論文の概要: Appliance identification using a histogram post-processing of 2D local binary patterns for smart grid applications

• arxiv url: http://arxiv.org/abs/2010.01414v1
• Date: Sat, 3 Oct 2020 19:23:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-30 02:17:46.096366
• Title: Appliance identification using a histogram post-processing of 2D local binary patterns for smart grid applications
• Title（参考訳）: スマートグリッドアプリケーションのための2次元局所バイナリパターンのヒストグラム後処理を用いたアプライアンス同定
• Authors: Yassine Himeur and Abdullah Alsalemi and Faycal Bensaali and Abbes Amira
• Abstract要約: 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。
• 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: Identifying domestic appliances in the smart grid leads to a better power usage management and further helps in detecting appliance-level abnormalities. An efficient identification can be achieved only if a robust feature extraction scheme is developed with a high ability to discriminate between different appliances on the smart grid. Accordingly, we propose in this paper a novel method to extract electrical power signatures after transforming the power signal to 2D space, which has more encoding possibilities. Following, an improved local binary patterns (LBP) is proposed that relies on improving the discriminative ability of conventional LBP using a post-processing stage. A binarized eigenvalue map (BEVM) is extracted from the 2D power matrix and then used to post-process the generated LBP representation. Next, two histograms are constructed, namely up and down histograms, and are then concatenated to form the global histogram. A comprehensive performance evaluation is performed on two different datasets, namely the GREEND and WITHED, in which power data were collected at 1 Hz and 44000 Hz sampling rates, respectively. The obtained results revealed the superiority of the proposed LBP-BEVM based system in terms of the identification performance versus other 2D descriptors and existing identification frameworks.
• Abstract（参考訳）: スマートグリッドにおける家電機器の特定は、電力使用量管理の改善と、家電レベルの異常の検出に役立てる。 スマートグリッド上の異なるアプライアンスを識別する能力の高いロバストな特徴抽出スキームを開発する場合のみ、効率的な識別を実現することができる。 そこで本稿では,より符号化可能性の高い2次元空間に電力信号を変換して電力シグネチャを抽出する新しい手法を提案する。 続いて,後処理段階を用いて従来のlppの識別能力を向上させるための改良型ローカルバイナリパターン(lbp)を提案する。 2次元パワーマトリックスから2次元固有値マップ(BEVM)を抽出し、生成したLPP表現を後処理する。 次に、2つのヒストグラム、すなわち上下ヒストグラムを構築し、それを連結して大域ヒストグラムを形成する。 GREENDとWithEDという2つの異なるデータセットで総合的な性能評価を行い、それぞれ1Hzと44000Hzのサンプリングレートで電力データを収集した。 その結果, LBP-BEVM ベースのシステムでは, 他の2次元ディスクリプタや既存の識別フレームワークに比べて識別性能が優れていた。

関連論文リスト

• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• A Graph Reconstruction by Dynamic Signal Coefficient for Fault Classification [20.273719790567743]
  本稿では,エンドツーエンドの故障診断モデルにおいて重要な役割を担う動的特徴再構成信号グラフ法を提案する。 軸受の公開データプラットフォームとロボット研削実験用プラットフォームの実験結果から, 本手法は, ノイズ強度の異なる既存手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-30T12:24:41Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• A SPA-based Manifold Learning Framework for Motor Imagery EEG Data Classification [2.4727719996518487]
  本稿では,運動画像(MI)タスクから2種類の脳波データを分類するための多様体学習フレームワークを提案する。 特徴抽出のために、前処理された脳波信号から共通空間パターン(CSP)によって実装される。 分類のための特徴の近傍では、データの支持に対する局所近似が得られ、次に最も近い支持を持つクラスに特徴が割り当てられる。
  論文  参考訳（メタデータ） (2021-07-30T06:18:05Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• 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)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• BRDS: An FPGA-based LSTM Accelerator with Row-Balanced Dual-Ratio Sparsification [3.3711251611130337]
  エネルギー消費を低減し、Long Short-Term Memory (LSTM) ニューラルネットワークアクセラレータの速度を改善するためのハードウェアフレンドリーなプランニングアルゴリズムを提示する。 その結果、提案された加速器は最大272%の有効GOPS/Wを提供することができ、パープレキシティエラーはPTBデータセットの1.4%まで低減される。
  論文  参考訳（メタデータ） (2021-01-07T18:23:48Z)
• Electroencephalography signal processing based on textural features for monitoring the driver's state by a Brain-Computer Interface [3.613072342189595]
  仮想脳-コンピュータインタフェース(BCI)システムにおいて,運転者の警戒度を推定する指標としてテキスト処理手法を検討する。 提案手法の新規性は、前処理された脳波データからの特徴抽出に1次元局所バイナリパターン (1D-LBP) アルゴリズムを用いることに依存する。 分析の結果,1D-LBPの採用により性能が大幅に向上したことが明らかとなった。
  論文  参考訳（メタデータ） (2020-10-13T14:16:00Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)
• Binary DAD-Net: Binarized Driveable Area Detection Network for Autonomous Driving [94.40107679615618]
  本稿では,二項化駆動型領域検出ネットワーク(バイナリDAD-Net)を提案する。 エンコーダ、ボトルネック、デコーダ部分の2重みとアクティベーションのみを使用する。 パブリックデータセット上で、最先端のセマンティックセグメンテーションネットワークより優れています。
  論文  参考訳（メタデータ） (2020-06-15T07:09:01Z)

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。