چکیده مقاله
در سیستم های چندانرژی، گسترش پیوسته شبکه حسگرها و رشد سریع ابعاد داده ها، استراتژی سنتی تشخیص ناهنجاری مبتنی بر تک وجهی را برای تطابق با چالش های ناشی از ناهمگنی چندمنبعی و همبستگی های پنهان در سناریوهای پیچیده مصرف انرژی با دشواری مواجه می سازد مطابق با تئوری الگوریتم های ادغام چندوجهی، مدل چندوجهی چندسطحی مبتنی بر همبستگی در این اثر، یادگیری تعاملی بین وجهی و بازنمایی معنایی چندسطحی را بر روی ویژگی های داده چندین منبع انرژی به صورت عمیق اجرا می کند: نخست، از مکانیزم توجه چندکاناله برای کاوش همبستگی بین داده های مصرف انرژی در وجه های مختلف استفاده می شود تا تخصیص توجه وزنی به ویژگی های کلیدی محقق شود سپس، از شبکه جاسازی سلسله مراتبی برای نگاشت ویژگی های چندوجهی به فضای معنایی یکپارچه با ابعاد بالا استفاده شد و اطلاعات زمانی و روابط فضایی در سطوح مختلف استخراج گردید افزون بر این، با ترکیب یادگیری ساختار گراف و آموزش تقابلی، یک رابطه گراف ترکیبی می سازیم که داده های چندمنبع و تعاملات پنهان بین آن ها را پوشش می دهد تا دقت و استحکام در شناسایی ویژگی های ناهنجار افزایش یابد و تشخیص دقیق الگوهای ناهنجار پیچیده در سیستم های چندانرژی محقق شود نتایج آزمایش نشان می دهد که مدل پیشنهادی در مقایسه با روش های متداول پیشین، بر روی مجموعه داده های انرژی چندمنبع، از دقت تشخیص بالاتر و توان تعمیم پذیری قوی تری برخوردار است
کلیدواژه‌ها
نویسندگان
محمد مهدی گوهری
۱ دانشجوی ارشد، دانشکده مدیریت، دانشگاه پیام نور کرج
مصطفی لشکری
۲ دانشجوی ارشد، دانشکده فنی و مهندسی ، دانشگاه بین المللی امام خمینی قزوین
محمد رضا لشکری
۳ دانشجوی ارشد، دانشکده فنی و مهندسی ، دانشگاه قم
شیوه ارجاع
گوهری، محمد مهدی و لشکری، مصطفی و لشکری، محمد رضا،1404،یادگیری چندوجهی چندسطحی مبتنی بر همبستگی برای تشخیص ناهنجاری در شبکه برق هوشمند،بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائه‌شده در
مجموعه مقالات بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک28 بهمن 1404 · شیروان