論文の概要: Unveiling Hidden Energy Anomalies: Harnessing Deep Learning to Optimize
Energy Management in Sports Facilities
- arxiv url: http://arxiv.org/abs/2402.08742v1
- Date: Tue, 13 Feb 2024 19:27:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 18:12:18.858620
- Title: Unveiling Hidden Energy Anomalies: Harnessing Deep Learning to Optimize
Energy Management in Sports Facilities
- Title(参考訳): 隠れたエネルギー異常の解消:スポーツ施設におけるエネルギー管理を最適化するためのディープラーニング
- Authors: Fodil Fadli, Yassine Himeur, Mariam Elnour and Abbes Amira
- Abstract要約: スポーツ施設の異常検出における機械学習,特にディープラーニングの役割について検討する。
本稿では,Deep Feedforward Neural Networks (DFNN) を用いた問題定式化を行い,しきい値推定手法を提案する。
提案手法の有効性を評価するため, カタール大学における水文中心データセットの実験を行った。
- 参考スコア(独自算出の注目度): 4.964511991616738
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Anomaly detection in sport facilities has gained significant attention due to
its potential to promote energy saving and optimizing operational efficiency.
In this research article, we investigate the role of machine learning,
particularly deep learning, in anomaly detection for sport facilities. We
explore the challenges and perspectives of utilizing deep learning methods for
this task, aiming to address the drawbacks and limitations of conventional
approaches. Our proposed approach involves feature extraction from the data
collected in sport facilities. We present a problem formulation using Deep
Feedforward Neural Networks (DFNN) and introduce threshold estimation
techniques to identify anomalies effectively. Furthermore, we propose methods
to reduce false alarms, ensuring the reliability and accuracy of anomaly
detection. To evaluate the effectiveness of our approach, we conduct
experiments on aquatic center dataset at Qatar University. The results
demonstrate the superiority of our deep learning-based method over conventional
techniques, highlighting its potential in real-world applications. Typically,
94.33% accuracy and 92.92% F1-score have been achieved using the proposed
scheme.
- Abstract(参考訳): スポーツ施設における異常検出は省エネと運用効率の最適化の可能性から注目を集めている。
本稿では,スポーツ施設における異常検出における機械学習,特にディープラーニングの役割について検討する。
本研究は,従来の手法の欠点と限界に対処することを目的として,深層学習手法の課題と展望を考察する。
提案手法では,スポーツ施設で収集したデータから特徴抽出を行う。
本稿では、Deep Feedforward Neural Networks (DFNN) を用いて、異常を効果的に識別するためのしきい値推定手法を提案する。
さらに,誤報を低減し,異常検出の信頼性と精度を確保する手法を提案する。
本手法の有効性を評価するため,カタール大学水生センターデータセットを用いて実験を行った。
その結果、従来の手法よりも深層学習に基づく手法が優れていることを示し、実世界のアプリケーションにおけるその可能性を強調した。
通常、94.33%の精度と92.92%のf1-scoreが提案された。
関連論文リスト
- Collaborative Knowledge Infusion for Low-resource Stance Detection [83.88515573352795]
姿勢検出モデルを支援するために、ターゲット関連の知識がしばしば必要である。
低リソース姿勢検出タスクに対する協調的知識注入手法を提案する。
論文 参考訳(メタデータ) (2024-03-28T08:32:14Z) - Deep Active Learning: A Reality Check [30.19086526296748]
単一モデル法はエントロピーに基づくアクティブラーニングを決定的に上回るものではない。
評価を他のタスクに拡張し、半教師付き学習と組み合わせて能動的学習の有効性を探求する。
論文 参考訳(メタデータ) (2024-03-21T19:28:17Z) - Event-Driven Learning for Spiking Neural Networks [43.17286932151372]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングの分野で注目されている。
バックプロパゲーション学習コストを最小限に抑えるために、SNNのスパースイベント駆動プロパティから効果的に利益を得るには、依然としてオープンな課題である。
本稿では,スパイクタイミング依存イベント駆動(STD-ED)アルゴリズムと膜電位依存イベント駆動(MPD-ED)アルゴリズムの2つの新しい学習手法を紹介する。
論文 参考訳(メタデータ) (2024-03-01T04:17:59Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Efficient Deep Reinforcement Learning Requires Regulating Overfitting [91.88004732618381]
本稿では,高時間差(TD)誤差が深部RLアルゴリズムの性能に悪影響を及ぼす主要な原因であることを示す。
検証TDエラーをターゲットとした簡単なオンラインモデル選択法は,状態ベースDMCおよびGymタスク間で有効であることを示す。
論文 参考訳(メタデータ) (2023-04-20T17:11:05Z) - Towards Robust Deep Learning using Entropic Losses [0.0]
この論文は、新規な損失関数と検出スコアを提案することにより、未解決のアウト・オブ・ディストリビューション検出タスクに取り組む。
また、この頑健性に関連するタスクにも対処し、ディープニューラルネットワークによって提示される確率がどれほど現実的であるかを評価する。
論文 参考訳(メタデータ) (2022-08-06T18:52:39Z) - Occlusion-aware Unsupervised Learning of Depth from 4-D Light Fields [50.435129905215284]
4次元光場処理と解析のための教師なし学習に基づく深度推定法を提案する。
光場データの特異な幾何学構造に関する基礎知識に基づいて,光場ビューのサブセット間の角度コヒーレンスを探索し,深度マップを推定する。
提案手法は,従来の手法と同等の精度で計算コストを低減した深度マップを作成できる。
論文 参考訳(メタデータ) (2021-06-06T06:19:50Z) - Explore, Discover and Learn: Unsupervised Discovery of State-Covering
Skills [155.11646755470582]
情報理論的スキル発見の代替手法として,'Explore, Discover and Learn'(EDL)がある。
本稿では,EDLがカバレッジ問題を克服し,学習スキルの初期状態への依存を減らし,ユーザが学習すべき行動について事前定義できるようにするなど,大きなメリットがあることを示す。
論文 参考訳(メタデータ) (2020-02-10T10:49:53Z) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳(メタデータ) (2020-01-21T09:55:59Z)
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。
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。