内嵌专业知识和经验的机器学习方法探索(二):引导学习的应用与实践

该文以配电网健康指数综合分析与诊断为例,探讨如何将引导学习用于科学研究和实践应用。首先,对配电网健康指数的研究背景做了简要讨论。其次,提出了一种内嵌专业知识与经验的引导学习算法。该算法以Softmax Regression为基准学习模型,通过建立知识函数,在学习目标中融入专业知识和经验,并应用Symbiotic Organisms Search算法对非凸非连续的学习目标进行优化,以获得最佳学习参数。然后,根据训练样本是否标记、是否包含噪声数据、是否为均衡样本等构建4种典型应用场景,测试并对比分析引导学习算法的性能。结果表明,所提方法具有较高的鲁棒性和安全性,可适用于诸如电力系统等具有开放、随机环境的复杂学习任务,是一种面向安全人工智能的有益探索。最后,探讨了机器学习软件/平台的发展趋势,并结合电力系统应用的特点,提出一种"单元化"机器学习系统的架构设计方案。