Labellisation semi-supervisée de données : Vers une approche experte étendue - INRIA - Institut National de Recherche en Informatique et en Automatique Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Labellisation semi-supervisée de données : Vers une approche experte étendue

Résumé

Dans cet article, nous proposons une nouvelle approche semi supervisée de labellisation des événements du réseau électrique français. Après une première labellisation partielle par un système expert, nous utilisons un réseau de neurones siamois pour explorer et étendre les labels sur des données nonlabellisés. En appliquant notre approche aux données du système électrique de la région de Lyon sur l'année 2017, les résultats de la métrique créée par le réseau approchent ceux obtenus sur la DTW et nous ouvrent la possibilité d'extension à de plus gros volumes de données à labelliser, tout en intégrant une expertise opérationnelle.
Fichier principal
Vignette du fichier
GAST2019_Crochepierre.pdf (306.16 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03118698 , version 1 (22-01-2021)

Identifiants

  • HAL Id : hal-03118698 , version 1

Citer

Laure Crochepierre, Antoine Marot, Vincent Barbesant, Benjamin Donnot, Lydia Boudjeloud-Assala. Labellisation semi-supervisée de données : Vers une approche experte étendue. GAST 2019 - Atelier Gestion et Analyse des données Spatiales et Temporelles, Jan 2019, Metz, France. ⟨hal-03118698⟩
77 Consultations
225 Téléchargements

Partager

Gmail Facebook X LinkedIn More