arXiv · AI· S M Zia Ur Rashid, Sazidul Islam Hira, Rupesh Sah, Suman Rath·· 2 天前AI 评分26
ActiGrid 基准:电力系统故障诊断中基于强化学习的证据获取策略评估
Stop Early, Stay Simple: Evidence Acquisition for Power System Fault and Attack Diagnosis
AI 导读
研究提出 ActiGrid 框架,对比 DQN 与简单策略在电力系统诊断中的表现,发现 DQN 性能未显著优于熵停止法。 DQN 在 TU Delft 基准上与熵停止无统计差异,在 MSU/ORNL 基准上被简单控制支配;紧凑子集分类器以更少数据源实现更高 Macro-F1(0.928,读取 57% 源)。 在现有基准中,选择性证据获取无需复杂的学习策略,简单方法即可达到较高性能。
来源:arXiv · AI · arxiv.org