期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
Conv-WGAIN:面向多元时序数据缺失的卷积生成对抗插补网络模型
1
作者 刘子建 丁维龙 +2 位作者 邢梦达 李寒 黄晔 《计算机工程与科学》 CSCD 北大核心 2023年第5期931-939,共9页
油浸式变压器的油色谱数据是一种多元时序传感数据,设备或网络失误往往会导致数据缺失,通常需要通过插补形成完整数据集,才能用于进一步的业务分析研究。但是,现有的插补模型无法面向多元时序数据同时处理因时间不均匀性和时间双向性带... 油浸式变压器的油色谱数据是一种多元时序传感数据,设备或网络失误往往会导致数据缺失,通常需要通过插补形成完整数据集,才能用于进一步的业务分析研究。但是,现有的插补模型无法面向多元时序数据同时处理因时间不均匀性和时间双向性带来的插补效率低和效果难以保障的问题,对此提出一种名为Conv-WGAIN的生成对抗插补网络模型,通过构建的插补特征图,可利用二维卷积从前后2个方向学习时间特征,处理时间间隔不均匀的数据;在判别器中引入Wasserstein距离来判别生成插补数据与真实观测数据,提升了生成器的稳定性。在真实项目中的油色谱数据集和3个公开数据集上的实验表明,该模型在多元时序缺失数据上具有普遍适用性,而且在不同的缺失率下的插补结果要优于其他对比模型的,RMSE降低了20.75%~73.37%。 展开更多
关键词 生成对抗插补网络 多元时序数据 卷积神经网络 Wasserstein距离 缺失值插补
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部