跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    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

    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。