Nowadays, advances in sensing and i

Nowadays, advances in sensing and information processing
technologies have made possible to remotely asses the power
grid assets condition. However, this involves continuous operation,
which produces a huge amount of streaming sensory
data that requires analysis. To address this, machine learning
techniques have been successfully used to discover features
and specific patterns that can differentiate between partial
discharges and noise. However, labelled data is required in
order to build predictive models for PD monitoring, such data

ผลลัพธ์ (ไทย) 1:

ในปัจจุบัน ความก้าวหน้าในการตรวจจับและประมวลผลข้อมูลเทคโนโลยีทำได้จากระยะไกลประเมินอำนาจตารางสินทรัพย์สภาพ อย่างไรก็ตาม นี้เกี่ยวข้องกับการดำเนินงานต่อเนื่องซึ่งผลิตเป็นจำนวนมากของการสตรีมทางประสาทสัมผัสข้อมูลที่ต้องวิเคราะห์ เม เครื่องการเรียนรู้เทคนิคเรียบร้อยเคยค้นพบคุณลักษณะและรูปแบบเฉพาะที่สามารถแยกแยะระหว่างบางส่วนปล่อยและเสียงรบกวน อย่างไรก็ตาม มีป้ายชื่อจะต้องมีข้อมูลสั่งสร้างการณ์สำหรับการตรวจสอบ ข้อมูล PD

ผลลัพธ์ (ไทย) 2:

ปัจจุบันความก้าวหน้าในการตรวจจับและการประมวลผลข้อมูล
เทคโนโลยีได้ทำไปได้จากระยะไกลลาอำนาจ
สภาพสินทรัพย์ตาราง แต่นี้เกี่ยวข้องกับการดำเนินงานอย่างต่อเนื่อง
ซึ่งเป็นผู้ผลิตเป็นจำนวนมากของสตรีมมิ่งประสาทสัมผัส
ข้อมูลที่ต้องใช้ในการวิเคราะห์ เพื่อแก้ปัญหานี้การเรียนรู้เครื่อง
เทคนิคที่ได้รับการใช้ประสบความสำเร็จในการค้นพบคุณสมบัติ
และรูปแบบเฉพาะที่สามารถแยกความแตกต่างระหว่างส่วน
การปล่อยของเสียและเสียงรบกวน อย่างไรก็ตามข้อมูลที่มีข้อความเป็นสิ่งจำเป็น
เพื่อที่จะสร้างรูปแบบการพยากรณ์สำหรับการตรวจสอบ PD ข้อมูลดังกล่าว

ผลลัพธ์ (ไทย) 3:

ปัจจุบันความก้าวหน้าในการตรวจจับ และการประมวลผลสารสนเทศเทคโนโลยีทำให้เป็นไปได้จากระยะไกล พวกพลังงานตารางสินทรัพย์สภาพ อย่างไรก็ตาม นี้เกี่ยวข้องกับการดำเนินงานอย่างต่อเนื่องซึ่งผลิตเป็นจำนวนมาก และ สตรีมมิ่งข้อมูลที่ต้องมีการวิเคราะห์ ไปยังที่อยู่นี้ เครื่องเรียนเทคนิคได้รับเรียบร้อยแล้วใช้ค้นพบคุณสมบัติและรูปแบบที่เฉพาะเจาะจงที่สามารถแยกความแตกต่างระหว่างบางส่วนการไหลและเสียงรบกวน อย่างไรก็ตาม ต้องมีป้ายข้อมูลการสร้างสมการทำนายโดยการตรวจสอบข้อมูลดังกล่าว