Fugu-MT 論文翻訳(概要): Filling time-series gaps using image techniques: Multidimensional context autoencoder approach for building energy data imputation

論文の概要: Filling time-series gaps using image techniques: Multidimensional context autoencoder approach for building energy data imputation

arxiv url: http://arxiv.org/abs/2307.05926v1
Date: Wed, 12 Jul 2023 05:46:37 GMT
ステータス: 処理完了
システム内更新日: 2023-07-13 14:09:44.349793
Title: Filling time-series gaps using image techniques: Multidimensional context autoencoder approach for building energy data imputation
Title（参考訳）: 画像技術による時系列ギャップの充填:多次元コンテキストオートエンコーダによるエネルギーデータインプテーションの構築
Authors: Chun Fu, Matias Quintana, Zoltan Nagy, Clayton Miller
Abstract要約: エネルギー予測と管理の構築は、ここ数十年でますます重要になっている。エネルギーデータは、しばしば複数のソースから収集され、不完全または矛盾する可能性がある。この研究は、PConv、畳み込みニューラルネットワーク(CNN)、および、最も広く公開されている建築エネルギーデータセットの1つを使用した週毎の永続性手法を比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Building energy prediction and management has become increasingly important in recent decades, driven by the growth of Internet of Things (IoT) devices and the availability of more energy data. However, energy data is often collected from multiple sources and can be incomplete or inconsistent, which can hinder accurate predictions and management of energy systems and limit the usefulness of the data for decision-making and research. To address this issue, past studies have focused on imputing missing gaps in energy data, including random and continuous gaps. One of the main challenges in this area is the lack of validation on a benchmark dataset with various building and meter types, making it difficult to accurately evaluate the performance of different imputation methods. Another challenge is the lack of application of state-of-the-art imputation methods for missing gaps in energy data. Contemporary image-inpainting methods, such as Partial Convolution (PConv), have been widely used in the computer vision domain and have demonstrated their effectiveness in dealing with complex missing patterns. To study whether energy data imputation can benefit from the image-based deep learning method, this study compared PConv, Convolutional neural networks (CNNs), and weekly persistence method using one of the biggest publicly available whole building energy datasets, consisting of 1479 power meters worldwide, as the benchmark. The results show that, compared to the CNN with the raw time series (1D-CNN) and the weekly persistence method, neural network models with reshaped energy data with two dimensions reduced the Mean Squared Error (MSE) by 10% to 30%. The advanced deep learning method, Partial convolution (PConv), has further reduced the MSE by 20-30% than 2D-CNN and stands out among all models.
Abstract（参考訳）: エネルギー予測と管理の構築は、IoT(Internet of Things)デバイスの成長と、より多くのエネルギーデータの提供によって、ここ数十年でますます重要になっている。しかし、エネルギーデータは、しばしば複数の源から収集され、不完全または一貫性がなく、正確なエネルギーシステムの予測と管理を阻害し、意思決定と研究のためのデータの有用性を制限できる。この問題に対処するため、過去の研究では、ランダムと連続のギャップを含むエネルギーデータの欠落を補うことに重点を置いてきた。この領域の主な課題の1つは、様々なビルディングとメータータイプを持つベンチマークデータセットに対する検証の欠如であり、異なる計算方法のパフォーマンスを正確に評価することは困難である。もう1つの課題は、エネルギーデータの欠如に対する最先端のインプテーション法の適用がないことである。部分的畳み込み (PConv) のような現代の画像インパインティング手法はコンピュータビジョン領域で広く使われており、複雑な欠落パターンを扱う上での有効性を実証している。画像に基づく深層学習法からエネルギーデータインプテーションが恩恵を受けるかどうかを検討するため、pconv、畳み込みニューラルネットワーク(cnns)、週間持続法を比較し、世界1479の電力計からなる最大公に利用可能な建築エネルギーデータセットの1つをベンチマークとした。その結果,CNNと生の時系列(1D-CNN)と週毎の持続法と比較すると,2次元のエネルギーデータを持つニューラルネットワークモデルは平均二乗誤差(MSE)を10%から30%削減した。高度なディープラーニング手法であるPartial Convolution (PConv)は、MSEを2D-CNNよりも20-30%削減し、全てのモデルで際立っている。

