論文の概要: One-Cycle Fault Classification and Faulted-Line Identification on the PROTECT-90 Dataset: An Initial Application Benchmark

• arxiv url: http://arxiv.org/abs/2610.04155v1
• Date: Fri, 02 Oct 2026 23:54:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 19:46:03.123431
• Title: One-Cycle Fault Classification and Faulted-Line Identification on the PROTECT-90 Dataset: An Initial Application Benchmark
• Title（参考訳）: PROTECT-90データセットの1サイクル故障分類と故障線同定:初期適用ベンチマーク
• Abstract要約: 本稿では,2つの保護指向タスクに対する PROTECT-90 データセットに対する初期アプリケーションベンチマークを提案する。 コンパクトな1次元畳み込みニューラルネットワーク(CNN)を,0.25,0.5,1,2サイクルの開始後ウィンドウを用いて評価する。 その結果、両タスクは完全な可観測性の下でほぼ飽和していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open electromagnetic-transient datasets are beginning to make reproducible learning-based protection studies possible, but the practical use of these datasets still requires application-level benchmarks that define timing, sensing, and validation assumptions. This paper presents an initial application benchmark on the recently released PROTECT-90 dataset for two protection-oriented tasks: fault-type classification and discrete faulted-line identification. A compact one-dimensional convolutional neural network (CNN) is evaluated using post-inception windows of 0.25, 0.5, 1, and 2 cycles under strict episode-wise splitting. A non-convolutional multilayer perceptron (MLP) is also trained as an architecture-control baseline. The results show that both tasks are nearly saturated under full observability, with one-cycle test accuracies of 99.84% for fault type and 100.00% for line identification. The main performance variation appears under reduced observability: current-only inputs preserve line identification accuracy at 100.00%, whereas voltage-only inputs reduce line identification accuracy to 53.09% with the CNN and 50.57% with the MLP. This indicates that the limiting factor is measurement information rather than neural architecture. Additional stratified checks show stable performance across topology states and fault-resistance bins, while CPU inference contributes only 0.528 ms to the one-cycle total decision time of 20.53 ms.
• Abstract（参考訳）: オープン電磁遷移データセットは、再現可能な学習ベースの保護研究を可能にし始めているが、これらのデータセットの実用化には、タイミング、センシング、検証の仮定を定義するアプリケーションレベルのベンチマークが必要である。 本稿では,最近リリースされた ProtECT-90 データセット上で,障害型分類と離散的障害線同定という2つの保護指向タスクに対する初期アプリケーションベンチマークを提案する。 厳密なエピソード分割の下で、0.25,0.5,1,2サイクルの開始後ウィンドウを用いて、コンパクトな一次元畳み込みニューラルネットワーク(CNN)を評価する。 非畳み込み多層パーセプトロン(MLP)もアーキテクチャ制御ベースラインとして訓練されている。 その結果、両タスクは完全な可観測性の下でほぼ飽和しており、1サイクルの試験精度は断層タイプが99.84%、ライン識別が100.00%であることがわかった。 電流のみの入力はライン識別精度を100.00%に保ち、電圧のみの入力はCNNでは53.09%、MLPでは50.57%に低下する。 このことは、制限要因が神経アーキテクチャではなく測定情報であることを示している。 追加の階層化されたチェックはトポロジー状態とフォールトトレランスビン間で安定した性能を示し、CPU推論は1サイクルの総決定時間20.53msに0.528msしか寄与しない。

