論文の概要: Neighbor-Based Optimized Logistic Regression Machine Learning Model For
Electric Vehicle Occupancy Detection
- arxiv url: http://arxiv.org/abs/2204.13702v1
- Date: Thu, 28 Apr 2022 01:05:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-02 14:35:53.986833
- Title: Neighbor-Based Optimized Logistic Regression Machine Learning Model For
Electric Vehicle Occupancy Detection
- Title(参考訳): 隣人に基づくロジスティック回帰機械学習モデルによる電気自動車の占有状況検出
- Authors: Sayan Shaw, Keaton Chia, Jan Kleissl
- Abstract要約: このモデルは、カリフォルニア大学サンディエゴ校キャンパスの57台のEV充電ステーションのデータに基づいて訓練された。
このモデルは88.43%の平均精度と92.23%の最大精度を達成した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an optimized logistic regression machine learning model
that predicts the occupancy of an Electric Vehicle (EV) charging station given
the occupancy of neighboring stations. The model was optimized for the time of
day. Trained on data from 57 EV charging stations around the University of
California San Diego campus, the model achieved an 88.43% average accuracy and
92.23% maximum accuracy in predicting occupancy, outperforming a persistence
model benchmark.
- Abstract(参考訳): 本稿では,電気自動車(EV)の充電ステーションの占有率を,近隣駅の占有率から予測するロジスティック回帰機械学習モデルを提案する。
そのモデルは時間に合わせて最適化された。
カリフォルニア大学サンディエゴ校の57のev充電ステーションで訓練されたこのモデルは、平均88.43%の精度と92.23%の最大精度を達成し、永続モデルベンチマークを上回った。
関連論文リスト
- Reusing Pretrained Models by Multi-linear Operators for Efficient
Training [65.64075958382034]
大規模なモデルをスクラッチからトレーニングすることは、通常、かなりの量のリソースを必要とする。
bert2BERT や LiGO といった最近の研究は、大規模なモデルを初期化するために、小さな事前訓練されたモデルを再利用している。
本稿では,対象モデルの各重みを事前学習モデルの全重みに線形に相関させる手法を提案する。
論文 参考訳(メタデータ) (2023-10-16T06:16:47Z) - Fast-ELECTRA for Efficient Pre-training [83.29484808667532]
ELECTRAは補助モデルに置き換えられたシーケンス内のトークンを検出して、言語モデルを事前訓練する。
本稿では,既存の言語モデルを補助モデルとして活用したFast-ELECTRAを提案する。
提案手法は,最先端のELECTRA型事前学習手法の性能に匹敵するが,補助モデルの連成学習による計算とメモリコストは著しく削減される。
論文 参考訳(メタデータ) (2023-10-11T09:55:46Z) - Pre-training on Synthetic Driving Data for Trajectory Prediction [64.16991399882477]
我々は,データ可用性の制限の下で一般的な軌道予測表現を学習することの課題に取り組むことを目的としている。
我々はHD-mapのグラフ表現を利用し、ベクトル変換を適用して地図を再構成する。
我々は、拡張シーンに基づく軌道を生成するためにルールベースのモデルを用いる。
論文 参考訳(メタデータ) (2023-09-18T19:49:22Z) - On Transferability of Driver Observation Models from Simulated to Real
Environments in Autonomous Cars [23.514129229090987]
本稿では,シミュレーションから実環境シナリオへの映像に基づく運転観察モデル移行の実現可能性について検討する。
我々は、実際の自律運転条件を特徴とするデータセットを記録し、高い注意をそらす二次活動に従事する7人の参加者を巻き込んだ。
我々のデータセットは、トレーニングソースとして使用されている既存の大規模シミュレータデータセットに従って設計されている。
論文 参考訳(メタデータ) (2023-07-31T10:18:49Z) - A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。
モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。
本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
論文 参考訳(メタデータ) (2023-03-02T21:48:22Z) - Data-Efficient Modeling for Precise Power Consumption Estimation of
Quadrotor Operations Using Ensemble Learning [3.722516004544342]
エレクトロニック・テイクオフ・アンド・ランディング (EVTOL) は、新興都市空力において主要な航空機であると考えられている。
本研究では,eVTOL航空機の消費電力モデル化のための枠組みを構築した。
そこで我々は,3種類の四重項の飛行記録を用いたデータ駆動モデルを構築するために,アンサンブル学習法,すなわち積み重ね法を用いた。
論文 参考訳(メタデータ) (2022-05-23T02:16:43Z) - Transforming Model Prediction for Tracking [109.08417327309937]
トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。
提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。
我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
論文 参考訳(メタデータ) (2022-03-21T17:59:40Z) - DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with
Gradient-Disentangled Embedding Sharing [117.41016786835452]
本稿では,DeBERTaモデルの改良を目的とした,事前学習型言語モデルDeBERTaV3を提案する。
ELECTRAでのバニラ埋め込み共有は、トレーニング効率とモデルパフォーマンスを損なう。
そこで本研究では、タグ・オブ・ウォーのダイナミクスを回避するために、新しい勾配距離の埋め込み方式を提案する。
論文 参考訳(メタデータ) (2021-11-18T06:48:00Z) - Deep Information Fusion for Electric Vehicle Charging Station Occupancy
Forecasting [0.966840768820136]
本稿では,DFDS(Deep Fusion of Dynamic and Static Information Model)を紹介する。
我々は、特定の充電ステーションパターンを学習するために、日中の平均占有状況などの静的情報を利用する。
我々のモデルは動的および静的な情報を効率的に融合し、正確な予測を容易にする。
論文 参考訳(メタデータ) (2021-08-27T15:30:45Z) - Multistep Electric Vehicle Charging Station Occupancy Prediction using
Mixed LSTM Neural Networks [1.3706331473063877]
本稿では,従来の帯電状態列と時間的特徴を併用した長期記憶ニューラルネットを提案する。
このモデルは、イギリスのダンディーのオープンデータポータルから得られたEV充電データに基づいて、最先端の機械学習とディープラーニングのアプローチと比較される。
その結果,提案手法は1ステップ(10分)で99.99%,81.87%の精度で1ステップ(10分)先進6ステップ(1時間)の精度で予測し,ベンチマーク手法よりも優れていた。
論文 参考訳(メタデータ) (2021-06-09T11:10:14Z) - An electric vehicle charging station access equilibrium model with M/D/C
queueing [0.0]
本稿では,M/D/Cキュー近似を非微分非線形プログラムとして用いたEV-to-charging station user equilibrium (UE)割り当てモデルを提案する。
このモデルは、2020年7月8日時点のニューヨーク市全体行政サービス(NYC DCAS)およびEV充電ステーションの構成に関する大規模なケーススタディに適用される。
その結果,高い待ち待ち時間ではなく,高い利用率の場所の選択に基づくポリシが示唆された。
論文 参考訳(メタデータ) (2021-02-11T05:23:36Z)
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。