講演抄録/キーワード |
講演名 |
2020-03-06 14:55
SOMと階層型クラスタリングの組み合わせに基づく気象条件の効率的なクラスタマッピング ○大沢和暉・亀井圭史(西日本工大)・石川眞澄(九工大) NC2019-113 |
抄録 |
(和) |
近年,深層学習(AI)による社会実装が試みられているがAIが下した判断根拠を示すことが困難であるために,社会実装が困難な場合がある.これを解決するために「説明できるAI」が注目されつつある.筆者らによる先行研究では,石川によるスパースモデリング手法を適用したRNNを用いて説明できるAIモデルを構築し,2017年と2018年のスパース化電力需要予測モデルを構築した結果,各年での重要な気象条件が異なることを示した.このため,電力需要予測では特定の気象条件下予測モデルの構築が重要であり,本研究では特定の気象条件を自己組織化マップと階層型クラスタリングを用いることでクラスタ化した結果を示す. |
(英) |
Recently, applications of Deep Learning(AI) for solving social problems have been frequently proposed. However, there are several difficult cases of that implementation because we are not able to understand the reason of answer from AI. For this, the “Explainable AI” attracts rising attention. We have applied sparse modelization is proposed by Ishikawa to constructing explainable RNN for prediction of power demands. The results showed that model construction under the certain weather conditions was important for prediction of power demands. In this study, we propose to create clusters of the certain weather conditions for prediction of power demands by RNN based on combination of Self-Organizing Map and hierarchical clustering method. |
キーワード |
(和) |
自己組織化マップ / 階層型クラスタリング / 説明できるAI / リカレントニューラルネットワーク / / / / |
(英) |
Self-Organizing Map / Hierarchical Clustering / Explainable AI / Recurrent Neural Network / / / / |
文献情報 |
信学技報, vol. 119, no. 453, NC2019-113, pp. 213-218, 2020年3月. |
資料番号 |
NC2019-113 |
発行日 |
2020-02-26 (NC) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2019-113 |
研究会情報 |
研究会 |
NC MBE |
開催期間 |
2020-03-04 - 2020-03-06 |
開催地(和) |
電気通信大学 |
開催地(英) |
University of Electro Communications |
テーマ(和) |
NC, ME, 一般 |
テーマ(英) |
Neuro Computing, Medical Engineering, etc. |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2020-03-NC-MBE |
本文の言語 |
日本語 |
タイトル(和) |
SOMと階層型クラスタリングの組み合わせに基づく気象条件の効率的なクラスタマッピング |
サブタイトル(和) |
|
タイトル(英) |
Efficient cluster mapping for conditions of weather based on combination of self-organizing map and hierarchical clustering |
サブタイトル(英) |
|
キーワード(1)(和/英) |
自己組織化マップ / Self-Organizing Map |
キーワード(2)(和/英) |
階層型クラスタリング / Hierarchical Clustering |
キーワード(3)(和/英) |
説明できるAI / Explainable AI |
キーワード(4)(和/英) |
リカレントニューラルネットワーク / Recurrent Neural Network |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
大沢 和暉 / Kazuki Osawa / オオサワ カズキ |
第1著者 所属(和/英) |
西日本工業大学 (略称: 西日本工大)
Nishinippon Institute of Technology (略称: NIT) |
第2著者 氏名(和/英/ヨミ) |
亀井 圭史 / Keiji Kamei / カメイ ケイジ |
第2著者 所属(和/英) |
西日本工業大学 (略称: 西日本工大)
Nishinippon Institute of Technology (略称: NIT) |
第3著者 氏名(和/英/ヨミ) |
石川 眞澄 / Masumi Ishikawa / イシカワ マスミ |
第3著者 所属(和/英) |
九州工業大学 (略称: 九工大)
Kyushu Institute of Technology (略称: KIT) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-03-06 14:55:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2019-113 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.453 |
ページ範囲 |
pp.213-218 |
ページ数 |
6 |
発行日 |
2020-02-26 (NC) |