| Item type |
Symposium(1) |
| 公開日 |
2021-06-23 |
| タイトル |
|
|
タイトル |
相関型二段階学習に基づく異なる季節データを用いた室温分布推定 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
スマートスペース/スマートシティ |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTスマートデータサイエンスセンタ |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTスマートデータサイエンスセンタ |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTスマートデータサイエンスセンタ |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTスマートデータサイエンスセンタ |
| 著者所属 |
|
|
|
日本電信電話株式会社NTTスマートデータサイエンスセンタ |
| 著者名 |
角田, 啓介
児玉, 翠
前島, 綜太朗
荒井, 直樹
尾花, 和昭
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本稿では，空調運転最適化による室内環境改善と消費エネルギー量削減を目指し，十数メートル四方からなる広い屋内空間において，ある季節における室温分布データを，異なる季節に長期間，同一季節に短期間計測した学習データを基に推定する方法について述べる．従来，本稿のように推定対象と同一条件下で計測した学習データが少ない場合，異なる条件下において計測した大量のデータを用いて機械学習モデルを作成後，少数の同条件下におけるデータを用いてモデルの一部を再学習する Fine-tuning や，モデルに新たなパラメタを加えた上で追加部分を再学習する転移学習が用いられてきており，これらの手法における学習時の損失は最小二乗誤差や対数尤度といった正解値と推定値の一致度が用いられてきた．しかし，室温分布とそれを推定するために用いる空調システム温度のような，2 つの条件下における説明変数と被説明変数の関係が，相関関係が類似していてもその大小関係が一致しない場合，従来手法では高精度な推定が困難であった．
本稿では従来手法の課題を解決するため，異なる条件下における多数データを用いた学習では相関関係を用いることで，相関関係を利用して同一条件下での少量データからの高精度な推定を実現する相関型二段階学習手法を提案する．提案手法を，あるビル内で実測した室温データにおける，異なる季節データを用いて推定に適用することで，その有効性を示す． |
| 書誌情報 |
マルチメディア，分散協調とモバイルシンポジウム2021論文集
巻 2021,
号 1,
p. 120-126,
発行日 2021-06-23
|
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-DICOMO2021017.pdf (1.1 MB)
