باشگاه خبرنگاران جوان - یافتن نقص در شبکه برق مانند تلاش برای پیدا کردن سوزن در انبار کاه است.
به گزارش techxplore، صد‌ها هزار حسگر مرتبط به هم در آمریکا، داده‌های جریان الکتریکی، ولتاژ و سایر اطلاعات حیاتی را ضبط می‌کنند. محققان آزمایشگاه هوش مصنوعی MIT-IBM Watson یک روش محاسباتی برای کشف نواقص داده‌ها ابداع کردند. در این مدل به طور خودکار ناهنجاری‌ها در جریان‌های داده در هر زمان مشخص می‌شوند. آن‌ها با استفاده از هوش مصنوعی و اتصال به شبکه برق اشکالات را بهتر تشخیص می‌دهند. همچنین می‌توان از این مدل در سیستم‌های نظارت بر ترافیک هم استفاده کرد. به عنوان مثال، امکان شناسایی گلوگاه‌های ترافیکی سطح شهر وجود دارد.
محققان با تعریف یک ناهنجاری با احتمال وقوع آن مانند یک جهش ناگهانی ولتاژ از مدل یادگیری جریان عادی سازی استفاده کردند. پس از تقویت مدل جریان نرمال سازی با گراف شبکه بیزی، الگو‌های داده‌ها و ناهنجاری‌ها شناسایی شدند. پس از بررسی چارچوب تولید شده در داده‌های شبکه برق از آن برای شناسایی باگ‌های داده‌های ترافیک و سیستم آب هم استفاده شد. به گفته چن و همکارانش می‌توان از این رویکرد برای بهبود دقت پیش بینی‌ها بر اساس مجموعه داده‌ها یا ساده کردن سایر تکنیک‌های طبقه بندی استفاده کرد.
بیشتر بخوانید
انتهای پیام/