Fugu-MT 論文翻訳(概要): On zero-shot learning in neural state estimation of power distribution systems

論文の概要: On zero-shot learning in neural state estimation of power distribution systems

arxiv url: http://arxiv.org/abs/2408.05787v1
Date: Sun, 11 Aug 2024 14:33:23 GMT
ステータス: 処理完了
システム内更新日: 2024-08-13 15:27:01.117000
Title: On zero-shot learning in neural state estimation of power distribution systems
Title（参考訳）: 配電系統のニューラルネットワーク状態推定におけるゼロショット学習について
Authors: Aleksandr Berezin, Stephan Balduin, Thomas Oberließen, Sebastian Peter, Eric MSP Veith,
Abstract要約: 本稿では,配電系統におけるニューラル状態推定の課題に対処する。我々は、電力網の変化に対応するモデルが存在しないことにある、現在の技術の現状における研究のギャップを識別する。
参考スコア（独自算出の注目度）: 39.58317527488534
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper addresses the challenge of neural state estimation in power distribution systems. We identified a research gap in the current state of the art, which lies in the inability of models to adapt to changes in the power grid, such as loss of sensors and branch switching. Our experiments demonstrate that graph neural networks are the most promising models for this use case and that their performance can degrade with scale. We propose augmentations to remedy this issue and perform a comprehensive grid search of different model configurations for common zero-shot learning scenarios in neural state estimation.
Abstract（参考訳）: 本稿では,配電系統におけるニューラル状態推定の課題に対処する。センサの喪失や分岐切替などの電力網の変化に適応できないモデルが存在しないことによる、現在の最先端研究における研究ギャップを特定した。我々の実験は、グラフニューラルネットワークがこのユースケースにおいて最も有望なモデルであり、その性能がスケールで劣化することを示した。ニューラル状態推定において、一般的なゼロショット学習シナリオに対して、この問題を緩和し、異なるモデル構成の網羅的なグリッド検索を行うことを提案する。

関連論文リスト

Multivariate Physics-Informed Convolutional Autoencoder for Anomaly Detection in Power Distribution Systems with High Penetration of DERs [0.0]
本稿では,物理インフォームド・コンボリューション・オートエンコーダ(PIConvAE)モデルを提案する。提案モデルの性能評価は,カリフォルニア州リバーサイドのIEEE 123バスシステムと実世界の給電システムを用いて行った。
論文参考訳（メタデータ） (2024-06-05T04:28:57Z)
Grey-informed neural network for time-series forecasting [5.640118517120757]
この研究は、グレーインフォームドニューラルネットワーク(GINN)の実装を示唆している。 GINNは、ニューラルネットワークの出力がグレーシステムの微分方程式モデルに従うことを保証し、解釈可能性を向上させる。提案手法は,実世界の基盤となるパターンを解明し,実証データに基づいて信頼性の高い予測を行う。
論文参考訳（メタデータ） (2024-03-22T08:17:00Z)
Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文参考訳（メタデータ） (2024-03-18T18:01:01Z)
Variational Neural Networks [88.24021148516319]
本稿では,変分ニューラルネットワーク(VNN)と呼ばれるニューラルネットワークにおける不確実性推定手法を提案する。 VNNは、学習可能なサブレイヤで入力を変換することで、レイヤの出力分布のパラメータを生成する。不確実性評価実験において、VNNはモンテカルロ・ドロップアウトやベイズ・バイ・バックプロパゲーション法よりも優れた不確実性が得られることを示す。
論文参考訳（メタデータ） (2022-07-04T15:41:02Z)
Asymptotic-Preserving Neural Networks for multiscale hyperbolic models of epidemic spread [0.0]
多くの状況において、感染症の空間的伝播は、多スケールのPDEによって管理される異なるスケールの個体の動きによって特徴づけられる。複数のスケールが存在する場合、PINNの直接適用は一般的に、ニューラルネットワークの損失関数における微分モデルのマルチスケールの性質のため、結果の低下につながる。本稿では,パンデミック拡散のマルチスケール多代謝輸送モデルのための新しいAPニューラルネットワーク(APNN)について考察する。
論文参考訳（メタデータ） (2022-06-25T11:25:47Z)
Standalone Neural ODEs with Sensitivity Analysis [5.565364597145569]
本稿では,完全深部ニューラルネットワークを記述可能な連続深部ニューラルネットワークモデルを提案する。神経感受性問題の一般的な定式化を行い,NCGトレーニングでどのように使用されるかを示す。我々の新しい定式化がResNetモデルと比較してロバスト性や性能の向上につながることを示す。
論文参考訳（メタデータ） (2022-05-27T12:16:53Z)
EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文参考訳（メタデータ） (2022-02-21T18:59:03Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
Performance Bounds for Neural Network Estimators: Applications in Fault Detection [2.388501293246858]
ニューラルネットワークの堅牢性を定量化し,モデルに基づく異常検知器の構築とチューニングを行った。チューニングでは,通常動作で想定される誤報発生率の上限を具体的に提示する。
論文参考訳（メタデータ） (2021-03-22T19:23:08Z)
Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文参考訳（メタデータ） (2020-12-17T15:19:29Z)

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。