fufufukakaka
commented
8 years ago ネットワークモデルの最適化を行う必要性について
必要性はない気がする。 最短経路が重なり合うノードの方が高くなる媒介中心性はどう頑張っても真ん中に近いノードの方が高くなる。色々と試してはみたけれど、媒介中心性を均質化するのは無理なのでは。という気がしている。
取り敢えず、一旦このままで進もうかなというところ。
Closed fufufukakaka closed 8 years ago
fufufukakaka
commented
8 years ago 必要性はない気がする。 最短経路が重なり合うノードの方が高くなる媒介中心性はどう頑張っても真ん中に近いノードの方が高くなる。色々と試してはみたけれど、媒介中心性を均質化するのは無理なのでは。という気がしている。
取り敢えず、一旦このままで進もうかなというところ。
fufufukakaka
commented
8 years ago 今までに試したのは、20億・50億・100億の三つ。 まだ経路分散型では後者二つを試すことはできていないけれども、恐らく100億もあれば殆どの橋を失うことなく直せるはず。 しかも、直す基準が0.8なら20億でも二つ失うだけで済むらしいので。ふむふむ。
取り敢えず今の状態ならちゃんとした計測が出来るので、ひとまず5億・25億・50億・75億・100億、かつ0.2,0.8の修繕閾値でシミュレーションしてみたい。 でも、そんなに回してたら時間なくない？笑 とも思うので、予算は三種類でいいです。
その後、ようやくdemandを修繕順位決定に用いるタイプの政府エージェントによるシミュレーションをやっていきましょう。 平均demandに対してまず0.5掛けで、次に1.5掛け。 予算は同じく25,50,100でいきましょう。これでデータがちゃんと集まれば論文が書ける！
fufufukakaka
commented
8 years ago fufufukakaka
commented
8 years ago 西野先生から、 人々の出発するタイミングをバラバラにできないのかって言われたけど、バラバラにするのがなかなかうまくいかないので、時間もないしなので、今回は実装見送り。
fufufukakaka
commented
8 years ago [2014年以後且つ全キーワードを満たす論文]
*『A supervised approach to electric tower detection and classification for power line inspection』(2014年) ...送電塔の点検を、ニューラルネットワークを用いた教師あり学習による画像認識を用いて自動的に行い、十分な精度を得ることができたという報告を行っている。 http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6889836&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D6889836
*『Towards autonomous detection and tracking of electric towers for aerial power line inspection』(2014年) ...送電塔から空中に架けられている電線の点検作業を、ニューラルネットワークを用いた教師あり学習による画像認識を用いて自動的に行い、十分な精度を得ることができたという報告を行っている。
[2014年以後だがキーワードが欠けている論文]
*『Anomaly detection in electric network database of smart grid: Graph matching approach』(2015年) ...スマートグリッドのようなグラフ型データベースに対して、異常検知をする手法としてグラフマッチングというアルゴリズムを用いて高い精度を実現することができたと報告している。 http://www.sciencedirect.com/science/article/pii/S0378779615003831
*『Neural NILM: Deep Neural Networks Applied to Energy Disaggregation』(2015年) ...ディープニューラルネットワークを用いて、電力分配問題の最適化を行った。
*『Optimal power flow using Teaching-Learning-Based Optimization technique』(2014年) ...Teaching-Learning-Based Optimization (TLBO)という学習手法を用いて高い精度で電力最適化を行うことに成功したと報告している。 http://www.sciencedirect.com/science/article/pii/S0378779614001278
*『Application of an ensemble neural network for classifying partial discharge patterns』(2014年) ...部分放電という現象(電極間に電圧を加えたとき，その間の絶縁物中で部分的に発生する放電)は絶縁体の劣化を招いてしまう。この部分放電が生じた際に発生する微弱なパルス信号をensemble neural networkにより高い精度でclassificationすることに成功した。 http://www.sciencedirect.com/science/article/pii/S0378779614000145
*『An extension of metric temporal planning with application to AC voltage control』(2015年) ... http://www.sciencedirect.com/science/article/pii/S0004370215001332
[2014年以前だが有用だと思われる論文]
*『APPLICATION OF REMOTE DIGITAL VIDEO MONITORING AND IMAGE RECOGNITION TECHNOLOGY IN POWER SYSTEM』(2005年) ...電力施設の監視を画像認識技術により自動化しようとする試みが報告されている。 http://en.cnki.com.cn/Article_en/CJFDTOTAL-DWJS20050500L.htm
*『Fault diagnosis of power transformer based on support vector machine with genetic algorithm』(2009年) ...電源トランスの異常検知について、データから特徴量を選別するタスクを遺伝的アルゴリズムによって行い、その後の分類タスクをサポートベクターマシンを用いて解くことで行った。(入力データが何であるかはアブストラクトからは分からなかった。) http://www.sciencedirect.com/science/article/pii/S0957417409002796
*『Learning Systems for Electric Consumption of Buildings』(2009年) ...建物内の消費電力をパターン化し、機械学習でその挙動を学習することで、最適化を図ろうとしている。論文内では研究所内で実験を行った模様。 http://www.marioberges.com/pubs/2009_berges_asce.pdf
*『屋外からの家庭内電気機器消費電力推定における機械学習手法の性能評価』(2003年) ...家庭の引き込み線付近で計測した情報のみを用いて、家庭内におけるインバータ機器の消費電力推定を複数の機械学習手法によって行った。 https://www.jstage.jst.go.jp/article/ieejeiss/123/7/123_7_1350/_pdf
*『Behavior Pattern Recognition in Electric Power Consumption Series Using Data Mining Tools』(2012年) ...電力消費に関する時系列データを分析し、そのパターンを明らかにしたという論文。 http://link.springer.com/chapter/10.1007%2F978-3-642-32639-4_64
*『Fault localization in electrical power systems: A pattern recognition approach』(2011年) ...電力最適分配問題というタスクにおいて、分配がうまくいっていない部分を見つけだすこと(Fault Localization)は避けられないが対処しなくてはならない非常に重要な問題である。この論文ではそのタスクを、実際の電力需要量の推移のデータからパターンを検出し、faultが起きている個所を迅速に検出することに成功している。 http://www.sciencedirect.com/science/article/pii/S0142061511000469
fufufukakaka
commented
8 years ago fufufukakaka
commented
8 years ago fufufukakaka
commented
8 years ago fufufukakaka
commented
8 years ago
現在の状況の整理
橋が壊れたにもかかわらず、移動時間が逆に減ってしまい最適化状態に近づくという状況は、人々にロジットモデルによる分散を促すことで解決した。 つまり、それまでダイクストラ法のみでシミュレーションを行うとどう頑張っても真ん中のノードの方が媒介中心性が高くなってしまうので、真ん中の橋が健在している場合にはその橋ばかりに集中して渋滞が発生していた。 これを、そもそも渋滞したという過去の情報から学習するような行動方策にすることによって橋の数が多ければ多いほど分散して渋滞が起きにくくなるという状況にした。
ロジットモデルで参考にしたのは次の論文などである パケットの確率的自立分散制御.pdf http://strep.main.jp/uploads/class/trans09A04.pdf http://bin.t.u-tokyo.ac.jp/kaken/pdf/CNL-instruction.pdf https://www.jsce.or.jp/library/open/proc/maglist2/00039/200306_no27/pdf/185.pdf
なぜ、ちゃんとしたQ学習の枠組みなどを使って最適状態まで収束させることを目指していないのかというと、以下の二点の理由による。