Fugu-MT 論文翻訳(概要): Deep Learning for Forecasting the Energy Consumption in Public Buildings

論文の概要: Deep Learning for Forecasting the Energy Consumption in Public Buildings

arxiv url: http://arxiv.org/abs/2207.11953v1
Date: Mon, 25 Jul 2022 07:42:55 GMT
ステータス: 処理完了
システム内更新日: 2022-07-26 13:36:18.167511
Title: Deep Learning for Forecasting the Energy Consumption in Public Buildings
Title（参考訳）: 公共建築物のエネルギー消費予測のためのディープラーニング
Authors: Viorica Rozina Chifu, Cristina Bianca Pop, Emil St. Chifu, Horatiu Barleanu
Abstract要約: 本研究では, 過去の計測結果に基づいて, 公共ビルのエネルギー消費を予測するための長期記憶ネットワーク手法を提案する。我々は、キューの国立公文書館の本館から30分毎に採取された測定値からなるデータセットを用いて、本手法を検証した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we propose a Long Short-Term Memory Network based method to forecast the energy consumption in public buildings, based on past measurements. Our approach consists of three main steps: data processing step, training and validation step, and finally the forecasting step. We tested our method on a data set consisting of measurements taken every half an hour from the main building of the National Archives of the United Kingdom, in Kew and as evaluation metrics we have used Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE).
Abstract（参考訳）: 本稿では,過去の計測値に基づいて,公共建築物のエネルギー消費量を予測するための長期短期記憶ネットワーク手法を提案する。このアプローチは、データ処理ステップ、トレーニングとバリデーションステップ、最後に予測ステップの3つの主要なステップで構成されています。我々は,イギリス国立公文書館の本館から30分毎に採取された測定値と,平均絶対誤差 (MAE) と平均絶対誤差 (MAPE) を用いた評価値を用いて実験を行った。

関連論文リスト

Value-Based Deep RL Scales Predictably [100.21834069400023]
本研究は, 地域社会が病的行動に不安を抱いているにもかかわらず, 価値に基づく非政治的RL法が予測可能であることを示す。 SAC、BRO、PQLの3つのアルゴリズムを使って、DeepMind Control、OpenAI gym、IsaacGymの3つのアプローチを検証する。
論文参考訳（メタデータ） (2025-02-06T18:59:47Z)
Predicting Large Language Model Capabilities on Closed-Book QA Tasks Using Only Information Available Prior to Training [51.60874286674908]
我々は,事前学習データと知識保持に密接に結びついているCBQAタスクの性能予測に焦点をあてる。 1)事前学習プロセス全体,特にデータ構築を習得すること,2)モデルの知識保持を評価すること,3)トレーニング前に利用可能な情報のみを使用してタスク固有の知識保持を予測すること,の3つの課題に対処する。本稿では,事前学習データ,モデルサイズ,タスク固有の知識保持との関係を定量化する情報理論尺度であるSMIメトリクスを紹介する。
論文参考訳（メタデータ） (2025-02-06T13:23:53Z)
A Fair Post-Processing Method based on the MADD Metric for Predictive Student Models [1.055551340663609]
予測的学生モデルにおけるアルゴリズム的公正性を評価するために,新しい尺度が開発された。本稿では,適切な予測モデルの結果の正確性を保ちつつ,公平性を向上することを目的とした後処理手法を提案する。我々は、シミュレーションと実世界の教育データを用いて、オンラインコースにおける学生の成功を予測するタスクについて実験を行った。
論文参考訳（メタデータ） (2024-07-07T14:53:41Z)
Few-Shot Load Forecasting Under Data Scarcity in Smart Grids: A Meta-Learning Approach [0.18641315013048293]
本稿では,短期負荷予測のためのモデルに依存しないメタ学習アルゴリズムを提案する。提案手法は,任意の長さの未知の負荷時間列に迅速に適応し,一般化することができる。提案手法は,実世界の消費者の歴史的負荷消費データのデータセットを用いて評価する。
論文参考訳（メタデータ） (2024-06-09T18:59:08Z)
Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
論文参考訳（メタデータ） (2023-05-10T16:27:55Z)
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)
Evaluating Machine Unlearning via Epistemic Uncertainty [78.27542864367821]
本研究では,不確実性に基づく機械学習アルゴリズムの評価を行う。これは私たちの最良の知識の一般的な評価の最初の定義です。
論文参考訳（メタデータ） (2022-08-23T09:37:31Z)
JSRT: James-Stein Regression Tree [55.2059664267247]
回帰木(RT)は機械学習やデータマイニングのコミュニティで広く使われている。実際、RTの性能は、木構築/予測段階における個々のノードからのサンプルの局所的な平均に大きく依存している。我々は,異なるノードからのグローバル情報を考慮した新しい回帰木であるJames-Stein Regression Tree (JSRT)を提案する。
論文参考訳（メタデータ） (2020-10-18T16:28:49Z)
A Non-Intrusive Load Monitoring Approach for Very Short Term Power Predictions in Commercial Buildings [0.0]
本稿では,3相のアクティブアグリゲーションパワー測定から,非教師なしのデバイスプロファイルを抽出するアルゴリズムを提案する。抽出したデバイスプロファイルを、粒子群最適化を用いた集約電力測定の分解に適用する。最後に,このデアグリゲーションデータを用いた短期電力予測手法を提案する。
論文参考訳（メタデータ） (2020-07-23T06:37:55Z)
Online Hierarchical Forecasting for Power Consumption Data [0.0]
本研究では、世帯の電力消費の予測と、そのサブ人口の予測について検討する。私たちのアプローチは,機能生成,集約,投影という3つのステップで構成されています。
論文参考訳（メタデータ） (2020-03-01T21:01:59Z)

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。