論文の概要: Efficient multi-descriptor fusion for non-intrusive appliance recognition

• arxiv url: http://arxiv.org/abs/2009.08210v2
• Date: Fri, 25 Sep 2020 13:00:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 00:19:47.097773
• Title: Efficient multi-descriptor fusion for non-intrusive appliance recognition
• Title（参考訳）: 非インタラクティブアプライアンス認識のための効率的なマルチディスクリプタ融合
• Authors: Yassine Himeur, Abdullah Alsalemi, Faycal Bensaali, Abbes Amira
• Abstract要約: 本稿では,各家電の消費フットプリントを特定できる家電認識手法を提案する。 電気機器は、異なる記述子の組み合わせによってよく認識されている。 TD特徴の融合に基づく強力な特徴抽出手法を提案する。
• 参考スコア（独自算出の注目度）: 2.389598109913753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Consciousness about power consumption at the appliance level can assist user in promoting energy efficiency in households. In this paper, a superior non-intrusive appliance recognition method that can provide particular consumption footprints of each appliance is proposed. Electrical devices are well recognized by the combination of different descriptors via the following steps: (a) investigating the applicability along with performance comparability of several time-domain (TD) feature extraction schemes; (b) exploring their complementary features; and (c) making use of a new design of the ensemble bagging tree (EBT) classifier. Consequently, a powerful feature extraction technique based on the fusion of TD features is proposed, namely fTDF, aimed at improving the feature discrimination ability and optimizing the recognition task. An extensive experimental performance assessment is performed on two different datasets called the GREEND and WITHED, where power consumption signatures were gathered at 1 Hz and 44000 Hz sampling frequencies, respectively. The obtained results revealed prime efficiency of the proposed fTDF based EBT system in comparison with other TD descriptors and machine learning classifiers.
• Abstract（参考訳）: アプライアンスレベルでの電力消費に対する意識は、家庭におけるエネルギー効率の促進に役立つ。 本稿では,各機器の特定の消費フットプリントを提供できる優れた非侵入型家電認識手法を提案する。 電気機器は以下の手順で異なる記述子の組み合わせによってよく認識される。 (a)複数の時間領域(TD)特徴抽出方式の性能適合性を考慮した適用性の調査 b) 相補的な特徴を探求すること,及び (c) アンサンブルバッグングツリー(EBT)分類器の新しい設計を利用する。 その結果,特徴識別能力の向上と認識タスクの最適化を目的とした,TD特徴の融合に基づく強力な特徴抽出手法,すなわちfTDFを提案する。 greendとwithedと呼ばれる2つの異なるデータセットで広範な実験性能評価を行い、それぞれ1hzと44000hzのサンプリング周波数で消費電力のシグネチャを収集した。 その結果,ftdfベースのebtシステムが他のtdディスクリプタや機械学習分類器と比較して最良効率を示した。

関連論文リスト

• Dual-TSST: A Dual-Branch Temporal-Spectral-Spatial Transformer Model for EEG Decoding [2.0721229324537833]
  デュアルブランチ時間スペクトル空間変換器(Dual-TSST)を用いた新しいデコードアーキテクチャネットワークを提案する。 提案するDual-TSSTは様々なタスクにおいて優れており,平均精度80.67%の脳波分類性能が期待できる。 本研究は,高性能脳波デコーディングへの新たなアプローチを提供するとともに,将来のCNN-Transformerベースのアプリケーションにも大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-09-05T05:08:43Z)
• Once for Both: Single Stage of Importance and Sparsity Search for Vision Transformer Compression [63.23578860867408]
  重要度評価と疎度評価を1段階にまとめる方法について検討する。 重要度と疎度の両方を同時に評価するコスト効率の高いOFBを提案する。 実験により、OFBは最先端のサーチベースおよびプルーニングベース手法よりも優れた圧縮性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-03-23T13:22:36Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Learning Better with Less: Effective Augmentation for Sample-Efficient Visual Reinforcement Learning [57.83232242068982]
  データ拡張(DA)は、ビジュアル強化学習(RL)アルゴリズムのサンプル効率を高める重要な手法である。 サンプル効率のよい視覚的RLを実現する上で, DAのどの属性が有効かは明らかになっていない。 本研究は,DAの属性が有効性に与える影響を評価するための総合的な実験を行う。
  論文  参考訳（メタデータ） (2023-05-25T15:46:20Z)
• Multi-Point Integrated Sensing and Communication: Fusion Model and Functionality Selection [99.67715229413986]
  本稿では,複数のISACデバイスからの出力を融合させて高感度化を実現する多点ISAC(MPISAC)システムを提案する。 我々は,仮説テストと最適投票分析により,融合精度を予測する融合モデルを採用する。
  論文  参考訳（メタデータ） (2022-08-16T08:09:54Z)
• An Efficient Epileptic Seizure Detection Technique using Discrete Wavelet Transform and Machine Learning Classifiers [0.0]
  本稿では,離散ウェーブレット変換(DWT)と機械学習分類器を用いたてんかん検出手法を提案する。 DWTは、周波数帯域の異なる信号のより良い分解を提供するため、特徴抽出に使われてきた。
  論文  参考訳（メタデータ） (2021-09-26T18:30:04Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Smart non-intrusive appliance identification using a novel local power histogramming descriptor with an improved k-nearest neighbors classifier [2.389598109913753]
  本稿では,新しいローカルパワーヒストグラム(LPH)記述子に基づく,スマートNILMシステムを提案する。 具体的には、個々の家電消費シグネチャを表すために、局所的に短いヒストグラムを描画する。 学習時間を短縮し,分類性能を向上させるため,改良k-nearest neighbors (IKNN)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-09T13:12:20Z)
• Incorporating Coincidental Water Data into Non-intrusive Load Monitoring [0.0]
  独自の非オーバーラップ電力値を持つ家電の電力信号を抽出するイベントベースの分類プロセスを提案する。 ネットワーク内の新たなシグネチャとして,いくつかの機器の水消費を考慮した2つのディープラーニングモデルを用いて,重なり合う電力値を持つ家電を識別する。 提案プロセスでは, 電力の分散に加えて, 特定の電化製品の水消費プロファイルも抽出する。
  論文  参考訳（メタデータ） (2021-01-18T17:49:39Z)
• Appliance identification using a histogram post-processing of 2D local binary patterns for smart grid applications [2.389598109913753]
  本稿では,電力信号から2次元空間への変換後の電力信号の抽出手法を提案する。 従来のLBPの識別能力の向上に依存する改良された局所二分法(LBP)を提案する。 2つの異なるデータセットに対して総合的な性能評価を行う。
  論文  参考訳（メタデータ） (2020-10-03T19:23:30Z)

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。