論文の概要: Electricity Theft Detection with self-attention

• arxiv url: http://arxiv.org/abs/2002.06219v1
• Date: Fri, 14 Feb 2020 19:11:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 04:32:36.965824
• Title: Electricity Theft Detection with self-attention
• Title（参考訳）: セルフアテンションによる電気盗難検出
• Authors: Paulo Finardi, Israel Campiotti, Gustavo Plensack, Rafael Derradi de Souza, Rodrigo Nogueira, Gustavo Pinheiro, Roberto Lotufo
• Abstract要約: 本研究では,中国ステートグリッド社が提供する非バランスな現実的データセット上での電気盗難検出に対処する新しいモデルを提案する。 私たちの重要な貢献は、拡張畳み込みを持ち、カーネルサイズの畳み込みによって統一されたマルチヘッド自己保持機構の導入である。 我々のモデルは、以前のベースライン作業に対する17%以上の改善である0.926ドルのAUCを達成する。
• 参考スコア（独自算出の注目度）: 3.951220544042784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we propose a novel self-attention mechanism model to address electricity theft detection on an imbalanced realistic dataset that presents a daily electricity consumption provided by State Grid Corporation of China. Our key contribution is the introduction of a multi-head self-attention mechanism concatenated with dilated convolutions and unified by a convolution of kernel size $1$. Moreover, we introduce a binary input channel (Binary Mask) to identify the position of the missing values, allowing the network to learn how to deal with these values. Our model achieves an AUC of $0.926$ which is an improvement in more than $17\%$ with respect to previous baseline work. The code is available on GitHub at https://github.com/neuralmind-ai/electricity-theft-detection-with-self-attention.
• Abstract（参考訳）: 本研究では,中国のステートグリッドによる日常的な電力消費を示す非バランスな現実的データセット上での電気盗難検出に対処する,新たな自己注意機構モデルを提案する。 私たちの重要な貢献は、拡張畳み込みと結合し、カーネルサイズの畳み込みで統一されたマルチヘッド自己保持機構の導入である。 さらに、欠落した値の位置を特定するためのバイナリ入力チャネル(Binary Mask)を導入し、ネットワークがこれらの値の扱い方を学習できるようにする。 本モデルでは,従来のベースライン作業に対して,AUCが$0.926$であり,17\%以上の改善が達成されている。 コードはgithubのhttps://github.com/neuralmind-ai/electricity-theft-detection-with-self-attentionで入手できる。

関連論文リスト

• CARE Transformer: Mobile-Friendly Linear Visual Transformer via Decoupled Dual Interaction [77.8576094863446]
  本稿では,新しいdetextbfCoupled dutextbfAl-interactive lineatextbfR atttextbfEntion (CARE) 機構を提案する。 まず,非対称な特徴分離戦略を提案し,非対称的に学習プロセスを局所帰納バイアスと長距離依存に分解する。 分離学習方式を採用し,特徴間の相補性を完全に活用することにより,高い効率性と精度を両立させることができる。
  論文  参考訳（メタデータ） (2024-11-25T07:56:13Z)
• End-to-End Convolutional Activation Anomaly Analysis for Anomaly Detection [41.94295877935867]
  エンドツーエンドの畳み込みアクティベーション異常解析(E2E-CA$3$) エンドツーエンドの畳み込み動作異常解析(E2E-CA$3$)を提案する。 これは、Sperl、Schulze、B"ottingerによって提案されたA$3$の異常検出アプローチの重要な拡張である。
  論文  参考訳（メタデータ） (2024-11-21T10:22:50Z)
• Unveiling Induction Heads: Provable Training Dynamics and Feature Learning in Transformers [54.20763128054692]
  我々は,2層変換器が$n$-gramのマルコフ連鎖データ上でICLを実行するためにどのように訓練されているかを検討する。 クロスエントロピー ICL 損失に対する勾配流が極限モデルに収束することを証明する。
  論文  参考訳（メタデータ） (2024-09-09T18:10:26Z)
• Provably Efficient Neural Offline Reinforcement Learning via Perturbed Rewards [33.88533898709351]
  VIPeRは、ランダム化された値関数のアイデアと悲観主義の原理を一致させる。 オフラインデータを複数回摂動することで、暗黙的に悲観性を得る。 ニューラルネットワーク関数近似を用いた一般的なマルコフ決定過程(MDP)において、証明可能かつ計算的に効率的である。
  論文  参考訳（メタデータ） (2023-02-24T17:52:12Z)
• Causal Recurrent Variational Autoencoder for Medical Time Series Generation [12.82521953179345]
  時系列xからGranger因果グラフを学習する新しい生成モデルであるCR-VAEを提案する。 我々のモデルは、定性的かつ定量的に、最先端の時系列生成モデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2023-01-16T19:13:33Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)
• Multi-fidelity power flow solver [0.0]
  提案モデルでは、直流近似を低忠実度データとしてトレーニングした第1のネットワークと、低忠実度と高忠実度の両方の電力フローデータでトレーニングした第2のネットワークで構成されている。 14-および118-busのテストケースで実験を行い、不均衡な並行性データと高-低忠実度サンプル比に対して、n-k$の電力流量予測精度に基づいて性能評価を行った。
  論文  参考訳（メタデータ） (2022-05-26T13:43:26Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• Differentially Private Community Detection for Stochastic Block Models [22.526853379896252]
  本研究では,個々の接続のプライバシを保ちながら,コミュニティ検出問題について検討する。 本稿では,3つの異なる地域社会回復機構の幅広いクラスについて,関連する情報トレードオフを提示し,分析する。
  論文  参考訳（メタデータ） (2022-01-31T18:59:19Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)

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。