論文の概要: Artificial Intelligence based Anomaly Detection of Energy Consumption in
Buildings: A Review, Current Trends and New Perspectives
- arxiv url: http://arxiv.org/abs/2010.04560v5
- Date: Fri, 12 Feb 2021 15:14:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-29 13:31:53.913199
- Title: Artificial Intelligence based Anomaly Detection of Energy Consumption in
Buildings: A Review, Current Trends and New Perspectives
- Title（参考訳）: 人工知能による建物内エネルギー消費の異常検出:概観, 現状, 新たな展望
- Authors: Yassine Himeur and Khalida Ghanem and Abdullah Alsalemi and Faycal
Bensaali and Abbes Amira
- Abstract要約: 本稿では,人工知能を用いたエネルギー消費構築のための,既存の異常検出フレームワークの詳細なレビューを行う。
著者の知識を最大限に活用するために、エネルギー消費の構築における異常検出について論じる最初のレビュー記事である。
- 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: Enormous amounts of data are being produced everyday by sub-meters and smart
sensors installed in residential buildings. If leveraged properly, that data
could assist end-users, energy producers and utility companies in detecting
anomalous power consumption and understanding the causes of each anomaly.
Therefore, anomaly detection could stop a minor problem becoming overwhelming.
Moreover, it will aid in better decision-making to reduce wasted energy and
promote sustainable and energy efficient behavior. In this regard, this paper
is an in-depth review of existing anomaly detection frameworks for building
energy consumption based on artificial intelligence. Specifically, an extensive
survey is presented, in which a comprehensive taxonomy is introduced to
classify existing algorithms based on different modules and parameters adopted,
such as machine learning algorithms, feature extraction approaches, anomaly
detection levels, computing platforms and application scenarios. To the best of
the authors' knowledge, this is the first review article that discusses anomaly
detection in building energy consumption. Moving forward, important findings
along with domain-specific problems, difficulties and challenges that remain
unresolved are thoroughly discussed, including the absence of: (i) precise
definitions of anomalous power consumption, (ii) annotated datasets, (iii)
unified metrics to assess the performance of existing solutions, (iv) platforms
for reproducibility and (v) privacy-preservation. Following, insights about
current research trends are discussed to widen the applications and
effectiveness of the anomaly detection technology before deriving future
directions attracting significant attention. This article serves as a
comprehensive reference to understand the current technological progress in
anomaly detection of energy consumption based on artificial intelligence.
- Abstract（参考訳）: 大量のデータが、住宅に設置されたサブメーターとスマートセンサーによって毎日生産されている。
適切に活用できれば、エンドユーザー、エネルギー生産者、ユーティリティー企業が異常な電力消費量を検出し、それぞれの異常の原因を理解するのに役立つだろう。
したがって、異常検出は小さな問題が圧倒的になるのを止めることができる。
さらに、無駄なエネルギーを減らし、持続可能でエネルギー効率の良い行動を促進するためのより良い意思決定を支援する。
本稿では,人工知能に基づくエネルギー消費を構築するための既存の異常検出フレームワークについて,詳細なレビューを行う。
具体的には、機械学習アルゴリズム、特徴抽出アプローチ、異常検出レベル、計算プラットフォーム、アプリケーションシナリオなど、異なるモジュールとパラメータに基づいて、既存のアルゴリズムを分類するための包括的分類法が紹介されている。
著者の知識を最大限に活用するために、エネルギー消費の構築における異常検出について論じる最初のレビュー記事である。
今後、未解決のままのドメイン固有の問題、困難、課題とともに重要な発見が徹底的に議論される。
(i)異常消費電力の正確な定義
(ii)注釈付きデータセット
(iii)既存ソリューションの性能を評価するための統一指標
(iv)再現性のためのプラットフォーム及び
(v)プライバシー保護。
次に、今後の方向性を導き出す前に、異常検出技術の応用と有効性を広げるために、現在の研究動向について考察する。
本稿は、人工知能に基づくエネルギー消費の異常検出における現在の技術進歩を理解するための包括的参考文献である。
関連論文リスト
- Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-24T19:32:39Z) - Progressing from Anomaly Detection to Automated Log Labeling and
Pioneering Root Cause Analysis [53.24804865821692]
本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。
この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
論文 参考訳（メタデータ） (2023-12-22T15:04:20Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳（メタデータ） (2023-12-18T12:37:35Z) - Exploring Artificial Intelligence Methods for Energy Prediction in
Healthcare Facilities: An In-Depth Extended Systematic Review [0.9208007322096533]
本研究は, 病院ビルのエネルギー消費予測に機械学習と人工知能技術を用いた論文のPRISMAフレームワークを用いた文献レビューを行った。
このレビューでは、エネルギー予測に影響を与えるさまざまなデータ入力が明らかにされ、占有率と気象データが重要な予測因子として出現した。
この発見は、病院のエネルギー消費を最適化するAIの巨大な可能性を浮き彫りにしただけでなく、より包括的できめ細かい研究の必要性も浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-27T13:30:20Z) - Smart Meter Data Anomaly Detection using Variational Recurrent
Autoencoders with Attention [0.0]
本稿では,アテンション機構を備えた変分リカレントオートエンコーダに基づく教師なし異常検出手法を提案する。
スマートメーターの「汚れ」データを用いて、学習中の貢献度を減少させるために、欠落した値とグローバルな異常を事前に検出する。
論文 参考訳（メタデータ） (2022-06-08T19:39:51Z) - Time Series Anomaly Detection for Smart Grids: A Survey [2.3853342967891074]
異常な行動は ユーザーの異常な消費パターン 欠陥のあるグリッドインフラ 停電 外部のサイバー攻撃 エネルギー詐欺によって引き起こされる
電力グリッド時系列データにおける異常検出のための様々な手法が提案されている。
本稿では,電力網異常検出領域における現在の研究課題について概説し,主要な異常検出手法について概説する。
論文 参考訳（メタデータ） (2021-07-16T14:33:59Z) - Artificial Intelligence Based Prognostic Maintenance of Renewable Energy
Systems: A Review of Techniques, Challenges, and Future Research Directions [3.1123064748686287]
データ分析と機械学習(ML)技術は、これらの予後維持システムの全体的な効率を高めるために使われています。
本稿では,文献に報告されている予測/予測保守フレームワークの概要について述べる。
MLベースのソリューションの重要な側面として、ドメインで一般的に使用されるデータセットについても議論します。
論文 参考訳（メタデータ） (2021-04-20T11:41:00Z) - Energy Drain of the Object Detection Processing Pipeline for Mobile
Devices: Analysis and Implications [77.00418462388525]
本稿では、移動体拡張現実(AR)クライアントのエネルギー消費と、畳み込みニューラルネットワーク(CNN)に基づく物体検出を行う際の検出遅延について、初めて詳細な実験を行った。
我々は,移動体ARクライアントのエネルギー分析を精査し,CNNによる物体検出を行う際のエネルギー消費に関するいくつかの興味深い視点を明らかにした。
論文 参考訳（メタデータ） (2020-11-26T00:32:07Z) - Smart Anomaly Detection in Sensor Systems: A Multi-Perspective Review [0.0]
異常検出は、期待される振る舞いから著しく逸脱するデータパターンを特定することに関わる。
データ分析からe-health、サイバーセキュリティ、予測メンテナンス、障害防止、産業自動化に至るまで、幅広いアプリケーション領域があるため、これは重要な研究課題である。
本稿では,センサシステムの特定の領域における異常検出に使用される最先端手法について概説する。
論文 参考訳（メタデータ） (2020-10-27T09:56:16Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。