Fugu-MT 論文翻訳(概要): BTS: Building Timeseries Dataset: Empowering Large-Scale Building Analytics

論文の概要: BTS: Building Timeseries Dataset: Empowering Large-Scale Building Analytics

arxiv url: http://arxiv.org/abs/2406.08990v1
Date: Thu, 13 Jun 2024 10:38:38 GMT
ステータス: 処理完了
システム内更新日: 2024-06-14 18:24:52.138400
Title: BTS: Building Timeseries Dataset: Empowering Large-Scale Building Analytics
Title（参考訳）: BTS: 時系列データセットの構築 - 大規模構築分析の強化
Authors: Arian Prabowo, Xiachong Lin, Imran Razzak, Hao Xue, Emily W. Yap, Matthew Amos, Flora D. Salim,
Abstract要約: 建築は人間の健康に重要な役割を担い、住民の快適さ、健康、安全、安全に影響を及ぼす。世界のエネルギー消費に大きく貢献し、総エネルギー使用量の3分の1を占める。しかし、分析を構築する研究は、複数のビルディング操作におけるアクセス可能で、利用可能な、そして包括的な現実世界のデータセットが欠如していることによって妨げられている。
参考スコア（独自算出の注目度）: 15.525789412274587
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Buildings play a crucial role in human well-being, influencing occupant comfort, health, and safety. Additionally, they contribute significantly to global energy consumption, accounting for one-third of total energy usage, and carbon emissions. Optimizing building performance presents a vital opportunity to combat climate change and promote human flourishing. However, research in building analytics has been hampered by the lack of accessible, available, and comprehensive real-world datasets on multiple building operations. In this paper, we introduce the Building TimeSeries (BTS) dataset. Our dataset covers three buildings over a three-year period, comprising more than ten thousand timeseries data points with hundreds of unique ontologies. Moreover, the metadata is standardized using the Brick schema. To demonstrate the utility of this dataset, we performed benchmarks on two tasks: timeseries ontology classification and zero-shot forecasting. These tasks represent an essential initial step in addressing challenges related to interoperability in building analytics. Access to the dataset and the code used for benchmarking are available here: https://github.com/cruiseresearchgroup/DIEF_BTS .
Abstract（参考訳）: 建物は人間の健康に重要な役割を担い、住民の快適さ、健康、安全に影響を及ぼす。さらに、世界のエネルギー消費に大きく貢献し、総エネルギー使用量の3分の1を占める。建築性能の最適化は、気候変動と闘い、人間の繁栄を促進する重要な機会である。しかし、分析構築の研究は、複数のビルディング操作におけるアクセス可能で、利用可能な、そして包括的な現実世界のデータセットの欠如によって妨げられている。本稿では,BTS(Building TimeSeries)データセットを紹介する。私たちのデータセットは3年間にわたって3つの建物をカバーしており、数百のユニークなオントロジーを持つ1万以上の時系列データポイントで構成されています。さらにメタデータはBrickスキーマを使って標準化されている。このデータセットの有用性を実証するために、時系列オントロジー分類とゼロショット予測という2つのタスクのベンチマークを行った。これらのタスクは、分析を構築する際の相互運用性に関連する課題に対処する上で、不可欠な最初のステップである。データセットとベンチマークに使用されるコードへのアクセスは以下の通りである。

関連論文リスト

From RNNs to Foundation Models: An Empirical Study on Commercial Building Energy Consumption [3.355907772736553]
商業ビルの短期エネルギー消費予測はスマートグリッドの運用に不可欠である。スマートメーターとディープラーニングモデルは、複数の建物からの過去のデータを使用した予測を可能にするが、多様な建物からのデータの異質性は、モデルの性能を低下させる可能性がある。我々は、米国の商業ビルのエネルギー消費データを提供するComStockデータセットを用いてこの問題に対処する。
論文参考訳（メタデータ） (2024-11-21T18:54:43Z)
Exploring Capabilities of Time Series Foundation Models in Building Analytics [15.525789412274587]
モノのインターネット(IoT)ネットワークは、エネルギー消費の管理と最適化を変革した。公開可能な2つのIoTデータセットの包括的なベンチマークを実施しています。分析の結果, 単一モードモデルは, 建物におけるデータの変動性と物理的制約の複雑さを克服する上で, 極めて有望であることが示唆された。
論文参考訳（メタデータ） (2024-10-28T02:49:22Z)
InsightBench: Evaluating Business Analytics Agents Through Multi-Step Insight Generation [79.09622602860703]
3つの重要な特徴を持つベンチマークデータセットであるInsightBenchを紹介します。財務やインシデント管理といったさまざまなビジネスユースケースを表す100のデータセットで構成されている。単一のクエリに回答することに焦点を当てた既存のベンチマークとは異なり、InsightBenchは、エンドツーエンドのデータ分析を実行する能力に基づいてエージェントを評価する。
論文参考訳（メタデータ） (2024-07-08T22:06:09Z)
Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
論文参考訳（メタデータ） (2023-07-03T13:58:20Z)
Points for Energy Renovation (PointER): A LiDAR-Derived Point Cloud Dataset of One Million English Buildings Linked to Energy Characteristics [0.705947228027401]
本稿では,ビルの3次元表現とそのエネルギー特性をデータ駆動で大規模に理解するビルディングポイントクラウドデータセットを提案する。ジオレファレンスなLiDARデータとビルディングフットプリントを交わし、英国のエネルギーパフォーマンスデータベースの属性とリンクすることで、ビルディングポイントクラウドを生成します。代表的サンプルを得るため、イングランドの農村部や都市部から100万棟の建物を選定し、その内50万棟がエネルギー特性に結びついている。
論文参考訳（メタデータ） (2023-06-28T08:48:22Z)
LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文参考訳（メタデータ） (2023-06-14T05:48:36Z)
DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文参考訳（メタデータ） (2022-07-20T17:47:54Z)
LEAD1.0: A Large-scale Annotated Dataset for Energy Anomaly Detection in Commercial Buildings [0.0]
我々は,1年以上にわたる1,413個のスマート電気メーター時系列を含むASHRAE Great Energy Predictor IIIデータセットの注釈付きバージョンをリリースする。我々は,8つの最先端異常検出手法の性能をベンチマークし,その性能を比較した。
論文参考訳（メタデータ） (2022-03-30T07:30:59Z)
BuildingNet: Learning to Label 3D Buildings [19.641000866952815]
BuildingNet: (a)外装が一貫してラベル付けされている大規模な3Dビルディングモデル、(b)幾何学的プリミティブの分析と構造的関係をビルディングにラベル付けするニューラルネットワーク。データセットは、家、教会、高層ビル、市役所、城などのカテゴリをカバーしている。
論文参考訳（メタデータ） (2021-10-11T01:45:26Z)
STEP: Segmenting and Tracking Every Pixel [107.23184053133636]
新しいベンチマークを示す: Segmenting and Tracking Every Pixel (STEP) 私たちの仕事は、空間領域と時間領域の両方で密な解釈を必要とする現実世界の設定で、このタスクをターゲットとする最初のものです。性能を測定するために,新しい評価指標と追跡品質(STQ)を提案する。
論文参考訳（メタデータ） (2021-02-23T18:43:02Z)
Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文参考訳（メタデータ） (2020-09-07T14:47:07Z)

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。