Isolation using Nearest Neighbour Ensembleを用いたガスタービン異常検知手法のベイズ最適化によるハイパーパラメータ自動調整手法の比較

カテゴリ: 全国大会

論文No: 3-075

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): A Comparison of Automatic Hyperparameter Tuning Methods of Gas Turbine Anomaly Detection Using Isolation Using Nearest Neighbour Ensemble by Bayesian Optimization

著者名: 加藤雄太（明治大学）,福山良和（明治大学）,島崎祐一（富士電機）,長田悠人（富士電機）,村上賢哉（富士電機）,飯坂達也（富士電機）,松井哲郎（富士電機）

著者名(英語): Kato Yuta (Meiji University),Yoshikazu Fukuyama (Meiji University),Yuichi Shimasaki (Fuji Electric Co., Ltd.),Yuto Osada (Fuji Electric Co., Ltd.),Kenya Murakami (Fuji Electric Co., Ltd.),Tatsuya Iizaka (Fuji Electric Co., Ltd.),Tetsuro Matsui (Fuji Elect

キーワード: 異常検知|ガスタービン|ハイパーパラメータ調整|ベイズ最適化|ガウス過程回帰|tree-structured parzen estimator|anomaly detection|gas turbine|hyperparameter tuning|bayesian optimization|gaussian process regression|tree-structured parzen estimator

要約(日本語): 本論文では，ガスタービンの異常検知に対する，Isolation using Nearest Neighbour Ensembleのハイパーパラメータに対し，Tree-structured Parzen estimatorとガウス過程回帰を利用したベイズ最適化手法を比較検証する。ガスタービンの異常検知において，教師なし機械学習モデルを構築する際，学習モデルには，調整を行う必要のあるハイパーパラメータが複数存在する。データセンターを用いたガスタービンの異常検知の実現には，CPUコストやエンジニアリングコスト削減の必要があり，調整を行う必要のあるハイパーパラメータを短時間で自動的に調整することが重要である。ガウス過程回帰を利用したベイズ最適化手法は，探索序盤で精度の良い解を探索できており，高精度な異常検知が行えることを確認した。

本誌掲載ページ: 111-113 p

原稿種別: 日本語

PDFファイルサイズ: 392 Kバイト