面向电力消耗预测的分布式多头学习系统
机器学习
2025-01-22 v1
摘要
随着自动驾驶车辆的不断增多，电力消耗预测变得日益重要，以便于任务调度和能源管理。大多数研究聚焦于交通中的自动驾驶车辆，但很少关注智能工厂中的自动地面车辆 (AGV)，后者面临复杂环境并产生大量数据。在特征多样性与干扰之间不可避免地存在权衡。本文提出了用于智能工厂电力消耗预测的分布式多头学习 (DMH) 系统。DMH 中的多头学习机制用于减少噪声干扰并提高准确度。此外，DMH 系统设计为分布式和分片学习，降低客户端到服务器的传输成本，在不共享本地数据和模型的情况下共享知识，并提升隐私和安全水平。实验结果表明，所提出的 DMH 系统在大多数数据集和情景中排名前两名。DMH-E 系统将一流系统的误差降低 14.5% 到 24.0%。有效性研究表明，基于皮尔逊相关性的特征工程有效，而结合所提出的多头学习进行特征分组进一步提高了预测性能。
引用
@article{arxiv.2501.12133,
title = {Distributed Multi-Head Learning Systems for Power Consumption Prediction},
author = {Jia-Hao Syu and Jerry Chun-Wei Lin and Philip S. Yu},
journal= {arXiv preprint arXiv:2501.12133},
year = {2025}
}