Grote taalmodellen ingezet voor voorspellen stroomuitval door weer
Een nieuwe studie onderzoekt de inzet van grote taalmodellen voor het voorspellen van risico's op stroomuitval door weersomstandigheden. De systemen worden hierbij getest zonder voorafgaande training op gelabelde data.
Het voorspellen van storingen in het elektriciteitsnet door extreme weersomstandigheden is cruciaal voor netbeheerders. Onderzoekers hebben gekeken of geavanceerde taalmodellen in staat zijn om deze risico's in te schatten op basis van historische weergegevens en eerdere uitvalmeldingen, zonder dat de modellen daarvoor specifiek zijn getraind met gelabelde voorbeelden.
Benchmarken tegen klassieke machine learning
In het onderzoek worden de prestaties van meerdere taalmodellen afgezet tegen traditionele classificatiemethoden. Hierbij wordt gekeken naar verschillende tijdsvensters waarin de risico's op uitval moeten worden vastgesteld.
Het gebruik van generatieve taalmodellen voor voorspellende taken in fysieke infrastructuren is een opkomend onderzoeksgebied. Waar dergelijke systemen oorspronkelijk vooral voor tekstverwerking werden ontworpen, onderzoeken wetenschappers nu in hoeverre de onderliggende patronen toepasbaar zijn op complexe data uit de praktijk.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel