論文の概要: Data fusion strategies for energy efficiency in buildings: Overview,
challenges and novel orientations
- arxiv url: http://arxiv.org/abs/2009.06345v1
- Date: Mon, 14 Sep 2020 12:04:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 12:51:59.522457
- Title: Data fusion strategies for energy efficiency in buildings: Overview,
challenges and novel orientations
- Title(参考訳): 建物におけるエネルギー効率のためのデータ融合戦略:概観,課題,新しい方向性
- Authors: Yassine Himeur, Abdullah Alsalemi, Ayman Al-Kababji, Faycal Bensaali,
Abbes Amira
- Abstract要約: 本稿では,過剰消費を低減し,持続可能性を高めるため,既存のデータ融合機構を広範囲に調査する。
我々は,それらの概念化,優位性,課題,欠点について検討するとともに,既存のデータ融合戦略やその他の要因の分類を行う。
1次元の電力信号を2次元空間に変換して画像として扱う2次元局所テクスチャディスクリプタの融合に基づく新しい電気機器識別法を提案する。
- 参考スコア(独自算出の注目度): 2.1874189959020423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, tremendous interest has been devoted to develop data fusion
strategies for energy efficiency in buildings, where various kinds of
information can be processed. However, applying the appropriate data fusion
strategy to design an efficient energy efficiency system is not
straightforward; it requires a priori knowledge of existing fusion strategies,
their applications and their properties. To this regard, seeking to provide the
energy research community with a better understanding of data fusion strategies
in building energy saving systems, their principles, advantages, and potential
applications, this paper proposes an extensive survey of existing data fusion
mechanisms deployed to reduce excessive consumption and promote sustainability.
We investigate their conceptualizations, advantages, challenges and drawbacks,
as well as performing a taxonomy of existing data fusion strategies and other
contributing factors. Following, a comprehensive comparison of the
state-of-the-art data fusion based energy efficiency frameworks is conducted
using various parameters, including data fusion level, data fusion techniques,
behavioral change influencer, behavioral change incentive, recorded data,
platform architecture, IoT technology and application scenario. Moreover, a
novel method for electrical appliance identification is proposed based on the
fusion of 2D local texture descriptors, where 1D power signals are transformed
into 2D space and treated as images. The empirical evaluation, conducted on
three real datasets, shows promising performance, in which up to 99.68%
accuracy and 99.52% F1 score have been attained. In addition, various open
research challenges and future orientations to improve data fusion based energy
efficiency ecosystems are explored.
- Abstract(参考訳): 近年、様々な情報を処理できる建物におけるエネルギー効率のためのデータ融合戦略の開発に多大な関心が寄せられている。
しかし、効率的なエネルギー効率システムを設計するために適切なデータ融合戦略を適用するのは簡単ではない。
そこで本稿では,エネルギー研究コミュニティに対して,省エネシステム構築におけるデータ融合戦略,その原理,長所,潜在的応用についてより深く理解することを目的として,既存のデータ融合メカニズムを広範囲に調査し,過度の消費削減と持続可能性の促進に役立てることを提案する。
それらの概念化,利点,課題,欠点を調査し,既存のデータ融合戦略と他の寄与要因の分類を行った。
次に、データ融合レベル、データ融合技術、行動変化インフルエンサー、行動変化インセンティブ、記録データ、プラットフォームアーキテクチャ、IoTテクノロジ、アプリケーションシナリオなど、さまざまなパラメータを使用して、最先端のデータ融合ベースのエネルギー効率フレームワークの包括的な比較を行う。
また,1次元パワー信号を2次元空間に変換し,画像として扱う2次元局所テクスチャ記述器の融合により,新しい家電識別法を提案する。
3つの実際のデータセットで実施された実験的な評価は、99.68%の精度と99.52%のF1スコアが達成された有望なパフォーマンスを示している。
