| 講演名 | 2020-03-06 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(西日本工大), 亀井 圭史(西日本工大), 石川 眞澄(九工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | Self-Organizing Map / Hierarchical Clustering / Explainable AI / Recurrent Neural Network |
| 資料番号 | NC2019-113 |
| 発行日 | 2020-02-26 (NC) |
| 研究会情報 | |
| 研究会 | NC / MBE |
|---|---|
| 開催期間 | 2020/3/4(から3日開催) |
| 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. |
| 委員長氏名（和） | 庄野 逸(電通大) / 野村 泰伸(阪大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Taishin Nomura(Osaka Univ.) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 渡邊 高志(東北大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Takashi Watanabe(Tohoku Univ.) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 伊良皆 啓治(九大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Keiji Iramina(Kyushu Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 鈴木 康之(阪大) / 辛島 彰洋(東北工大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Yasuyuki Suzuki(Osaka Univ.) / Akihiro Karashima(Tohoku Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on ME and Bio Cybernetics |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 大沢 和暉 / Kazuki Osawa |
| 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） | 亀井 圭史 / Keiji Kamei |
| 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） | 石川 眞澄 / Masumi Ishikawa |
| 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) |
| 発表年月日 | 2020-03-06 |
| 資料番号 | NC2019-113 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | NC-453 |
| ページ範囲 | pp.213-218(NC), |
| ページ数 | 6 |
| 発行日 | 2020-02-26 (NC) |