ActiGrid基准:学习型证据获取未胜简单规则
热点事件持续更新
ActiGrid基准:学习型证据获取未胜简单规则
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者提出 ActiGrid 基准框架,用于网络物理电力系统的主动证据获取:将一个能容忍模态缺失的分类器与 Double Deep Q-Network(DQN)配对,由 DQN 决定再请求一个来源或停止并给出诊断,但不操作电网执行器。 在 TU Delft 数字变电站和 MSU/ORNL 攻击基准上的测试显示,学习型策略未必优于简单规则:DQN 策略与熵停止法在 TU Delft 上统计无差异,在 MSU/ORNL 上被简单控制策略 Pareto 支配;紧凑子集分类器读取更少来源却表现更优。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
ActiGrid 基准揭示:电力系统故障与攻击诊断中学习型证据获取策略未必优于简单规则报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIActiGrid 基准揭示:电力系统故障与攻击诊断中学习型证据获取策略未必优于简单规则
研究者提出 ActiGrid 基准框架,将容忍模态缺失的分类器与 Double DQN 配对,用于网络物理电力系统的主动证据获取。在 TU Delft 数字变电站和 MSU/ORNL 攻击基准上,DQN 策略与熵停止法在 TU Delft 上统计无差异,在 MSU/ORNL 上被简单控制策略 Pareto 支配;紧凑子集分类器读取更少来源却表现更优。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。