論文の概要: Data Enrichment Opportunities for Distribution Grid Cable Networks using Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2501.10920v1
• Date: Sun, 19 Jan 2025 02:18:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:19:39.582281
• Title: Data Enrichment Opportunities for Distribution Grid Cable Networks using Variational Autoencoders
• Title（参考訳）: 変分オートエンコーダを用いた配電網網のデータエンリッチ化
• Authors: Konrad Sundsgaard, Kutay Bölat, Guangya Yang,
• Abstract要約: 電力配電ケーブルネットワークは不完全で不均衡なデータに悩まされている。 本研究では,データエンリッチメント,合成データ生成,不均衡データハンドリング,外乱検出のための変分オートエンコーダ(VAE)の適用について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Electricity distribution cable networks suffer from incomplete and unbalanced data, hindering the effectiveness of machine learning models for predictive maintenance and reliability evaluation. Features such as the installation date of the cables are frequently missing. To address data scarcity, this study investigates the application of Variational Autoencoders (VAEs) for data enrichment, synthetic data generation, imbalanced data handling, and outlier detection. Based on a proof-of-concept case study for Denmark, targeting the imputation of missing age information in cable network asset registers, the analysis underlines the potential of generative models to support data-driven maintenance. However, the study also highlights several areas for improvement, including enhanced feature importance analysis, incorporating network characteristics and external features, and handling biases in missing data. Future initiatives should expand the application of VAEs by incorporating semi-supervised learning, advanced sampling techniques, and additional distribution grid elements, including low-voltage networks, into the analysis.
• Abstract（参考訳）: 電力配電ケーブルネットワークは不完全かつ不均衡なデータに悩まされており、予測保守と信頼性評価のための機械学習モデルの有効性を妨げている。 ケーブルの設置日などの機能は、しばしば欠落している。 データ不足に対処するため,データエンリッチメント,合成データ生成,不均衡データハンドリング,外乱検出のための変分オートエンコーダ(VAE)の適用について検討した。 デンマークにおける概念実証ケーススタディは、ケーブルネットワークの資産登録簿における年齢情報の欠落の計算を対象とし、データ駆動型メンテナンスを支援する生成モデルの可能性を明らかにする。 しかし、この研究は、機能重要度分析の強化、ネットワーク特性と外部特徴の取り入れ、欠落データにおけるバイアスの扱いなど、いくつかの改善点を強調している。 今後は、半教師付き学習、高度なサンプリング技術、低電圧ネットワークを含む配電網要素を分析に組み込むことで、VAEの応用を拡大していく予定である。

関連論文リスト

• Computationally and Memory-Efficient Robust Predictive Analytics Using Big Data [0.0]
  本研究では、データ不確実性、ストレージ制限、ビッグデータを用いた予測データ駆動モデリングの課題をナビゲートする。 本稿では,ロバスト主成分分析(RPCA)を有効ノイズ低減と外乱除去に利用し,最適センサ配置(OSP)を効率的なデータ圧縮・記憶に活用する。
  論文  参考訳（メタデータ） (2024-03-27T22:39:08Z)
• TII-SSRC-23 Dataset: Typological Exploration of Diverse Traffic Patterns for Intrusion Detection [0.5261718469769447]
  既存のデータセットは、しばしば不足しており、必要な多様性と現在のネットワーク環境との整合性が欠如している。 本稿では,これらの課題を克服するための新しい包括的データセットであるTII-SSRC-23を紹介する。
  論文  参考訳（メタデータ） (2023-09-14T05:23:36Z)
• Analysis and Optimization of Wireless Federated Learning with Data Heterogeneity [72.85248553787538]
  本稿では、データの不均一性を考慮した無線FLの性能解析と最適化と、無線リソース割り当てについて述べる。 ロス関数の最小化問題を、長期エネルギー消費と遅延の制約の下で定式化し、クライアントスケジューリング、リソース割り当て、ローカルトレーニングエポック数(CRE)を共同で最適化する。 実世界のデータセットの実験により、提案アルゴリズムは学習精度とエネルギー消費の点で他のベンチマークよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-04T04:18:01Z)
• Robustness Verification of Deep Neural Networks using Star-Based Reachability Analysis with Variable-Length Time Series Input [6.146046338698173]
  本稿では, 時系列回帰NN(TSRegNN)に対して, 集合に基づく形式的手法を用いた頑健性検証手法を提案する。 可変長入力データを利用して入力操作を効率化し、ネットワークアーキテクチャの一般化性を高める。 本論文は、実世界のアプリケーションにおける時系列データのNNベース分析の検証と検証のための包括的ケーススタディを提供する。
  論文  参考訳（メタデータ） (2023-07-26T02:15:11Z)
• ProtoVAE: Prototypical Networks for Unsupervised Disentanglement [1.6114012813668934]
  本稿では,自己スーパービジョンを用いて学習した深層学習型プロトタイプネットワークを活用する,新しい深部生成型VAEモデルProtoVAEを提案する。 我々のモデルは、完全に教師なしであり、要素数を含むデータセットの事前知識を必要としない。 提案手法をベンチマークdSprites, 3DShapes, MPI3Dディジアングルメントデータセット上で評価した。
  論文  参考訳（メタデータ） (2023-05-16T01:29:26Z)
• Probing the Purview of Neural Networks via Gradient Analysis [13.800680101300756]
  我々は、ニューラルネットワークのデータ依存能力を分析し、推論中のネットワークの観点から入力の異常を評価する。 ネットワークのパービューを探索するために、モデルに必要な変化量を測定するために勾配を利用して、与えられた入力をより正確に特徴付ける。 我々の勾配に基づくアプローチは、学習した特徴で正確に表現できない入力を効果的に区別できることを実証する。
  論文  参考訳（メタデータ） (2023-04-06T03:02:05Z)
• Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
  本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。 データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
  論文  参考訳（メタデータ） (2022-05-20T21:15:26Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Federated Learning with Correlated Data: Taming the Tail for Age-Optimal Industrial IoT [55.62157530259969]
  本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。 本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。 数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
  論文  参考訳（メタデータ） (2021-08-17T08:38:31Z)
• Negative Data Augmentation [127.28042046152954]
  負のデータ拡張サンプルは、データ分散のサポートに関する情報を提供することを示す。 我々は、NDAを識別器の合成データの追加源として利用する新しいGAN訓練目標を提案する。 実験により,本手法で訓練したモデルでは,異常検出能力の向上とともに条件付き・条件付き画像生成の改善を実現している。
  論文  参考訳（メタデータ） (2021-02-09T20:28:35Z)
• On Robustness and Transferability of Convolutional Neural Networks [147.71743081671508]
  現代の深層畳み込みネットワーク(CNN)は、分散シフトの下で一般化しないとしてしばしば批判される。 現代画像分類CNNにおける分布外と転送性能の相互作用を初めて検討した。 トレーニングセットとモデルサイズを増大させることで、分散シフトロバスト性が著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-16T18:39:04Z)

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。