異常値を考慮したカーネルサイズ自動調整を用いたコレントロピーと重み減衰に基づくANNによる翌日最大電力負荷予測

カテゴリ: 研究会(論文単位)

論文No: ST20041,SMF20040

グループ名: 【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日: 2020/11/04

タイトル(英語): Daily Peak Load Forecasting by a Correntropy based Artificial Neural Network using Weight Decay with an Adaptive Kernel Size Tuning Method Considering Outliers

著者名: 佐藤 尚輝(明治大学),福山 良和(明治大学),松井 哲郎(富士電機)

著者名(英語): Naoki Sato(Meiji University),Yoshikazu Fukuyama(Meiji University),Tetsuro Matsui(Fuji Electric Co., Ltd)

キーワード: 翌日最大電力負荷予測|ニューラルネットワーク|コレントロピー|カーネルサイズ自動調整|重み減衰|daily peak load forecasting|artificial neural network|correntropy|adaptive kernel size|weight decay

要約(日本語): 翌日最大電力負荷予測において，学習データに異常値が含まれる場合，異常値を取り除く必要があり，それが大きな負担となる。それに対し，コレントロピーを用いることで異常値を取り除くことなしに適切な学習が行える。コレントロピーにはカーネルサイズと呼ばれるハイパーパラメータがあり，これを自動調整することで更なるエンジニアリング削減が実現できる。これに加え，重み減衰を用いることで過学習を防ぐことが可能となる。

要約(英語): If outliers are included in training data for daily peak load forecasting, removing outliers is necessary. However, correntropy can perform appropriate training without removing outliers. There is a hyperparameter called a kernel size in correntropy. Adjusting a kernel size automatically can further reduce engineering. In addition, weight decay can prevent overfitting.

原稿種別: 日本語

PDFファイルサイズ: 1,140 Kバイト