文献

J-GLOBAL ID：202102243161983250   整理番号：21A0665288

深層強化学習モデルにおける説明可能なAI:電力系統緊急制御に適用したSHAP法【JST・京大機械翻訳】

Explainable AI in Deep Reinforcement Learning Models: A SHAP Method Applied in Power System Emergency Control

著者 (3件)： Zhang Ke (Wuhan university,Electrical engineering and automation,Wuhan,China) ,  Xu Peidong (Wuhan university,Electrical engineering and automation,Wuhan,China) ,  Zhang Jun (Wuhan university,Electrical engineering and automation,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： EI2  ページ： 711-716  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人工知能(AI)システムの応用は,なぜ機械学習(ML)モデルが,モデル意思決定プロセスにおける信頼と透明性を確実にするので,予測の精度と同様に,ある予測を行うかを説明するために,説明可能なAI(XAI)技術を用いて,ますます広範囲である。深層強化学習(DRL)モデルでは,DRLに基づくいくつかの顕著な進歩が多くの分野でなされてきたが,安全関連機会では説明し,使用できない。特に電力系統において,DRLに基づく電力系統緊急制御のために,直感的で信頼できるXAI技術を提供する方法は,緊急で,必要である。Shapley付加説明(SHAP)法を採用して,グリッド制御のための強化学習(RLGC)と呼ばれるオープンソースプラットフォームのための妥当な解釈可能なモデルを提供した。一連の要約プロット,力プロットおよびSHAP値の確率を通して,DRLに基づく電力系統のアンダー電圧負荷遮断は,より容易に,より明確であると解釈することができた。より重要なことに,本研究は電力系統分野でユニークであり,電力系統におけるDRLに基づく緊急制御のための説明を与えるSHAP法の最初の使用とSHAP値の確率を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電圧 ,  *電力系統 ,  負荷遮断 ,  人工知能 ,  機械学習 ,  *強化学習
準シソーラス用語： 格子制御 ,  透明性 ,  オープンソース ,  意思決定のプロセス ,  *深層強化学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深層強化学習 ,  モデル ,  説明 ,  AI ,  電力系統