探索分布式负载预测的轻量级联邦学习
原文中文,约400字,阅读约需1分钟。发表于: 。利用轻量级完全连接的深度神经网络,本研究重点研究了联邦学习在分析智能能源计量器数据方面的应用,以在保护个体计量器数据隐私的同时实现与现有方法相当的负载预测准确性。通过利用联邦学习的框架,我们在每个计量器源和聚合器上实现了与现有方案相当的预测准确性,同时减少了复杂深度学习模型带来的能源和资源消耗,从而使这种方法在资源受限的智能计量系统中得到了广泛的部署。我们提出的轻量级模型能够实现 0.17...
本研究使用轻量级完全连接的深度神经网络,研究了联邦学习在智能能源计量器数据分析中的应用。通过联邦学习框架,实现了与现有方案相当的预测准确性,并减少了能源和资源消耗。该方法适用于资源受限的智能计量系统。