研究人员开发了ActiGrid,一个用于电力系统故障和攻击诊断中主动证据获取的基准框架。该框架将一个旨在处理缺失数据的分类器与一个决定是请求更多信息还是停止并诊断的双深度Q网络(DQN)配对。在TU Delft数字变电站和MSU/ORNL电力系统攻击基准上的实验表明,虽然学习策略适应了观测结果,但它并不显著优于熵停止或固定子集等更简单的方法,甚至被紧凑子集分类器超越。 AI
影响 表明复杂的学习策略在关键系统的证据获取方面可能并不总是优于更简单的方法。
排序理由 详细介绍新框架和实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- ActiGrid
- arXiv
- Deep Q-Network
- Delft University of Technology
- Double Deep Q-Network
- Hugging Face
- MSU/ORNL
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →