論文の概要: Intelligent edge-based recommender system for internet of energy applications

• arxiv url: http://arxiv.org/abs/2111.13272v1
• Date: Thu, 25 Nov 2021 23:28:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 21:41:05.671849
• Title: Intelligent edge-based recommender system for internet of energy applications
• Title（参考訳）: インターネット・オブ・エネルギ・アプリケーションのためのインテリジェントエッジベースレコメンダシステム
• Authors: Aya Sayed, Yassine Himeur, Abdullah Alsalemi, Faycal Bensaali and Abbes Amira
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.1874189959020423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Preserving energy in households and office buildings is a significant challenge, mainly due to the recent shortage of energy resources, the uprising of the current environmental problems, and the global lack of utilizing energy-saving technologies. Not to mention, within some regions, COVID-19 social distancing measures have led to a temporary transfer of energy demand from commercial and urban centers to residential areas, causing an increased use and higher charges, and in turn, creating economic impacts on customers. Therefore, the marketplace could benefit from developing an internet of things (IoT) ecosystem that monitors energy consumption habits and promptly recommends action to facilitate energy efficiency. This paper aims to present the full integration of a proposed energy efficiency framework into the Home-Assistant platform using an edge-based architecture. End-users can visualize their consumption patterns as well as ambient environmental data using the Home-Assistant user interface. More notably, explainable energy-saving recommendations are delivered to end-users in the form of notifications via the mobile application to facilitate habit change. In this context, to the best of the authors' knowledge, this is the first attempt to develop and implement an energy-saving recommender system on edge devices. Thus, ensuring better privacy preservation since data are processed locally on the edge, without the need to transmit them to remote servers, as is the case with cloudlet platforms.
• Abstract（参考訳）: 家庭やオフィスビルにおけるエネルギーの保存は、エネルギー資源の不足、現在の環境問題の発生、省エネルギー技術の利用のグローバルな欠如など、大きな課題である。 言うまでもなく、一部の地域では、新型コロナウイルス(COVID-19)の社会的分散対策により、商業・都市部から住宅地へのエネルギー需要が一時的に移転し、利用が増加し、料金が上昇し、顧客への経済的影響が生じた。 そのため、マーケットプレースは、エネルギー消費の習慣を監視し、エネルギー効率を促進するためのアクションを迅速に推奨するモノのインターネット(IoT)エコシステムの開発から恩恵を受けることができる。 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の実現を目的とする。 エンドユーザは、ホームアシスタントのユーザインターフェースを使って、消費パターンや環境データも視覚化できる。 さらに注目すべきは、習慣の変更を容易にするために、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提供されることだ。 この文脈において、著者の知る限りでは、これはエッジデバイス上で省エネルギーレコメンダシステムを開発し実装する最初の試みである。 これにより、データがエッジ上でローカルに処理されるため、cloudletプラットフォームのようにリモートサーバに送信する必要がなくなるため、プライバシの保護が向上する。

関連論文リスト

• Green Edge AI: A Contemporary Survey [49.47249665895926]
  グリーンエッジAIに関する現代の調査を紹介する。 その可能性にもかかわらず、エッジAIは重大な課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、ディープラーニング(DL)のリソース集約性との間の二分である。 我々は、エッジAIシステムにおける3つの重要なタスクに対して、トレーニングデータ取得、エッジトレーニング、エッジ推論を含むエネルギー効率の高い設計手法について検討する。
  論文  参考訳（メタデータ） (2023-12-01T04:04:37Z)
• Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management [51.89904044860731]
  我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。 マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:52:19Z)
• Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
  本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。 特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
  論文  参考訳（メタデータ） (2022-11-29T01:18:58Z)
• High-resolution synthetic residential energy use profiles for the United States [12.699816591560712]
  我々は、米国全土の住宅セクター向けに、大規模で総合的な住宅エネルギー利用データセットを公開します。 データは、合成世帯の1時間あたりのエネルギー使用プロファイルからなり、温度制御負荷(TCL)と家電の使用に分解される。
  論文  参考訳（メタデータ） (2022-10-14T20:55:10Z)
• Towards a Recommender System for Profiling Users in a Renewable Energetic Community [0.18275108630751835]
  エネルギーシステムは、技術的、環境的、制度的なニーズによって動機付けられた急進的な変革を経ている。 ここでは、特に太陽エネルギーに基づく比較的小さな地域エネルギーシステムの導入に焦点を当てる。 エネルギー的コミュニティの重要な側面の1つは、ユーザ内で共有されるエネルギーを最大化することである。
  論文  参考訳（メタデータ） (2022-09-06T09:00:46Z)
• Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
  Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
  論文  参考訳（メタデータ） (2021-10-04T19:41:42Z)
• Virtual Microgrid Management via Software-defined Energy Network for Electricity Sharing [10.13696311830345]
  本稿では,ソフトウェア定義エネルギーネットワーク(SDEN)として動作する仮想マイクログリッドの構築手法を提案する。 提案したサイバー物理システムは、電気エネルギーがメンバー間で共有され、コンピュータネットワーク、無線通信、ピアツーピアインターネットアプリケーション(BitTorrentなど)で使用されるリソース割り当て手法にインスパイアされたハンドシェイクによって、サイバードメイン内でのエネルギー共有が有効であると仮定する。 本稿は、提案手法が既存の規制に概ね準拠するが、中央から長期に支配的な電化エネルギーシステムを組織化するための非常に破壊的な可能性を秘めていると結論付けている。
  論文  参考訳（メタデータ） (2021-02-01T06:09:40Z)
• 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)
• Reshaping consumption habits by exploiting energy-related micro-moment recommendations: A case study [2.741120981602367]
  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。
  論文  参考訳（メタデータ） (2020-10-09T17:29:56Z)
• Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
  本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。 我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。 読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
  論文  参考訳（メタデータ） (2020-03-02T20:32:10Z)
• 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。