Methods of classifying voltage surges using Deep Neural Networks

The paper focuses on exploring the potential application of neural networks for the classification of voltage surges compliance with the norm. Three potential neural network architectures were considered for the task - a convolutional neural network (further referred to as CNN), a model combining convolutional and LSTM layers (CNN+LSTM) and a transformer model. The best results were achieved by the simple transformer model (accuracy of 93% on the test dataset), followed by CNN+LSTM model (accuracy: 81%), and CNN (accuracy: 69%).

---

Artykuł koncentruje się na badaniu potencjalnego zastosowania sieci neuronowych do klasyfikacji zgodności udarów napięciowych z normą. Do tego zadania rozważono trzy potencjalne architektury sieci neuronowych - konwolucyjną sieć neuronową (CNN), model łączący warstwy konwolucyjne i LSTM (CNN+LSTM) oraz model transformatora. Najlepsze wyniki uzyskał prosty model transformatora (dokładność 93% w zestawie danych testowych), następnie model CNN+LSTM (dokładność: 81%) i CNN (dokładność: 69%).