面向电力系统可解性预测的深度学习主动学习
机器学习
2020-12-23 v2 系统与控制
系统与控制
机器学习
摘要
传统的可解域分析方法只能得到具有不确定保守性的内近似。已有机器学习方法被提出以逼近真实区域。在本快报中，我们提出一种用于电力系统可解性预测的深度学习主动学习框架。与在所有样本标注完成后才进行训练被动学习方法相比，主动学习挑选信息量最大的样本进行标注，从而显著减少训练所需标注数据集的规模。在主动学习框架中，对应于不同采样策略的获取函数由分类器的即时后验概率定义。采用IEEE 39总线系统验证所提框架，其中通过二维案例可视化采样方法的有效性，并辅以全维度数值实验。
引用
@article{arxiv.2007.13250,
title = {Deep Active Learning for Solvability Prediction in Power Systems},
author = {Yichen Zhang and Jianzhe Liu and Feng Qiu and Tianqi Hong and Rui Yao},
journal= {arXiv preprint arXiv:2007.13250},
year = {2020}
}