文献

J-GLOBAL ID：201802212522406201   整理番号：18A1710870

クレジットスコアによる需要応答目標に関する説明可能性の保証【JST・京大機械翻訳】

Assuring explainability on demand response targeting via credit scoring

著者 (6件)： Lee Kyungeun (Department of Transdisciplinary Studies, Seoul National University, Seoul, Republic of Korea) ,  Lee Hyesu (Encored Technologies, Seoul, Republic of Korea) ,  Lee Hyoseop (Encored Technologies, Seoul, Republic of Korea) ,  Yoon Yoonjin (Department of Civil and Environmental Engineering, KAIST, Daejeon, Republic of Korea) ,  Lee Eunjung (Department of Transdisciplinary Studies, Seoul National University, Seoul, Republic of Korea) ,  Rhee Wonjong (Department of Transdisciplinary Studies, Seoul National University, Seoul, Republic of Korea)
資料名： Energy  (Energy)
巻： 161  ページ： 670-679  発行年： 2018年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： データ駆動革新はエネルギー部門における主要な傾向になっているので,データ駆動行動の説明は住宅応用のための主要な公平性問題になっており,規制コンプライアンスの要件となることが期待されている。しかし,説明可能性はしばしば予測性能の犠牲を必要とし,データ駆動行動の有効性に影響する。本研究では,インセンティブベースの住宅需要応答プログラムにおけるデータ駆動顧客目標を考察し,簡単なルールベース,機械学習,およびクレジット採点法を用いた場合の説明可能性性能トレードオフを検討した。60年以上にわたる財政分野において人気のある解決策であるクレジット評価は,説明不能を確実に提供することができるスコアカードに基づくモデリング法である。著者らは,最初に,需要応答問題への信用評価を適用する詳細なステップを提供した。次に,実際の需要応答プログラムから得られた14525家庭のデータセットを使用し,2つの予測問題-参加予測と行動変化予測を分析した。結果は,信用評価が,完全な説明不能を提供しながら,最良実行機械学習法と同等の性能を達成できることを示した。著者らの結果は,クレジット評価が,より広いエネルギー部門問題に対する有望な説明不能選択肢であることを示唆する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エネルギー ,  公平性 ,  モデリング ,  *予測 ,  機械学習 ,  ルールベース
準シソーラス用語： 行動変化 ,  採点 ,  デマンドレスポンスプログラム ,  予測性能 ,  データ駆動 ,  *需要応答 ,  *スコア , 【Automatic Indexing@JST】

著者キーワード (4件)： 家庭用DR ,  説明可能性 ,  予測性能 ,  クレジットスコアリング

分類 (1件)： エネルギーに関する技術・経済問題  (LA01050V)

タイトルに関連する用語 (7件)： クレジット ,  スコア ,  需要応答 ,  目標 ,  説明 ,  可能性 ,  保証