論文の概要: Model-Free State Estimation Using Low-Rank Canonical Polyadic
Decomposition
- arxiv url: http://arxiv.org/abs/2004.05741v1
- Date: Mon, 13 Apr 2020 01:50:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 00:36:08.551064
- Title: Model-Free State Estimation Using Low-Rank Canonical Polyadic
Decomposition
- Title(参考訳): 低ランクカノニカルポリアディック分解を用いたモデル自由状態推定
- Authors: Ahmed S. Zamzam and Yajing Liu and Andrey Bernstein
- Abstract要約: 我々は、分散ネットワークのためのモデルフリーな状況認識およびエネルギー予測フレームワークを考案する。
ワークは3方向テンソルとして、複数のタイミングでネットワークの状態を定式化する。
スラブサンプリングとファイバサンプリングの2つの構造的サンプリング方式が検討されている。
- 参考スコア(独自算出の注目度): 5.041384008847852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As electric grids experience high penetration levels of renewable generation,
fundamental changes are required to address real-time situational awareness.
This paper uses unique traits of tensors to devise a model-free situational
awareness and energy forecasting framework for distribution networks. This work
formulates the state of the network at multiple time instants as a three-way
tensor; hence, recovering full state information of the network is tantamount
to estimating all the values of the tensor. Given measurements received from
$\mu$phasor measurement units and/or smart meters, the recovery of unobserved
quantities is carried out using the low-rank canonical polyadic decomposition
of the state tensor---that is, the state estimation task is posed as a tensor
imputation problem utilizing observed patterns in measured quantities. Two
structured sampling schemes are considered: slab sampling and fiber sampling.
For both schemes, we present sufficient conditions on the number of sampled
slabs and fibers that guarantee identifiability of the factors of the state
tensor. Numerical results demonstrate the ability of the proposed framework to
achieve high estimation accuracy in multiple sampling scenarios.
- Abstract(参考訳): 電気グリッドは再生可能エネルギーの発生率が高いため、リアルタイムな状況認識に対処するために根本的な変化が必要である。
本稿では,テンソルのユニークな特性を用いて,分散ネットワークのためのモデルフリーな状況認識とエネルギー予測の枠組みを考案する。
この研究は、ネットワークの状態を3方向テンソルとして複数タイミングで定式化し、ネットワークの完全な状態情報を復元することでテンソルの全ての値を推定する。
約$\mu$phasor測定単位および/またはスマートメーターから得られた測定値から、状態テンソルの低ランク正準ポリアディック分解を用いて、未観測量の回復を行い、測定量の観測パターンを利用したテンソル計算問題として状態推定タスクを配置する。
スラブサンプリングと繊維サンプリングの2つの構造的サンプリング方式が検討されている。
いずれのスキームについても, 状態テンソルの因子の同定性を保証するサンプルスラブ数と繊維数について十分な条件を示す。
提案手法は,複数のサンプリングシナリオにおいて高い推定精度を達成することができることを示す。
関連論文リスト
- Last layer state space model for representation learning and uncertainty
quantification [0.0]
本稿では,低次元状態を学ぶための表現学習段階と,不確実性推定のための状態空間モデルという2つのステップで分類・回帰タスクを分解することを提案する。
我々は、状態空間をベースとした最後の層を追加することで、既存のトレーニング済みニューラルネットワーク上に予測分布を推定する方法を実証する。
我々のモデルは、未知あるいは不利用可能な変数のため、ノイズの多いデータ構造を考慮し、予測に対して信頼区間を提供することができる。
論文 参考訳(メタデータ) (2023-07-04T08:37:37Z) - Collapsed Inference for Bayesian Deep Learning [36.1725075097107]
本稿では,崩壊サンプルを用いたベイズモデル平均化を行う新しい崩壊予測手法を提案する。
崩壊したサンプルは、近似後部から引き出された数え切れないほど多くのモデルを表す。
提案手法は, スケーラビリティと精度のバランスをとる。
論文 参考訳(メタデータ) (2023-06-16T08:34:42Z) - Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。
軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。
我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文 参考訳(メタデータ) (2023-05-17T17:47:19Z) - Probabilistic Shape Completion by Estimating Canonical Factors with
Hierarchical VAE [48.03685702899071]
本稿では,点雲の部分観測から3次元形状完成法を提案する。
提案手法は,局所特徴体全体を1つのフィードフォワードネットワークで推定する。
完全特徴量の正準因子を確率的に推定するために, 微小な正準関数を持つ階層的変分オートエンコーダ (VAE) を用いる。
論文 参考訳(メタデータ) (2022-12-06T23:41:31Z) - Neural network enhanced measurement efficiency for molecular
groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。
ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文 参考訳(メタデータ) (2022-06-30T17:45:05Z) - Truncated tensor Schatten p-norm based approach for spatiotemporal
traffic data imputation with complicated missing patterns [77.34726150561087]
本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。
本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
論文 参考訳(メタデータ) (2022-05-19T08:37:56Z) - Efficient quantum state tomography with convolutional neural networks [0.0]
我々は,情報的に完全な測定結果に対する確率分布の近似に依存する量子状態トモグラフィー手法を開発した。
実験データから直接推定した場合と比較して,観測可能量の推定誤差を最大で1桁低減する。
論文 参考訳(メタデータ) (2021-09-28T14:55:54Z) - Robust Implicit Networks via Non-Euclidean Contractions [63.91638306025768]
暗黙のニューラルネットワークは、精度の向上とメモリ消費の大幅な削減を示す。
彼らは不利な姿勢と収束の不安定さに悩まされる。
本論文は,ニューラルネットワークを高機能かつ頑健に設計するための新しい枠組みを提供する。
論文 参考訳(メタデータ) (2021-06-06T18:05:02Z) - On the reproducibility of fully convolutional neural networks for
modeling time-space evolving physical systems [0.0]
ディープラーニング完全畳み込みニューラルネットワークは、同じ条件で同じネットワークを数回トレーニングすることで評価される。
ダブル浮動小数点精度で実施したトレーニングは、ネットワークパラメータとテストエラー範囲の両方のばらつきを大幅に低減し、見積もりをわずかに改善する。
論文 参考訳(メタデータ) (2021-05-12T07:39:30Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳(メタデータ) (2021-02-02T06:15:15Z)
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。