Resumen

Este artículo presenta un modelo híbrido, denominado como red neuronal profunda híbrida, que combina una red neuronal convolucional, optimización por enjambre de partículas y unidad recurrente con compuertas, denominado como modelo red neuronal convolucional-optimización por enjambre de partículas-unidad recurrente con compuertas. Los principales objetivos del modelo son realizar una detección precisa de robo de electricidad y superar los problemas en los modelos existentes. Los problemas incluyen el sobreajuste y la incapacidad de los modelos para manejar datos desequilibrados. Con este propósito, los datos de consumo de electricidad de medidores inteligentes son tomados de la corporación estatal de red eléctrica de China. Una empresa eléctrica recopila los datos de los medidores inteligentes instalados en los consumidores. El conjunto de datos contiene datos en tiempo real con valores faltantes y valores atípicos. Por lo tanto, primero se preprocesa para obtener los datos refinados seguido de la ingeniería de características para la selección y extracción de las mejores características del conjunto de datos utilizando

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Red neuronal profunda híbrida; Red neuronal convolucional; Optimización de enjambre de partículas; Unidad recurrente con compuertas; Detección de robo de electricidad; Datos desequilibrados
• Keywords:Hybrid deep neural network; Convolutional neural network; Particle swarm optimization; Gated recurrent unit; Electricity theft detection; Imbalanced data