お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-05-28 11:10
異常検知モデルの品質劣化を防ぐためのドメイン知識を活用したアンサンブルモデルの提案
露木雅文高重総一小牧大輔日立R2021-2
抄録 (和) 発電設備などの予防保全にはセンサデータを対象とした異常検知モデルは内容領域専門家による継続的な品質評価 (精度や検知根拠) にもとづく更新が必要である。このとき,異常検知問題では起こりうる状況を網羅した正解ラベルを得られないため検知結果の目視確認で評価せざるを得ないが,一つの異常検知モデルで多様な異常を検知するアプローチでは目視確認するべき検知結果の量が膨大になるためモデル更新が非効率的になる課題がある。そこで本研究では特定種類の故障に特化したモデルをドメイン知識から複数作成し,それらを組み合わせたアンサンブルモデルを提案する。これにより,目視確認量が削減される効果と,更新前後のモデルを組み合わせることで更新の副作用を低減する効果がみこまれ,モデル更新作業を効率化できる。 
(英) Anomaly detection models based on sensor data for preventive maintenance of facilities, need to be updated based on continuous evaluation (accuracy and interpretability). However, since the correct labels cannot be obtained for the anomaly detection task, we must evaluate the prediction results by visual confirmation. In this study, we propose an ensemble model that combines several models specialized for specific types of failures, which are created from domain knowledge. The proposed ensemble model is expected to reduce the amount of visual check and the side effects of updating by combining the models before and after updating, thus making the model updating process more efficient.
キーワード (和) 機械学習 / 異常検知 / アンサンブル / ドメイン知識 / MLOps / / /  
(英) Machine Learning / Anomaly Detection / Ensemble / Domain Knowledge / MLOps / / /  
文献情報 信学技報, vol. 121, no. 47, R2021-2, pp. 7-12, 2021年5月.
資料番号 R2021-2 
発行日 2021-05-21 (R) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード R2021-2

研究会情報
研究会 R  
開催期間 2021-05-28 - 2021-05-28 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) ソフトウェアの信頼性,信頼性一般 
テーマ(英) Software Reliability, Reliability General 
講演論文情報の詳細
申込み研究会 R 
会議コード 2021-05-R 
本文の言語 日本語 
タイトル(和) 異常検知モデルの品質劣化を防ぐためのドメイン知識を活用したアンサンブルモデルの提案 
サブタイトル(和)  
タイトル(英) Proposal of Classifier Ensembles via Domain Knowledge for anomaly detection 
サブタイトル(英)  
キーワード(1)(和/英) 機械学習 / Machine Learning  
キーワード(2)(和/英) 異常検知 / Anomaly Detection  
キーワード(3)(和/英) アンサンブル / Ensemble  
キーワード(4)(和/英) ドメイン知識 / Domain Knowledge  
キーワード(5)(和/英) MLOps / MLOps  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 露木 雅文 / Masafumi Tsuyuki / ツユキ マサフミ
第1著者 所属(和/英) 株式会社 日立製作所 (略称: 日立)
Hitachi, Ltd. (略称: Hitachi)
第2著者 氏名(和/英/ヨミ) 高重 総一 / Soichi Takashige / タカシゲ ソウイチ
第2著者 所属(和/英) 株式会社 日立製作所 (略称: 日立)
Hitachi, Ltd. (略称: Hitachi)
第3著者 氏名(和/英/ヨミ) 小牧 大輔 / Daisuke Komaki / コマキ ダイスケ
第3著者 所属(和/英) 株式会社 日立製作所 (略称: 日立)
Hitachi, Ltd. (略称: Hitachi)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-05-28 11:10:00 
発表時間 25分 
申込先研究会 R 
資料番号 R2021-2 
巻番号(vol) vol.121 
号番号(no) no.47 
ページ範囲 pp.7-12 
ページ数
発行日 2021-05-21 (R) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会