文献

J-GLOBAL ID：202202290285107455   整理番号：22A1000912

マルチヘッド注意機構に基づくユーザの盗電挙動検出【JST・京大機械翻訳】

Electricity Theft Detection Based on Multi-head Attention Mechanism

著者 (3件)： Xiao Ding (北京郵電大学計算机学院 北京 100876) ,  Zhang Yufan (北京郵電大学計算机学院 北京 100876) ,  Ji Houye (北京郵電大学計算机学院 北京 100876)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 49  号： 1  ページ： 140-145  発行年： 2022年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 盗電は社会と経済発展に重大な損害をもたらした。いかに電力大データに基づくユーザーの悪意な盗電行為を検出するかは、すでに学術界と工業界の広範な関心を集めている。伝統的方法は,手作業特性,挙動シーケンスの不足,および検出精度の貧弱さに依存する。マルチヘッド注意機構に基づく盗電検出モデル(ElectricityTheftDetectionBasedonMulti-HeadAttention,ETD-MHA)を提案した。本モデルは,双方向ゲート制御ループニューラルネットワーク(Bidirec-tionalGatedRecurrentUnit,BiGRU)に基づいて,ユーザの電気挙動シーケンスの時系列特性を十分に捕らえ,マルチヘッド注意機構を導入して,キー特徴の区分度をさらに強化する。ネットワークを深めることで学習効果を高める。アイルランドと中国国家電力網のスマートメータデータセット上で大量の実験を行い、その結果、従来のロジスティック回帰(LinearRegression,LR)、サポートベクトルマシン(SupportVectorMachine,SVM)と比較した。ランダムフォレスト(RandomForest,RF)などの多くのアルゴリズムにより、提案モデルは明らかな優位性を示した。例えば、アイルランドスマートメータデータセットにおいて、そのAUC値はLRアルゴリズムより34.6%向上した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  数列 ,  電力 ,  ネットワーク ,  電力系統 ,  ニューラルネットワーク ,  アイルランド ,  経済開発 ,  計算機アルゴリズム ,  モデル ,  *利用者 ,  サポートベクトルマシン
準シソーラス用語： 学習効果 ,  ロジスティック回帰分析 ,  ランダムフォレスト ,  スマートメータ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチヘッド ,  注意 ,  挙動