報告書番号

R02035

タイトル（和文）

未診断事例を活用する機械学習手法

タイトル（英文）

Machine Learning Methods applying Unlabeled Data

概要 （図表や脚注は「報告書全文」に掲載しております）

電力会社ではコスト削減のため、設備診断の高度化による設備運用の効率化を目指している。この分野に機械学習手法を導入する場合、大量の診断結果のついていないデータ（未診断データ）の取扱を考慮する必要がある。本報告では、未診断データを用いた機械学習手法について調査し、これらの方式と設備診断における応用との関係を示す。抽出した未診断データによる学習手法と設備診断応用との関係は次の通りである。・トランスダクティブSVM：故障・障害診断および診断データの要因分析・トランスダクティブ回帰：現場で簡易に診断・分析を行うツール・EMアルゴリズム：診断事象の発生メカニズムを組み込んだ診断システム

概要 （英文）

Electric power companies are making the maintenance of equipments more efficient to save costs by upgrading of equipment diagnosis. In case of introducing the machine learning technology in equipment diagnosis, it is necessary to consider handling of a lot of unlabeled data.This report presents a survey of the machine learning methods using unlabeled data and shows the relation between these methods and power equipment diagnosis. Extracted unlabeled learning methods and its application of equipment diagnosis are as follows,・Transductive Support Vector Machine : fault diagnosis and factor analysis for diagnosis・Transductive Regression : quick diagnosis tool・EM algorithm : diagnosis system built in generation mechanism of diagnosis event.

報告者

キーワード