研究人员开发了一种名为Cluster Aggregated GAN (CAG) 的新颖框架，用于生成非侵入式负载监测的合成电器数据。该混合模型通过区分间歇性电器和连续性电器来解决现有方法的局限性。对于间歇性设备，CAG使用聚类模块对相似模式进行分组并分配专用生成器，而连续性电器则由基于LSTM的生成器处理。实验表明，CAG在真实性、多样性和训练稳定性方面优于基线方法。 AI
影响 这一新模型可以通过生成更真实的合成电器数据来提高能源研究的准确性和隐私性。
排序理由 该集群包含一篇详细介绍用于合成数据生成的新型混合生成模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Calibration Aware Generation
- Cluster Aggregated GAN
- generative adversarial network
- long short-term memory
- University of Victoria
- Zikun Guo
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →