Fugu-MT 論文翻訳(概要): A Dataset and Baseline Approach for Identifying Usage States from Non-Intrusive Power Sensing With MiDAS IoT-based Sensors

論文の概要: A Dataset and Baseline Approach for Identifying Usage States from Non-Intrusive Power Sensing With MiDAS IoT-based Sensors

arxiv url: http://arxiv.org/abs/2209.00987v1
Date: Tue, 30 Aug 2022 14:21:59 GMT
ステータス: 処理完了
システム内更新日: 2022-09-11 13:03:18.012725
Title: A Dataset and Baseline Approach for Identifying Usage States from Non-Intrusive Power Sensing With MiDAS IoT-based Sensors
Title（参考訳）: MiDAS IoTセンサを用いた非侵入パワーセンシングによる使用状態同定のためのデータセットとベースラインアプローチ
Authors: Bharath Muppasani, Cheyyur Jaya Anand, Chinmayi Appajigowda, Biplav Srivastava, Lokesh Johri
Abstract要約: 州の識別問題は、建物や工場など、あらゆるシステムの電力使用パターンを関心事として特定することを目指している。本稿では,米国とインドの製造業,教育,医療機関の8機関から電力利用データセットを作成する。
参考スコア（独自算出の注目度）: 5.70440126883664
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The state identification problem seeks to identify power usage patterns of any system, like buildings or factories, of interest. In this challenge paper, we make power usage dataset available from 8 institutions in manufacturing, education and medical institutions from the US and India, and an initial un-supervised machine learning based solution as a baseline for the community to accelerate research in this area.
Abstract（参考訳）: 状態識別問題は、建物や工場など、あらゆるシステムの電力使用パターンの特定を目的としている。本稿では,米国とインドの製造業,教育,医療機関の8つの機関から電力利用データセットを入手し,コミュニティがこの分野の研究を加速するための基盤として,教師なしの機械学習ベースのソリューションを提供する。

関連論文リスト

FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
論文参考訳（メタデータ） (2024-08-17T15:18:56Z)
A Systematic Review of Available Datasets in Additive Manufacturing [56.684125592242445]
視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
論文参考訳（メタデータ） (2024-01-27T16:13:32Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
IoMT-Blockchain based Secured Remote Patient Monitoring Framework for Neuro-Stimulation Device [0.0]
患者からのリアルタイムの知覚データは、ウェアラブルIoMTデバイスの迅速な開発を通じて配信され、分析される。モノのインターネットからのデータは収集され、分析され、単一の場所に格納される。分散した性質のため、ブロックチェーン(BC)はこれらの問題を緩和することができる。
論文参考訳（メタデータ） (2023-08-31T16:59:58Z)
Federated Learning in IoT: a Survey from a Resource-Constrained Perspective [0.0]
分散機械学習技術であるフェデレートラーニング(FL)は、さまざまな分散データソースから機械学習モデルを収集、トレーニングするために広く使用されている。しかし、IoTデバイスのリソース制限の性質は、現実世界における大規模デプロイメントFLを妨げている。本研究では,資源制約型モノのインターネット(IoT)環境におけるフェデレートラーニング(FL)導入に伴う課題と解決策を包括的に調査する。
論文参考訳（メタデータ） (2023-08-25T03:31:22Z)
Anomaly Detection in Power Markets and Systems [0.41998444721319217]
電力網のようなサイバー物理システムは、様々な理由で異常を経験することがある。本研究の目的は、電力系統における最も一般的なインシデントとは何かを強調し、最も一般的な問題発見方法の概要と分類を提供することである。また、電力システムや市場における異常を識別する人工知能(AI)などの手法や手法についても論じる。
論文参考訳（メタデータ） (2022-12-05T11:38:25Z)
Applications of Machine Learning in Healthcare and Internet of Things (IOT): A Comprehensive Review [2.1270496914042996]
本稿では、特に医療における最先端の機械学習応用について概観する。我々は、医療におけるIoTのオープンな課題を強調し、さらなる研究と研究を科学者に委ねている。
論文参考訳（メタデータ） (2022-02-06T21:56:39Z)
Evaluating Federated Learning for Intrusion Detection in Internet of Things: Review and Challenges [0.0]
フェデレーテッド・ラーニング(FL)は、医療や交通システムなど、さまざまな分野で大きな関心を集めている。我々は,IoTシナリオにおける異なる攻撃を検出するために,異なるデータ分布を考慮したマルチクラス分類器に基づくFL対応IDSアプローチを評価する。我々は,既存の文献と評価結果の分析に基づいて,課題の集合と今後の方向性を同定する。
論文参考訳（メタデータ） (2021-08-02T15:22:05Z)
A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文参考訳（メタデータ） (2020-06-22T19:01:21Z)
Data Mining with Big Data in Intrusion Detection Systems: A Systematic Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文参考訳（メタデータ） (2020-05-23T20:57:12Z)
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。