Глубокое обучение для классификации нарушений качества электроэнергии по данным осциллограмм

ФИО студента: Лазарев Дмитрий Вячеславович

Кампус/факультет: Факультет компьютерных наук

Программа: Магистр по наукам о данных (Магистратура)

Год защиты: 2024

На основе осциллограмм, полученных в реальных условиях эксплуатации электросети, подготовлены наборы данных для обучения, валидации и проверки качества моделей, базирующихся на нейронных сетях. В ВКР сравнивается производительность моделей на задаче многоклассовой классификации нарушений качества электроэнергии: CatBoost (ML baseline), многослойного персептрона (multilayered perceptron), одномерной сверточной нейронной сети (1D CNN) и управляемого рекуррентного блока (gated recurrent unit). Оценка качества нейронных сетей различных архитектур продемонстрировала явное преимущество управляемого рекуррентного блока над другими типами классификаторов как классического машинного обучения (ML baseline), так и глубокого обучения.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