電力品質異常（PQD）分類における不確実性を考慮した説明のためのベイズ的枠組み
arXiv cs.LG / 2026/4/16
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、電力品質異常（PQD）分類に対する既存の説明可能なAI（XAI）の限界として、現在のXAI手法が不確実性を無視した決定論的な説明を生成してしまう点を扱う。
- 各インスタンスに対して関連度（relevance）の帰属の分布を生成するベイズ的枠組みを提案し、不確実性を考慮した、インスタンス固有の説明を実現する。
- 本枠組みにより、ドメインの専門家は説明の信頼度レベル（例：信頼区間パーセンタイル）を選択でき、解釈可能性を異なる異常タイプにより適切に対応させられる。
- 合成および実世界のPQDデータセットの両方での実験により、不確実性を考慮した説明を用いることでPQD分類器の透明性と信頼性が向上することが示される。
