論文の概要: Machine Learning for Smart and Energy-Efficient Buildings

• arxiv url: http://arxiv.org/abs/2211.14889v1
• Date: Sun, 27 Nov 2022 17:04:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 19:23:06.097480
• Title: Machine Learning for Smart and Energy-Efficient Buildings
• Title（参考訳）: スマートでエネルギー効率の良い建物の機械学習
• Authors: Hari Prasanna Das, Yu-Wen Lin, Utkarsha Agwan, Lucas Spangher, Alex Devonport, Yu Yang, Jan Drgona, Adrian Chong, Stefano Schiavon, Costas J. Spanos
• Abstract要約: 建物内のエネルギー消費は、米国のエネルギー消費の約40%を占めている。 我々は、機械学習を利用して建物を賢くエネルギー効率良くする方法をレビューする。
• 参考スコア（独自算出の注目度）: 5.472392992130677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Energy consumption in buildings, both residential and commercial, accounts for approximately 40% of all energy usage in the U.S., and similar numbers are being reported from countries around the world. This significant amount of energy is used to maintain a comfortable, secure, and productive environment for the occupants. So, it is crucial that the energy consumption in buildings must be optimized, all the while maintaining satisfactory levels of occupant comfort, health, and safety. Recently, Machine Learning has been proven to be an invaluable tool in deriving important insights from data and optimizing various systems. In this work, we review the ways in which machine learning has been leveraged to make buildings smart and energy-efficient. For the convenience of readers, we provide a brief introduction of several machine learning paradigms and the components and functioning of each smart building system we cover. Finally, we discuss challenges faced while implementing machine learning algorithms in smart buildings and provide future avenues for research at the intersection of smart buildings and machine learning.
• Abstract（参考訳）: 住宅と商業の両方の建物におけるエネルギー消費は、米国のエネルギー消費の約40%を占めており、同様の数字が世界中の国から報告されている。 このかなりのエネルギーは、居住者にとって快適で安全で生産的な環境を維持するために使われる。 したがって、建物のエネルギー消費を最適化し、その間も、十分な快適さ、健康、安全の水準を維持することが不可欠である。 近年、機械学習はデータから重要な洞察を導き、様々なシステムを最適化する上で、貴重なツールであることが証明されている。 本研究では,建物をスマートでエネルギー効率のよいものにするために,機械学習を活用した手法を概観する。 読者の便宜のために、いくつかの機械学習パラダイムと、我々がカバーするスマートビルディングシステムのコンポーネントと機能を簡単に紹介する。 最後に、スマートビルディングに機械学習アルゴリズムを実装する際に直面する課題について論じ、スマートビルディングと機械学習の交差点での研究のための将来の道筋を提供する。

関連論文リスト

• Power Plays: Unleashing Machine Learning Magic in Smart Grids [0.0]
  機械学習アルゴリズムは、スマートメーター、センサー、その他のグリッドコンポーネントから大量のデータを分析して、エネルギー分布の最適化、需要予測、潜在的な障害を示す不規則性の検出を行う。 予測モデルの使用は、機器の故障を予測し、エネルギー供給の信頼性を向上させるのに役立つ。 しかしながら、これらのテクノロジの展開は、データのプライバシやセキュリティ、堅牢なインフラストラクチャの必要性に関する課題も引き起こす。
  論文  参考訳（メタデータ） (2024-10-20T15:39:08Z)
• B-SMART: A Reference Architecture for Artificially Intelligent Autonomic Smart Buildings [0.0]
  我々は、自律型スマートビルディングのための最初の参照アーキテクチャであるB-を提示する。 我々は、既存のスマートビルへの人工知能の導入を加速するために、B-をいかに適用できるかを示す。
  論文  参考訳（メタデータ） (2022-11-06T20:56:25Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Machine learning approach in the development of building occupant personas [4.932806255841464]
  占有するペルソナの構築は、デザイナーがユーザのアーカイタイプを記述するメンタルモデルを作成するためのコミュニケーションツールである。 本研究では,機械学習に基づく半自動化手法の提案と評価を行った。 モデルの平均精度は61%で、世帯の居住者数、年齢グループ、暖房や冷却装置の使用など、属性の90%以上を達成している。
  論文  参考訳（メタデータ） (2022-07-19T20:27:22Z)
• An Energy and Carbon Footprint Analysis of Distributed and Federated Learning [42.37180749113699]
  古典的で中央集権的な人工知能(AI)手法では、生産者(センサー、マシン)からエネルギー空腹のデータセンターへデータを移動する必要がある。 このような高エネルギーコストを緩和する新たな代替手段は、デバイス間で学習タスクを効率的に分散またはフェデレートすることを提案している。 本稿では,分散学習におけるエネルギーおよび炭素フットプリントの分析のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-06-21T13:28:49Z)
• eBIM-GNN : Fast and Scalable energy analysis through BIMs and Graph Neural Networks [0.0]
  建築情報モデリングは、建物のエネルギー効率を高めるだけでなく、分析にも使われてきた。 省エネの知識のない現在の都市では、エネルギー利用でスマートになるためのより良い方法が求められている。 提案手法は, 非常に効率的に一致し, 統計を生成できるプロトタイプビルを創出する手法である。
  論文  参考訳（メタデータ） (2022-05-21T03:24:03Z)
• Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
  私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。 Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
  論文  参考訳（メタデータ） (2022-01-29T01:03:29Z)
• 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)
• Machine Learning Interpretability and Its Impact on Smart Campus Projects [1.90365714903665]
  ノーサンプトン大学は、新しいWaterside Campus上に、IoTとソフトウェア定義ネットワーク(SDN)の複数のレイヤを持つスマートシステムを構築している。 このシステムは、スマートな建物のエネルギー効率を最適化し、テナントやビジターの健康と安全を改善し、群衆の管理と道路の整備を支援し、インターネット接続を改善するために使用できる。
  論文  参考訳（メタデータ） (2020-06-08T00:48:53Z)
• 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)
• Data-driven control of micro-climate in buildings: an event-triggered reinforcement learning approach [56.22460188003505]
  半マルコフ決定過程に基づく微小気候制御問題を定式化する。 建物内の微小気候のイベントトリガー制御のための2つの学習アルゴリズムを提案する。 スマートなサーモスタットを設計することで,提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2020-01-28T18:20:43Z)

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。