関連論文リスト

• Local Sparsity Enables Unsupervised LLM Safety Detection [72.36186449615774]
  大規模言語モデル(LLM)のデプロイ時の安全性メソッドは、主に教師付きであり、安全でないトレーニングデータへのアクセスを前提としている。 新たな攻撃や危害のカテゴリーは定期的に発生し、そのような教師付き方式で訓練されたモデルでは捕捉されない。 本稿では,理論的正当性に支えられた局所的なSAEによる異常検出のための枠組みを提案する。
  論文  参考訳（メタデータ） (2026-09-17T12:23:04Z)
• Unsupervised spiking feature learning for event-based pedestrian crossing detection: approaching supervised accuracy without labelled training data [0.0]
  我々は、最新のDVS-PedX歩行者横断ベンチマークにおいて、教師なしの結果を報告した。 スパイクタイピング依存のプラスチックで訓練された単一のスパイク層は、乱れのないイベントフレームパッチから辞書を学習する。
  論文  参考訳（メタデータ） (2026-09-15T20:07:06Z)
• A Standardized Framework for Machine Learning in Power System Protection [8.877321413840214]
  本稿では,科学的貢献の一環として評価設計を扱う標準化指向の枠組みを提案する。 保護対象、物理的スコープ、観測可能性、タイミングと決定ウィンドウ、目標とサンプルの妥当性、検証プロトコル、評価出力の7つの必要な研究範囲を定義している。
  論文  参考訳（メタデータ） (2026-08-20T15:35:36Z)
• CUSUM-Shaped Inference-Time Monitoring and Targeted Re-Decoding for Quantized Small Language Model Reasoning [0.6999740786886536]
  MGT-Bは、事前サンプリングの不確かさと変性の特徴の重なり合う窓を、位置条件による経験的尾の確率にマップする。 ログしきい値h=10のマニュアル選択後に最初に観察された問題同一性に対して,その効果が持続するかどうかを検証した。 どちらの分析も確証がなく、実証的要因は有効な電子プロセスや電子検出器として確立されていない。
  論文  参考訳（メタデータ） (2026-07-22T13:34:17Z)
• Leakage-Robust Evaluation and Data-Scale Sensitivity of Attention-Enhanced Multi-Task Learning for Joint Fault Diagnosis and Remaining Useful Life Estimation [0.0]
  マルチタスクディープラーニングモデルは、スライディングウィンドウシーケンスがトレーニングとテストセットにどのように分割されるかによって影響を受ける可能性がある。 ナイーブな分割は、真の20-60%から99.9%に分類精度を低下させる可能性がある。 チャンクベース・リーク監査分割プロトコルを導入し,5種の種子,片方向ANOVA,Tukey HSDテストを用いて全モデルを評価した。
  論文  参考訳（メタデータ） (2026-07-17T20:33:36Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• Prototype-Based Test-Time Adaptation of Vision-Language Models [58.28899599773308]
  PTA(Prototype-based Test-Time Adaptation) PTAは一連のクラス固有の知識プロトタイプを使用して、テストサンプルから知識を蓄積する。 PTAは最先端の性能を達成しつつ、極めて高い効率を達成する。
  論文  参考訳（メタデータ） (2026-04-23T07:20:56Z)
• FaultXformer: A Transformer-Encoder Based Fault Classification and Location Identification model in PMU-Integrated Active Electrical Distribution System [0.30586855806896046]
  本研究では,リアルタイム電流データを用いた自動故障解析のためのトランスフォーマーエンコーダアーキテクチャを提案する。 フォールトXformerは、断層型分類で98.76%、断層位置同定で98.92%の平均的な精度を達成した。
  論文  参考訳（メタデータ） (2026-02-27T18:28:12Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)
• Efficient Bayesian Learning Curve Extrapolation using Prior-Data Fitted Networks [44.294078238444996]
  本稿では、この文脈におけるPFN(preded-data fit Neural Network)の最初の応用について述べる。 我々は,LC-PFNがMCMCよりも後方予測分布を正確に近似できることを実証した。 また,同じLC-PFNが,20万個の実学習曲線を外挿する競合性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-10-31T13:30:30Z)
• Detecting Errors and Estimating Accuracy on Unlabeled Data with Self-training Ensembles [38.23896575179384]
  本稿では,この2つの課題に同時に対処する,原則的かつ実用的な枠組みを提案する。 1つのインスタンス化は、教師なし精度推定における推定誤差を少なくとも70%削減し、エラー検出のためのF1スコアを少なくとも4.7%改善する。 iWildCamでは、教師なし精度推定における推定誤差を少なくとも70%削減し、エラー検出のためのF1スコアを少なくとも4.7%改善する。
  論文  参考訳（メタデータ） (2021-06-29T21:32:51Z)

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。