基于 DenseU-Hierarchical VAE 的电网像素图交互式洞察识别与标注框架
机器学习
2019-05-30 v1 图像与视频处理
机器学习
摘要
电网像素图（PGPMs）中的洞察是指电网中重要的设施运行状态和意外变化。识别洞察有助于分析人员理解电网各部分的协同运作，从而采取预防和纠正操作以避免潜在事故。现有的 PGPM 洞察识别方案依赖人工完成，可能费力且依赖专业知识。本文利用增强的变分自编码器（VAE）提出了一种交互式洞察识别与标注框架。具体而言，设计了一种新架构 DenseU-Hierarchical VAE（DUHiV），用于从大尺寸 PGPM 中学习表示，其相比现有采用多层感知机架构的分层 VAE 实现了显著更紧的证据下界（ELBO）。我们的方法支持在交互式可视化界面中调节导出的表示，发现潜在洞察并创建多标签标注。使用真实世界 PGPM 数据集的评估表明，我们的框架在洞察识别与标注方面优于基线模型。
引用
@article{arxiv.1905.12164,
title = {An Interactive Insight Identification and Annotation Framework for Power Grid Pixel Maps using DenseU-Hierarchical VAE},
author = {Tianye Zhang and Haozhe Feng and Zexian Chen and Can Wang and Yanhao Huang and Yong Tang and Wei Chen},
journal= {arXiv preprint arXiv:1905.12164},
year = {2019}
}