ディープニューラルネットワークを用いた局所線形回帰

カテゴリ: 部門大会

論文No: TC18-5

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Local Linear Regression using Deep Neural Network

著者名: 但馬 慶行（日立製作所）,望月 義則（日立製作所）

著者名(英語): Yoshiyuki Tajima (Hitachi, Ltd. R&D Group),Yoshinori Mochizuki (Hitachi, Ltd. R&D Group)

キーワード: ディープニューラルネットワーク|局所線形回帰|表形式データ表形式データ|Deep Neural Network|Local Linear Regression|Tabular data

要約(日本語): ロボットや鉄鋼などの機械システムにおいて局所線形回帰の活用が検討されている。局所線形回帰は予測したい入力に応じてその入力に近い訓練データを重視して線形回帰モデルを構築する方法である。得られるモデルは線形であるため解釈性が高く，また線形モデル予測制御などに活用することもできる。一方，入力に応じて毎回モデルを作り直す必要があることが欠点である。これに対し我々は線形回帰モデルのパラメータを生成し，そのパラメータに基づき予測を行うディープニューラルネットワークを提案する。提案手法では近傍を利用した目的関数を導入することでEnd-to-endの学習を可能としている。人工データを用いた実験の結果，既存の局所線形回帰と同様の局所的な予測結果が得られることを確認した。また，CartPoleを用いて一般的な機械学習手法と比較した結果，比較的に高い予測精度を達成することができた。