인공지능 해석 기법을 이용한 태양광 발전량 예측 성능 향상

Q: 이 논문에서 정의한 설명 가능한 인공지능(XAI)이란 무엇인가?

설명 가능한 인공지능은 사용자가 인공지능 시스템의 모델 학습 과정과 예측 결과를 해석하여 출력값이 생성되는 과정을 설명 가능하도록 하는 기술을 말한다. 이를 통해 예측 모델의 신뢰성 확보, 안정성 부여, 성능 향상 등을 기대할 수 있다.

Q: SHAP value 기반의 입력 특징 선택이 태양광 발전량 예측 성능에 어떤 영향을 미치는가?

연구 결과, SHAP value를 이용한 입력 특징 중요도 분석을 통해 불필요한 특징을 제거하고 최적의 입력 특징을 선택함으로써 태양광 발전량 예측 모델의 성능을 향상시킬 수 있었다. 특히 SVM 모델에서 가장 높은 성능 향상을 보였다.

오재영; 이용건; 김기백

doi:10.5370/KIEE.2020.69.7.1111

추천

검색

질문

자료유형: 학술저널

저자정보: 오재영 (Soongsil University) 이용건 (Soongsil University) 김기백 (Soongsil University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제69권 제7호

발행연도: 2020.7

수록면: 1,111 - 1,116 (6page)

DOI: 10.5370/KIEE.2020.69.7.1111

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Artificial intelligence (AI) has been effectively applied to various industries thanks to the increased availability of data and computing power. Advanced machine learning techniques also contribute to the widespread application of AI. However, it is becoming more difficult to interpret the AI implemented by advanced and highly complex machine learning algorithm. In this paper, for solar power forecasting system, we conduct SHAP value analysis which is one of the explainable AI techniques. We aim to improve the performance of the solar power forecasting by employing feature selection which is based on the feature importance computed by SHAP values. In the experimental results, three different machine learning algorithms (SVM, ANN, XGBoost) are applied for solar power forecasting and shown to improve the forecasting performance in all three methods.

#Solar power forecasting #Explainable artificial intelligence #Feature importance

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-560-000860352

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)