研究人员探索了改进基于图神经网络的潮流模型在分布外泛化能力的方法。他们的研究系统地评估了物理信息损失、多网格训练和基于扰动的数据增强。研究结果表明,与监督方法相比,物理信息损失增强了迁移学习,而对边属性进行基于扰动的数据增强可将性能提高高达54.6%。在较小系统上进行的多网格训练显示出与单网格训练相当的结果,但未能完全弥合与目标网格训练之间的差距。 AI
影响 增强了AI模型在电网等关键基础设施中的可靠性,使其能够更好地适应不断变化的运行条件。
排序理由 学术论文,详细介绍了改进机器学习模型泛化的研究成果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →