检索结果-南通市图书馆

Identifying the validity domain of machine learning models in building energy systems

Energy and AI 2024年第1期15卷 328-341页

作者： Martin Rätz Patrick Henkel Phillip Stoffel Rita Streblow Dirk Müller RWTH Aachen University E.ON Energy Research CenterInstitute for Energy Efficient Buildings and Indoor ClimateMathieustraβe 10Aachen52074Germany

The building sector significantly contributes to climate *** improve its carbon footprint,applications like model predictive control and predictive maintenance rely on system ***,the high modeling effort hinders practical *** learning models can significantly reduce this modeling *** ensure a machine learning model’s reliability in all operating states,it is essential to know its validity *** states outside the validity domain might lead to extrapolation,resulting in unpredictable *** paper addresses the challenge of identifying extrapolation in data-driven building energy system models and aims to raise knowledge about *** that,a novel approach is proposed that calibrates novelty detection algorithms towards the machine learning *** novelty detection algorithms are identified through a literature review and a benchmark test with 15 candidates.A subset of five algorithms is then evaluated on building energy ***,on two-dimensional data,displaying the results with a novel visualization *** on more complex multi-dimensional use *** methodology performs well,and the validity domain could be *** visualization allows for a profound analysis and an improved understanding of the fundamental effects behind a machine learning model’s validity domain and the extrapolation regimes.

关键词： extrapolation detection Validity domain Novelty detection Machine learning Artificial neural network Data-driven model predictive control Building energy systems

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：