論文の概要: pmuBAGE: The Benchmarking Assortment of Generated PMU Data for Power
System Events -- Part I: Overview and Results
- arxiv url: http://arxiv.org/abs/2204.01095v1
- Date: Sun, 3 Apr 2022 15:30:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-06 07:29:45.331912
- Title: pmuBAGE: The Benchmarking Assortment of Generated PMU Data for Power
System Events -- Part I: Overview and Results
- Title（参考訳）: pmuBAGE: 発電システムイベント用の生成PMUデータのベンチマーク機能 - Part I: 概要と結果
- Authors: Brandon Foggo, Koji Yamashita, Nanpeng Yu
- Abstract要約: pmuGE (phasor measurement unit Generator of Events) は,電力系統イベントデータのための最初のデータ駆動生成モデルである。
我々は、このモデルを何千もの実際のイベントでトレーニングし、pmuBAGEというデータセットを作成しました。
データセットは、約1000のラベル付きイベントデータのインスタンスで構成され、ファーザー計測ユニット(PMU)データ分析のベンチマーク評価を促進する。
- 参考スコア（独自算出の注目度）: 2.4775353203585797
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present pmuGE (phasor measurement unit Generator of Events), one of the
first data-driven generative model for power system event data. We have trained
this model on thousands of actual events and created a dataset denoted pmuBAGE
(the Benchmarking Assortment of Generated PMU Events). The dataset consists of
almost 1000 instances of labeled event data to encourage benchmark evaluations
on phasor measurement unit (PMU) data analytics. The dataset is available
online for use by any researcher or practitioner in the field. PMU data are
challenging to obtain, especially those covering event periods. Nevertheless,
power system problems have recently seen phenomenal advancements via
data-driven machine learning solutions - solutions created by researchers who
were fortunate enough to obtain such PMU data. A highly accessible standard
benchmarking dataset would enable a drastic acceleration of the development of
successful machine learning techniques in this field. We propose a novel
learning method based on the Event Participation Decomposition of Power System
Events, which makes it possible to learn a generative model of PMU data during
system anomalies. The model can create highly realistic event data without
compromising the differential privacy of the PMUs used to train it. The dataset
is available online for any researcher to use at the pmuBAGE Github Repository
- https://github.com/NanpengYu/pmuBAGE.
Part I - This is part I of a two part paper. In part I, we describe a high
level overview of pmuBAGE, its creation, and the experiments used to test it.
Part II will discuss the exact models used in its generation in far more
detail.
- Abstract（参考訳）: pmuGE (phasor measurement unit Generator of Events) は,電力系統イベントデータのための最初のデータ駆動生成モデルである。
我々は、このモデルを何千もの実際のイベントでトレーニングし、pmuBAGE (Benchmarking Assortment of Generated PMU Events) というデータセットを作成しました。
データセットは、約1000のラベル付きイベントデータのインスタンスで構成され、ファーザー計測ユニット(PMU)データ分析のベンチマーク評価を促進する。
データセットは、この分野の研究者や実践者がオンラインで利用できる。
PMUデータは、特にイベント期間をカバーするものを得るのは難しい。
それでも、電力システムの問題は最近、データ駆動機械学習ソリューション(PMUデータを得るのに十分な幸運な研究者によって作られたソリューション)による驚くべき進歩を目の当たりにした。
非常にアクセスしやすい標準ベンチマークデータセットは、この分野で成功した機械学習技術の開発を劇的に加速する。
本稿では,電力系統イベントのイベント参加分解に基づく新しい学習手法を提案し,システム異常時にPMUデータの生成モデルを学習できるようにする。
