電動機性能予測機械学習モデルに対する教師データ正規化手法の影響評価

カテゴリ: 全国大会

論文No: 5-042

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): Evaluation of The Influence of Training Data Normalization Methods on Machine Learning Models for The Electrical Motor Performance Prediction

著者名: 若杉直（ＴＭＥＩＣ）,古賀郁也（ＴＭＥＩＣ）,小山田将亜（ＴＭＥＩＣ）,九万田璃空（熊本大学）,國松禎明（熊本大学）,水本郁朗（熊本大学）

著者名(英語): Sunao Wakasugi (TMEIC Corporation),Fumiya Koga (TMEIC Corporation),Masatsugu Oyamada (TMEIC Corporation),Riku Kumanda (Kumamoto University),Sadaaki Kunimatsu (Kumamoto University),Ikuro Mizumoto (Kumamoto University)

キーワード: 電動機|性能予測|機械学習モデル|正規化|標準化|最大最小スケーリング|Electrical Motor|Performance Prediction|Machine Learning Models|Normalization|Standardization|Min-Max Scaling

要約(日本語): 先行研究において，深層学習による電動機の性能予測モデルを構築したが，本研究では性能予測するための教師データの正規化手法が機械学習モデルの性能に与える影響について比較評価した。使用した正規化手法は標準化（z-norm）と最大最小スケーリング（max-min）で，機械学習モデルとしてガウス過程回帰（GPR），ランダムフォレスト回帰（RFR），XGBoost（XGB），ニューラルネットワーク（NN）を比較した。正規化手法と機械学習モデルの組合せによって機械学習モデルの性能が左右され，訓練時間を重視する場合はXGBが，平均誤差やバラツキ抑制を重視する場合はNNが有利であることを確認した。

本誌掲載ページ: 65-67 p

原稿種別: 日本語

PDFファイルサイズ: 549 Kバイト