高速化ガウスカーネルSupport Vector Machineを用いた改良版Contextual Outlier Interpretationによるガスタービン異常検知の説明

カテゴリ：部門大会

論文No：PS5-11

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Explanation of Gas Turbine Generator Anomaly Detection using Contextual Outlier Interpretation with Fast Gaussian Support Vector Machine

著者名：YIN JIAHUI（明治大学）,福山 良和（明治大学）,村上 賢哉（富士電機）,鈴木 聡（富士電機）,飯坂 達也（富士電機）

著者名(英語)： Jiahui Yin (Meiji University),Yoshikazu Fukuyama (Meiji University),Kenya Murakami (Fuji Electric Co., Ltd.),Satoshi Suzuki (Fuji Electric Co., Ltd.),Tatsuya Iizaka (Fuji Electric Co., Ltd.)

キーワード：説明可能人工知能,異常検知,contextual outlier interpretation,非線形サポートベクターマシン,並列計算ガスタービン発電機,explainable artificial intelligence,anomaly detection,contextual outlier interpretation,non-linear support vector machines,parallel computinggas turbine generator

要約(日本語)：This paper proposes explanation of gas turbine generator anomaly detection using Contextual Outlier Interpretation (COIN) with fast Support Vector Machine (SVM) with a gaussian kernel. For anomaly detection with AI models, it is essential to provide users with convincing explanations of the model’s decision. Therefore, it is necessary to apply explainable artificial intelligence for anomaly detection AI models. The effectiveness of the proposed method is confirmed through a comparison with conventional methods using actual gas turbine operation data.

本誌掲載ページ：1628-1630p

原稿種別：日本語

PDFファイルサイズ：733Kバイト