BERT-PIN：一种基于 BERT 的时序负荷曲线缺失数据段恢复框架
音频与语音处理
2023-10-30 v1 机器学习
信号处理
摘要
受 Transformer 模型在自然语言处理与计算机视觉中成功的启发，本文提出 BERT-PIN，一种由 Bidirectional Encoder Representations from Transformers (BERT) 驱动的曲线修复网络（Profile Inpainting Network）。BERT-PIN 以负荷与温度时间序列曲线为输入，恢复多个缺失数据段（MDSs）。为将标准 Transformer 模型结构用于曲线修复，我们将负荷与温度曲线分割为线段，将每段视为词、整条曲线视为句子。我们在 BERT-PIN 中引入候选Top选择过程，使其产生一系列概率分布，用户可据此生成多个合理的填补数据集，各自反映不同置信水平。我们利用真实世界数据集开发与评估 BERT-PIN，用于两类应用：多 MDS 恢复与需求响应基线估计。仿真结果表明，BERT-PIN 在精度上优于现有方法，且能在更长窗口内恢复多个 MDS。BERT-PIN 作为预训练模型，可经微调执行诸多下游任务，如分类与超分辨率。
引用
@article{arxiv.2310.17742,
title = {BERT-PIN: A BERT-based Framework for Recovering Missing Data Segments in Time-series Load Profiles},
author = {Yi Hu and Kai Ye and Hyeonjin Kim and Ning Lu},
journal= {arXiv preprint arXiv:2310.17742},
year = {2023}
}