論文の概要: Explaining deep neural network models for electricity price forecasting with XAI

• arxiv url: http://arxiv.org/abs/2506.19894v1
• Date: Tue, 24 Jun 2025 11:07:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.484409
• Title: Explaining deep neural network models for electricity price forecasting with XAI
• Title（参考訳）: XAIを用いた電力価格予測のためのディープニューラルネットワークモデルの構築
• Authors: Antoine Pesenti, Aidan OSullivan,
• Abstract要約: 我々は、深層ニューラルネットワークモデルを使用して価格を予測し、XAI手法を使用して、市場における価格変動の要因を理解する。 目的は、異なる電気市場がどのように機能するかについての理解を深めることである。
• 参考スコア（独自算出の注目度）: 0.276240219662896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electricity markets are highly complex, involving lots of interactions and complex dependencies that make it hard to understand the inner workings of the market and what is driving prices. Econometric methods have been developed for this, white-box models, however, they are not as powerful as deep neural network models (DNN). In this paper, we use a DNN to forecast the price and then use XAI methods to understand the factors driving the price dynamics in the market. The objective is to increase our understanding of how different electricity markets work. To do that, we apply explainable methods such as SHAP and Gradient, combined with visual techniques like heatmaps (saliency maps) to analyse the behaviour and contributions of various features across five electricity markets. We introduce the novel concepts of SSHAP values and SSHAP lines to enhance the complex representation of high-dimensional tabular models.
• Abstract（参考訳）: 電力市場は非常に複雑で、多くの相互作用や複雑な依存関係が伴い、市場の内部の動作や価格の変動を理解するのが難しくなっている。 このホワイトボックスモデルのためにエコノメトリ手法が開発されているが、ディープニューラルネットワークモデル(DNN)ほど強力ではない。 本稿では,DNNを用いて価格を予測し,XAI手法を用いて市場における価格変動の要因を解明する。 目的は、異なる電気市場がどのように機能するかについての理解を深めることである。 そのために、SHAPやGradientといった説明可能な手法とヒートマップのような視覚的手法を組み合わせて、5つの電気市場における様々な特徴の挙動と寄与を分析する。 本研究では,SSHAP値とSSHAPラインの新たな概念を導入し,高次元グラフモデルの複雑な表現を強化する。

関連論文リスト

• Toward Neurosymbolic Program Comprehension [46.874490406174644]
  我々は,既存のDL技術の強みと従来の象徴的手法を組み合わせたニューロシンボリック研究の方向性を提唱する。 第1回ニューロシンボリック・プログラム・フレームワークの確立をめざして,提案するアプローチの予備的結果を示す。
  論文  参考訳（メタデータ） (2025-02-03T20:38:58Z)
• Neuro-Symbolic Traders: Assessing the Wisdom of AI Crowds in Markets [0.0]
  私たちは、深層生成モデルを使用して購入/販売決定を行う仮想トレーダーの形式を開発します。 我々の枠組みでは、ニューロシンボリックトレーダーは、視覚言語モデルを使用して資産の基本的価値のモデルを発見するエージェントである。 これは過去のデータと比べて価格の抑制につながっており、将来の市場の安定へのリスクを浮き彫りにしている」と述べた。
  論文  参考訳（メタデータ） (2024-10-18T16:37:52Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。 本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
  生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。 この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。 これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。 本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
  論文  参考訳（メタデータ） (2023-11-28T15:09:36Z)
• Understanding electricity prices beyond the merit order principle using explainable AI [0.0]
  完全競争において、利益秩序原則は、送電可能な発電所がその限界コストの順に市場に入ることを記述している。 多くの市場モデルは、電気価格を予測するためにこの原則を実装しているが、通常は特定の仮定と単純化を必要とする。 我々は、ドイツの日頭市場における価格について説明可能な機械学習モデルを提示し、ベンチマークモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2022-12-09T12:18:17Z)
• Interpretability of an Interaction Network for identifying $H \rightarrow b\bar{b}$ jets [4.553120911976256]
  近年、ディープニューラルネットワークに基づくAIモデルは、これらのアプリケーションの多くで人気が高まっている。 我々は、高揚した$Hto bbarb$ jetを識別するために設計されたインタラクションネットワーク(IN)モデルを調べることで、AIモデルの解釈可能性を検討する。 さらに、INモデル内の隠れレイヤの活動を、ニューラルアクティベーションパターン(NAP)ダイアグラムとして記述する。
  論文  参考訳（メタデータ） (2022-11-23T08:38:52Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• A survey on Variational Autoencoders from a GreenAI perspective [0.0]
  変分オートエンコーダ(VAE)は、統計や情報理論の要素と深層ニューラルネットワークが提供する柔軟性を融合する強力な生成モデルである。 この記事では、最も成功し、最近のVAEのバリエーションについて比較評価する。
  論文  参考訳（メタデータ） (2021-03-01T15:26:39Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。