![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文献阅读
文章平均质量分 87
文献阅读
一颗豆苗苗
这个作者很懒,什么都没留下…
展开
-
文献阅读—Matching Theory Adied Federated Learning Method for Load Forecasting of Virtual Power Plant
1.本文研究的问题?在虚拟电厂中,需要对用户进行负荷预测,以便精准调控。端设备的大量数据需上传到边缘服务器和云,再由云平台做出决策,在边缘服务器将决策分解后发给端设备。联邦学习(FL)可以解决此问题,将设备的数据保存在本地,与云端协同训练负荷预测模型。但是普通的FL不可直接用于负荷预测:每个用户的用电行为不同,全局模型不适用于所有用户;FL训练速度依赖于资源短缺的设备。本文研究的问题:如何在不上传数据的情况下,使每个用户拥有适配的负荷预测模型(根据不同用户用电行为进行分组...原创 2022-04-21 21:15:42 · 417 阅读 · 0 评论 -
文献阅读—An exploratory study of congestion control techniques in Wireless Sensor Networks
0.摘要:无线传感器网络在数据处理、存储、传输能力以及能源供应等方面资源有限,拥塞是无线传感器网络普遍存在的问题之一。在过去十年,我们进行了大量的调查工作,以调查和解决多个拥塞导向问题和尚未解决的问题。各种综述文章主要集中于经典的拥塞控制技术,如基于流量的、基于资源的和混合技术等。本文通过考虑经典方法和基于软计算的方法,对最近在改进无线传感器网络拥塞控制的方法进行了系统回顾。从整体的角度对这两种方法进行研究是一种可行的思路。最后,本文讨论了无线传感器网络拥塞控制机制的设计难点、各种优化模...原创 2022-03-02 18:12:01 · 211 阅读 · 0 评论 -
文献阅读—GAIN:Missing Data Imputation using Generative Adversarial Nets
文章提出了一种填补缺失数据的算法—GAIN。生成器G观测一些真实数据,并用真实数据预测确实数据,输出完整的数据;判别器D试图去判断完整的数据中,哪些是观测到的真实值,哪些是填补的值。给D提供一些额外的提示信息,保证G可以学习期望的分布。提示向量向D透露了原始数据的部分信息。在多个数据集上测试了算法,算法效果较好。一.引言1.缺失数据可以分成三类:MCAR:完全随机缺失,数据的缺失不依赖于任何不完全变量和完全变量。MAR:随机缺失,数据的缺失不是完全随机的,依赖...原创 2021-11-30 13:15:18 · 4413 阅读 · 28 评论