ガウス過程によるハイパーパラメータ最適化に基づくLSTMを用いたシステム変動分類手法の改良

カテゴリ: 部門大会

論文No: TC5-6

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Improvement of system variation classification methods using LSTM based on hyperparameter optimization using Gaussian process

著者名: 糸原 駿人（広島大学）,林田 智弘（広島大学）,西崎 一郎（広島大学）,関崎 真也（広島大学）

著者名(英語): Hayato Itohara (Hiroshima University),Tomohiro Hayashida (Hiroshima University),Ichirou Nishizaki (Hiroshima University),Shinya Sekizaki (Hiroshima University)

キーワード: システム変動分類|LSTM|ガウス過程|ハイパーパラメータ最適化

要約(日本語): PID制御は，多くのプロセス制御の現場において用いられる制御方法であり，適切な制御パラメータを設定することで優れた制御性能を発揮することができる．一方で，外的要因や内部構造の変化などによりシステム特性が変動した場合，制御パラメータを再設定する必要があるが，変動した対象に対して，適切に制御パラメータを設定することは困難である．システム変動を適切に分類することができれば制御パラメータの再設定に有用であると考えられる．本研究では，分類精度向上を目的として，LSTM(Long-Short Term Memory)を用いたシステム変動の分類手法に関するハイパーパラメータを，ガウス過程を用いて最適化する手法を提案する．LSTMは内部信号のフィードバック構造を持つリカレントニューラルネットワークの一種であり，長期の時系列特性を持つデータの取り扱いに適している．また，数値実験により提案手法の有用性を示す．