さらに、データ融合に基づくエネルギー効率エコシステムを改善するための様々なオープンリサーチの課題と今後の方向性について検討する。
関連論文リスト
- A Closer Look at Data Augmentation Strategies for Finetuning-Based Low/Few-Shot Object Detection [5.434078645728145]
本稿では、カスタムデータ拡張のモデル性能とエネルギー効率の両立と自動データ拡張選択戦略について検討する。
多くの場合、データ拡張戦略の性能向上は、そのエネルギー使用量の増加によって、過度に隠蔽されていることが示されている。
論文 参考訳(メタデータ) (2024-08-20T15:29:56Z) - A Gap in Time: The Challenge of Processing Heterogeneous IoT Data in Digitalized Buildings [15.525789412274587]
本研究は, ビル内およびビル間におけるIoTデータの多様性について検討した。
その結果、マルチモーダルデータ統合、ドメインインフォームドモデリング、自動データエンジニアリングパイプラインの必要性が強調された。
論文 参考訳(メタデータ) (2024-05-23T07:45:48Z) - Filling the Missing: Exploring Generative AI for Enhanced Federated
Learning over Heterogeneous Mobile Edge Devices [72.61177465035031]
ローカルデータのFIMI(FIlling the MIssing)部分を活用することにより,これらの課題に対処する,AIを活用した創発的なフェデレーション学習を提案する。
実験の結果,FIMIはデバイス側エネルギーの最大50%を節約し,目標とするグローバルテスト精度を達成できることがわかった。
論文 参考訳(メタデータ) (2023-10-21T12:07:04Z) - Adaptive Feature Fusion: Enhancing Generalization in Deep Learning
Models [0.0]
本稿では,ディープラーニングモデルの一般化を促進するために,アダプティブ・フィーチャー・フュージョン(Adaptive Feature Fusion, AFF)を提案する。
AFFは、基礎となるデータ特性とモデル要件に基づいて、機能を適応的にフューズすることができる。
この分析は、一般化能力の向上におけるAFFの有効性を示し、様々なタスクやアプリケーションのパフォーマンスを改善した。
論文 参考訳(メタデータ) (2023-04-04T21:41:38Z) - DC-BENCH: Dataset Condensation Benchmark [79.18718490863908]
この研究は、データセットの凝縮に関する最初の大規模標準ベンチマークを提供する。
それは、凝縮法の生成可能性と有効性を包括的に反映する一連の評価から成り立っている。
ベンチマークライブラリは、将来の研究とアプリケーションを容易にするためにオープンソース化されている。
論文 参考訳(メタデータ) (2022-07-20T03:54:05Z) - Data-Centric Green AI: An Exploratory Empirical Study [6.4265933507484]
データ中心のアプローチがAIエネルギー効率に与える影響について検討する。
以上の結果から,データセットの変更を排他的に行うことで,エネルギー消費を大幅に削減できることが示唆された。
我々の研究成果は、グリーンAIをさらに有効化し民主化するためのデータ中心技術に焦点を当てた研究課題である。
論文 参考訳(メタデータ) (2022-04-06T12:22:43Z) - CAFE: Learning to Condense Dataset by Aligning Features [72.99394941348757]
本稿ではCAFE(Aligning features)によるCondenseデータセットの新しいスキームを提案する。
このアプローチの核心は、さまざまなスケールにわたる実データと合成データから機能を整合させる効果的な戦略です。
提案したCAFEを様々なデータセットで検証し,概ね最先端技術であることを示す。
論文 参考訳(メタデータ) (2022-03-03T05:58:49Z) - Artificial Intelligence and Design of Experiments for Assessing Security
of Electricity Supply: A Review and Strategic Outlook [0.0]
エネルギーシステムの複雑さは エネルギーシステムのモデリングに 適切な方法を必要とする
データサイエンス分野の新しい手法は、現在の手法を加速するために必要である。
我々は、AI手法を用いた電源モデルの複雑なセキュリティのメタモデリングと、ストレージディスパッチと(非)可用性の予測のためのAIベースの手法の適用を同定する。
論文 参考訳(メタデータ) (2021-12-07T13:28:34Z) - Smart(Sampling)Augment: Optimal and Efficient Data Augmentation for
Semantic Segmentation [68.8204255655161]
セマンティックイメージセグメンテーションに関する最初の研究を行い、textitSmartAugment と textitSmartSamplingAugment の2つの新しいアプローチを紹介した。
SmartAugmentはベイジアン最適化を使用して、拡張戦略の豊富なスペースを探索し、私たちが考慮しているすべてのセマンティックセグメンテーションタスクにおいて、新しい最先端のパフォーマンスを達成する。
SmartSamplingAugmentは、固定的な拡張戦略を備えたシンプルなパラメータフリーのアプローチで、既存のリソース集約型アプローチとパフォーマンスを競い合い、安価な最先端データ拡張手法を上回っている。
論文 参考訳(メタデータ) (2021-10-31T13:04:45Z) - Spatiotemporal Fusion in 3D CNNs: A Probabilistic View [129.84064609199663]
そこで我々は,時間的融合戦略の成功を確率に変換することを提案する。これにより,個別に訓練することなく,様々な融合戦略のネットワークレベルの評価を行うことができる。
本手法は時間融合解析の効率を大幅に向上させる。
我々は4つの精密な行動認識データセット上で最先端の性能を達成するための新たな融合戦略を生成する。
論文 参考訳(メタデータ) (2020-04-10T10:40:35Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳(メタデータ) (2020-02-20T04:58:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。