論文の概要: Reshaping consumption habits by exploiting energy-related micro-moment
recommendations: A case study
- arxiv url: http://arxiv.org/abs/2010.04693v1
- Date: Fri, 9 Oct 2020 17:29:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-29 13:21:32.124188
- Title: Reshaping consumption habits by exploiting energy-related micro-moment
recommendations: A case study
- Title(参考訳): エネルギー関連マイクロモーメント・レコメンデーションを活用した消費習慣の再構築 : 事例研究
- Authors: Christos Sardianos and Iraklis Varlamis and Christos Chronis and
George Dimitrakopoulos and Abdullah Alsalemi and Yassine Himeur and Faycal
Bensaali and Abbes Amira
- Abstract要約: この研究は、消費ログから繰り返し使われるパターンを検出することに基づいている。
これは、センサ、スマートメーター、アクチュエータのセットを使用するエネルギー消費削減システムの構造と運用を示す。
システムは、適切なタイミングで適切な省エネ行動を行うことをユーザに推奨し、徐々にユーザの習慣を形作る。
- 参考スコア(独自算出の注目度): 2.741120981602367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The environmental change and its effects, caused by human influences and
natural ecological processes over the last decade, prove that it is now more
prudent than ever to transition to more sustainable models of energy
consumption behaviors. User energy consumption is inductively derived from the
time-to-time standards of living that shape the user's everyday consumption
habits. This work builds on the detection of repeated usage consumption
patterns from consumption logs. It presents the structure and operation of an
energy consumption reduction system, which employs a set of sensors,
smart-meters and actuators in an office environment and targets specific user
habits. Using our previous research findings on the value of energy-related
micro-moment recommendations, the implemented system is an integrated solution
that avoids unnecessary energy consumption. With the use of a messaging API,
the system recommends to the user the proper energy saving action at the right
moment and gradually shapes user's habits. The solution has been implemented on
the Home Assistant open source platform, which allows the definition of
automations for controlling the office equipment. Experimental evaluation with
several scenarios shows that the system manages first to reduce energy
consumption, and second, to trigger users' actions that could potentially urge
them to more sustainable energy consumption habits.
- Abstract(参考訳): 環境の変化とその影響は、過去10年間の人間の影響と自然生態学的プロセスによって引き起こされ、エネルギー消費行動のより持続可能なモデルに移行することは、今やこれまで以上に慎重であることが証明されている。
ユーザのエネルギー消費は、ユーザの日常的な消費習慣を形作る生活の時間的標準から導かれる。
この研究は、消費ログから繰り返し使用される消費パターンの検出に基づいている。
オフィス環境におけるセンサ, スマートメーター, アクチュエータのセットを使用し, 特定のユーザ習慣をターゲットとしたエネルギー消費削減システムの構造と運用について述べる。
エネルギー関連マイクロモーメントレコメンデーションの価値に関するこれまでの研究結果から, 実装システムは不要なエネルギー消費を回避する統合的なソリューションである。
メッセージングapiを使用することで、システムは適切な瞬間に適切な省エネアクションをユーザに推奨し、ユーザーの習慣を徐々に形作る。
このソリューションは、オフィス機器を制御する自動化の定義を可能にするhome assistantオープンソースプラットフォームに実装されている。
いくつかのシナリオによる実験的評価では、システムが第一にエネルギー消費を減らし、第二に、より持続可能なエネルギー消費習慣に促す可能性があるユーザーの行動をトリガーする。
関連論文リスト
- Just In Time Transformers [2.7350304370706797]
JITtransは,エネルギー消費予測精度を大幅に向上させる,トランスフォーマー深層学習モデルである。
本研究は, エネルギー管理を革新し, 持続可能な電力システムを構築するための先進的な予測技術の可能性を明らかにするものである。
論文 参考訳(メタデータ) (2024-10-22T10:33:00Z) - EMERS: Energy Meter for Recommender Systems [0.24374097382908472]
EMERSは,推奨システム実験のエネルギー消費の測定,監視,記録,共有を簡単にするソフトウェアライブラリである。
EMERSは、スマート電源プラグを用いてエネルギー消費を測定し、推奨システム実験のエネルギー消費を監視し比較するためのユーザインターフェースを提供する。
論文 参考訳(メタデータ) (2024-09-23T14:35:06Z) - Adaptive Energy Management for Self-Sustainable Wearables in Mobile
Health [21.97214707198675]
ウェアラブルデバイスの小さなフォームファクタは、バッテリーのサイズと寿命を制限します。
ウェアラブル機器の持続可能な運用に有効な方法として、エネルギー収穫が出現している。
本稿では, 蓄電池エネルギーを補充し, ユーザによる手動充電を減らすことで, 自己維持可能なウェアラブルを目標とする適応型エネルギー管理の新たな課題について検討する。
論文 参考訳(メタデータ) (2022-01-16T23:49:20Z) - Intelligent edge-based recommender system for internet of energy
applications [2.1874189959020423]
本稿では,エッジアーキテクチャを用いたホームアシストプラットフォームへのエネルギー効率フレームワークの完全統合について述べる。
エンドユーザは、Home-Assistantユーザインターフェースを使用して、その消費パターンと環境データを視覚化することができる。
より注目すべきは、説明可能な省エネレコメンデーションが、モバイルアプリケーション経由で通知形式でエンドユーザに配信されることだ。
論文 参考訳(メタデータ) (2021-11-25T23:28:14Z) - Internet of Behavior (IoB) and Explainable AI Systems for Influencing
IoT Behavior [45.776994534648104]
Internet of Behavior (IoB) と Explainable AI (XAI) は電力消費のユースケースとして提案されている。
シナリオの結果、200時間以上で消費された電力と比較して、アクティブ電力の522.2kWが減少した。
論文 参考訳(メタデータ) (2021-09-15T12:16:11Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳(メタデータ) (2021-02-16T16:56:27Z) - Appliance Operation Modes Identification Using Cycles Clustering [3.328276101150529]
IoT(Internet of Things)と機械学習(ML)は、効率よくエネルギーを保存できる技術を提供します。
SHEMSは、住宅部門における需要対応(DR)の適用を通じて、省エネルギーに貢献する可能性があります。
論文 参考訳(メタデータ) (2021-01-25T23:25:45Z) - 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) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳(メタデータ) (2020-02-21T02:14:38Z) - 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) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳(メタデータ) (2020-01-31T05:12:59Z)
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。