一篇新研究论文评估了电力系统故障检测的机器学习模型,重点关注了超出聚合分数的面向保护的指标。该研究使用PROTECT-90数据集分析了梯度提升树、卷积神经网络和逻辑回归模型。虽然这些模型取得了较高的AUC-ROC值,但它们表现出显著的漏报和误报率,其中漏报与较高的故障电阻相关。 AI
影响 强调了在关键基础设施中部署机器学习的潜在风险,并强调了在标准准确性指标之外进行鲁棒安全评估的必要性。
排序理由 发表在arXiv上的研究论文,详细介绍了对机器学习模型的评估。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- AUC-ROC
- CatalyzeX Code Finder for Papers
- convolutional neural network
- CORE Recommender
- DagsHub
- Gotit.pub
- Gradient Boosted Trees
- Hugging Face
- IArxiv Recommender
- Influence Flower
- logistic regression model
- machine learning
- PROTECT-90
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →