| 基于深度自編碼器的智能電網竊電網絡攻擊異常檢測 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>3783 K | |
| 標簽： 自動編碼器 深度機器學習 竊電 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：現有AMIs中的異常檢測器存在淺層架構，難以捕獲時間相關性以及電力消耗數據中存在的復雜模式，從而影響檢測性能。提出基于長短期記憶（LSTM）的序列對序列（seq2seq）結構的深度（堆棧）自編碼器。自動編碼器結構的深度有助于捕獲數據的復雜模式，seq2seq LSTM模型可以利用數據的時間序列特性。研究了簡單自編碼器、變分自編碼器和注意自編碼器（AEA）的性能，得出在這3種自編碼器采用seq2seq結構時檢測性能優于全連接結構。仿真結果表明，帶有注意力機制的檢測器（AEA）檢出率和虛警率分別比現有性能最好的檢測器高4%~21%和4%~13%。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2