检索结果-南通市图书馆

Generation of meaningful synthetic sensor data—Evaluated with a reliable transferability methodology

Energy and AI 2024年第1期15卷 248-264页

作者： Michael Meiser Benjamin Duppe Ingo Zinnikus Deutsches Forschungszentrum für künstliche Intelligenz(DFKI) Stuhlsatzenhausweg 3Saarbrücken66123SaarlandGermany

As households are equipped with smart meters,supervised Machine Learning(ML)models and especially Non-Intrusive Load Monitoring(NILM)disaggregation algorithms are becoming increasingly *** be robust,these models require a large amount of data,which is difficult to ***,the generation of meaningful synthetic data is becoming more *** use a simulation framework to generate multiple datasets using different techniques and evaluate their quality statistically by measuring the performance of NILM models for *** demonstrate that the method of data generation is crucial to train ML models in a meaningful *** experiments conducted reveal that adding noise to the synthetic smart meter data is essential to train robust NILM models for *** best results are obtained when this noise is derived from unknown appliances for which no ground truth data is *** we observed that NILM models can provide unstable results,we develop a reliable evaluation methodology,based on Cochran’s sample ***,we compare the quality of the generated synthetic data with real data and observe that multiple NILM models trained on synthetic data perform significantly better than those trained on real data.

关键词： Smart home Synthetic sensor data Energy data Transfer learning Evaluation methodology Machine learning Neural networks NILM seq2point WindowGRU DAE seq2seq RNN

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

基于多任务学习的非侵入式负荷分解

引用

湖北工业大学学报 2023年第2期38卷 1-6页

作者：刘辉江煦成湖北工业大学太阳能高效利用湖北省协同创新中心湖北武汉430068

为解决目前非侵入式负荷分解研究中存在的模型数量多及训练时间长等问题,将多任务学习引入到非侵入式负荷分解研究中,提出一种基于多门多专家模型的非侵入式负荷分解方法,首先通过seq2point模型将用电设备的功率分解转换为总功率序列与... 详细信息

为解决目前非侵入式负荷分解研究中存在的模型数量多及训练时间长等问题,将多任务学习引入到非侵入式负荷分解研究中,提出一种基于多门多专家模型的非侵入式负荷分解方法,首先通过seq2point模型将用电设备的功率分解转换为总功率序列与用电设备在序列中点时刻功率值的映射关系,其次利用MMoE模型的门控函数及共用的Expert网络组兼顾不同用电设备功率分解任务的独特性和关联性,最终通过单个MMoE模型同时完成多个用电设备的功率分解。在公开数据集上进行验证,测试算例验证了方法的有效性。

关键词：非侵入式负荷分解多任务学习 MMoE seq2point

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

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

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

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：