跳到主要内容
检索

# 状态估计

2 篇关联报道

订阅更新
  1. arXiv

    只改被攻陷的传感器也能骗过检测器:PCGAN在IEEE 300节点电网把隐身-影响综合分做到18.69%

    在只能改写部分已部署传感器通道、且不知道电网拓扑与检测器参数的条件下,PCGAN从历史量测中学出有功-电压相角、无功-电压幅值的近似解耦关系,并用对抗训练生成贴近正常运行的数据注入扰动。在IEEE 300节点系统、PJM一年小时负荷与10%至100%被攻陷传感器的四种场景中,它对十种机器学习检测器的平均规避率为84.28%,平均空间负荷误判为22.31%,隐身-影响综合分平均18.69%,而最强对比攻击为5.61%。

  2. arXiv

    循环网络的状态估计有了收敛保证:调大一个增益,误差指数收敛到任意小邻域

    循环网络做状态估计时,此前只有经验表现,缺少收敛与鲁棒性的形式保证。这项工作把循环网络看作连续隐动力学的离散化,要求隐状态流满足收缩条件,从而证明存在一个光滑单射把真实物理状态嵌入隐空间;调大一个标量增益κ,估计误差以指数速度收敛到零的任意小邻域,代价是解码网络容量随κ多项式增长。在真实移动机器人位姿估计任务上,这种可证收缩的模型优于普通GRU,训练也更稳定。

已读完全部报道