このモデルは、トレーニングに使用するPMUの差分プライバシーを妥協することなく、非常に現実的なイベントデータを生成することができる。
データセットは、pmuBAGE Github Repository - https://github.com/NanpengYu/pmuBAGEで使用することができる。
パートi - これは2つの部分からなる論文のパートiです。
第1部では、pmuBAGEの高レベルな概要、pmuBAGEの作成、およびそれをテストする実験について述べる。
第2部では、その世代で使用された正確なモデルについてより詳細に論じる。
関連論文リスト
- Attribute-to-Delete: Machine Unlearning via Datamodel Matching [65.13151619119782]
機械学習 -- 事前訓練された機械学習モデルで、小さな"ターゲットセット"トレーニングデータを効率的に削除する -- は、最近関心を集めている。
最近の研究では、機械学習技術はこのような困難な環境では耐えられないことが示されている。
論文 参考訳（メタデータ） (2024-10-30T17:20:10Z) - Data Shapley in One Training Run [88.59484417202454]
Data Shapleyは、機械学習コンテキストにおけるデータのコントリビューションに寄与するための、原則化されたフレームワークを提供する。
既存のアプローチでは、計算集約的な異なるデータサブセット上の再学習モデルが必要である。
本稿では、対象とするデータモデルに対するスケーラブルなデータ属性を提供することにより、これらの制限に対処するIn-Run Data Shapleyを紹介する。
論文 参考訳（メタデータ） (2024-06-16T17:09:24Z) - Contrastive Transformer Learning with Proximity Data Generation for
Text-Based Person Search [60.626459715780605]
記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。
このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。
本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
論文 参考訳（メタデータ） (2023-11-15T16:26:49Z) - pmuBAGE: The Benchmarking Assortment of Generated PMU Data for Power
System Events [2.4775353203585797]
pmuGE (phasor measurement unit Generator of Events) は、電力系統のイベントデータのための最初のデータ駆動生成モデルである。
我々は、このモデルを何千もの実際のイベントでトレーニングし、pmuBAGEというデータセットを作成しました。
データセットは、約1000のラベル付きイベントデータのインスタンスで構成され、ファーザー計測ユニット(PMU)データ分析のベンチマーク評価を促進する。
論文 参考訳（メタデータ） (2022-10-25T17:50:24Z) - A Machine Learning Framework for Event Identification via Modal Analysis
of PMU Data [17.105110901241094]
本稿では,モーダルダイナミクスに基づく特徴抽出によるイベントの同定を提案する。
従来の物理に基づく特徴抽出手法と機械学習を組み合わせて、異なるイベントタイプを区別する。
以上の結果から,提案フレームワークは2種類のイベントを識別できる可能性が示唆された。
論文 参考訳（メタデータ） (2022-02-14T16:19:40Z) - Deep Reinforcement Learning Assisted Federated Learning Algorithm for
Data Management of IIoT [82.33080550378068]
産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。
IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。
本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
論文 参考訳（メタデータ） (2022-02-03T07:12:36Z) - Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。
我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文 参考訳（メタデータ） (2021-10-19T17:41:43Z) - EventPoint: Self-Supervised Local Descriptor Learning for Event Cameras [2.3300629798610446]
本研究では,イベントポイントと呼ばれるフレームベースのイベントデータに基づいて,自己教師付き学習手法を用いて,イントレストポイントとディスクリプタを抽出する手法を提案する。
提案した自己教師型学習手法を用いて、実際のイベント形式の駆動データセットに基づいてモデルをトレーニングし、イベントデータの特徴を十分に考慮する。
論文 参考訳（メタデータ） (2021-09-01T06:58:14Z) - Multimodal Prototypical Networks for Few-shot Learning [20.100480009813953]
クロスモーダルな機能生成フレームワークは、数ショットのシナリオにおいて、人口密度の低い埋め込みスペースを強化するために使用される。
このような場合、近隣の分類は実現可能なアプローチであり、最先端のシングルモーダルおよびマルチモーダルの複数ショット学習方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-11-17T19:32:59Z) - Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。
我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。
そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文 参考訳（メタデータ） (2020-05-18T09:36:51Z)
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。