인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Power Factor Correction (PFC) circuits play a vital role in improving power quality and ensuring the stability of power systems. However, collecting real-world fault data for these circuits is costly and time-consuming, making it difficult to train reliable diagnostic models. To address this issue, this study proposes a data augmentation method using a Transformer-based Generative Adversarial Network(GAN) integrated with Positional Encoding. The proposed approach captures the temporal dependencies and nonlinear characteristics of PFC fault signals more effectively than traditional techniques. Experimental evaluations using t-SNE, Maximum Mean Discrepancy(MMD), and multiple classification models confirm the advancement of the proposed method in generating realistic and diverse fault data. This research contributes to enhancing the robustness and accuracy of fault diagnosis models and offers scalability to other power electronic systems.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093814655