関連論文リスト

Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文参考訳（メタデータ） (2024-07-24T09:11:34Z)
EnergyDiff: Universal Time-Series Energy Data Generation using Diffusion Models [2.677325229270716]
高解像度時系列データはエネルギーシステムの運用と計画に不可欠である。データ収集コストとプライバシー上の懸念のため、そのようなデータはダウンストリームタスクでは利用できないか、あるいは不十分であることが多い。本稿では,エネルギー時系列データのための汎用データ生成フレームワークであるEnergyDiffを提案する。
論文参考訳（メタデータ） (2024-07-18T14:10:50Z)
Creating synthetic energy meter data using conditional diffusion and building metadata [0.0]
本研究では,関連メタデータを用いて高品質な合成エネルギーデータを生成する条件拡散モデルを提案する。様々な建物や国から1,828個のパワーメーターからなるデータセットを用いて、従来の手法と比較する。その結果,FID(Frechet Inception Distance)スコアは36%,KL(Kulback-Leibler divergence)は13%低下した。
論文参考訳（メタデータ） (2024-03-31T01:58:38Z)
Hybrid AI-based Anomaly Detection Model using Phasor Measurement Unit Data [0.41998444721319217]
ファサー計測装置(PMU)を用いて電力システムを監視することは、将来有望な技術の一つである。サイバー物理的相互作用の増加は、利点と欠点の両方をもたらし、そこでは、測定データの異常の形で欠点の1つが生まれる。本稿では,PMUデータにおける異常検出の様々な手法に基づくハイブリッドAIベースモデルを開発することを目的とする。
論文参考訳（メタデータ） (2022-09-21T11:22:01Z)
Low-Energy Convolutional Neural Networks (CNNs) using Hadamard Method [0.0]
畳み込みニューラルネットワーク(CNN)は、オブジェクト認識と検出の潜在的アプローチである。畳み込み操作の代替として,アダマール変換に基づく新しいアプローチを示す。この方法は、入力画像サイズよりもカーネルサイズが小さい場合、他のコンピュータビジョンタスクに役立ちます。
論文参考訳（メタデータ） (2022-09-06T21:36:57Z)
Combining Embeddings and Fuzzy Time Series for High-Dimensional Time Series Forecasting in Internet of Energy Applications [0.0]
Fuzzy Time Series (FTS) モデルは、実装が容易で高精度なデータ駆動非パラメトリックモデルとして際立っている。本稿では,従来の高次元データを低次元埋め込み空間に投影することにより,高次元時系列を扱う新しい手法を提案する。
論文参考訳（メタデータ） (2021-12-03T19:50:09Z)
Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文参考訳（メタデータ） (2021-11-03T03:50:48Z)
Adversarial Energy Disaggregation for Non-intrusive Load Monitoring [78.47901044638525]
非侵入負荷モニタリング(Non-Inrusive Load Monitoring, NILM)としても知られるエネルギー分散は、家庭全体の電力消費を家電固有の個人消費に分けるという問題に挑戦する。近年の進歩は、ディープニューラルネットワーク(DNN)がNILMに有利な性能を得られることを示している。我々は、エネルギー分散タスクに新しくなったNILMに、敵対的学習の考え方を導入する。
論文参考訳（メタデータ） (2021-08-02T03:56:35Z)
Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文参考訳（メタデータ） (2021-06-02T07:36:27Z)
Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
論文参考訳（メタデータ） (2021-03-22T21:22:51Z)
Targeted free energy estimation via learned mappings [66.20146549150475]
自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
論文参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。