GIS などの電力機器に外部センサーを取り付け,受信信号から,機器の異常状態を同定することについては,ニューラルネットや決定木などの分類手法により研究が進んできている.ここでは, 判定確率を上げる手法のひとつとして
AdaBoost について調べた.弱学習器にニューラルネットを採用 した AdaBoost を用いと,精度が向上するように思われるが,テストデータを使って検証した結果,過
学習が起こる傾向が推察された.適用にあたっては注意が必要である.GIS などの電力機器に外部センサーを取り付け,受信信号から,機器の異常状態を同定する
To identify anomalous conditions in the electric power apparatus,
a variety of diagnosing methods such as the nueral networks and
the decision tree have been used. In this paper, we have investigated
the AdaBoost for its diagnosis accuracy. Adopting the neural networks
as the weak learner, the diagnosis accuracy seems to be improved.
Applying the test data to the rules obtained by the training data,
however, we suspect that the classifier meets the over-fitting.
We have to be cautious in case of using the high-performance classifier.
|
同定精度,AdaBoost,決定木,誤分類率,テストデータ
Condition identification accuracy, AdaBoost, decision
tree, misclassification rate, test data
|
|