel algoritme

• geschikt voor data met (veel) ruis

• efficiënt algoritme geschikt voor real time toepassingen

• kleine voorspellingsfout

• geschikt voor condition monitoring

• hulpmiddel voor snel inregelen van besturingen

Toepassingen:

• verbeterde besturing van machines

• econometrie

• beurskoers-, weer- of andere voorspellingen

Patenten:

• Lineaire motor met verbeterde functie approximator in het besturingssysteem

• Europees 02743976.9