論文の概要: Hierarchical clustering of complex energy systems using pretopology

• arxiv url: http://arxiv.org/abs/2512.03069v1
• Date: Thu, 27 Nov 2025 08:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-04 20:02:54.932174
• Title: Hierarchical clustering of complex energy systems using pretopology
• Title（参考訳）: プレトポロジーを用いた複素エネルギー系の階層的クラスタリング
• Authors: Loup-Noe Levy, Jeremie Bosom, Guillaume Guerard, Soufian Ben Amor, Marc Bui, Hai Tran,
• Abstract要約: 本稿では, 大規模分散領域におけるエネルギー消費プロファイルをモデル化し, 分類する方法について述べる。 ケース・バイ・ケース・イン・ケース(ケース・バイ・ケース・イン・ケース)で数千の建物を徹底的に監査するには、膨大な時間とお金とかなりの数の資格のある人々が必要である。 この問題に対処するために、プリトポロジーはサイトの消費プロファイルをモデル化するために使用され、階層的な分類アルゴリズムがPythonライブラリで開発されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article attempts answering the following problematic: How to model and classify energy consumption profiles over a large distributed territory to optimize the management of buildings' consumption? Doing case-by-case in depth auditing of thousands of buildings would require a massive amount of time and money as well as a significant number of qualified people. Thus, an automated method must be developed to establish a relevant and effective recommendations system. To answer this problematic, pretopology is used to model the sites' consumption profiles and a multi-criterion hierarchical classification algorithm, using the properties of pretopological space, has been developed in a Python library. To evaluate the results, three data sets are used: A generated set of dots of various sizes in a 2D space, a generated set of time series and a set of consumption time series of 400 real consumption sites from a French Energy company. On the point data set, the algorithm is able to identify the clusters of points using their position in space and their size as parameter. On the generated time series, the algorithm is able to identify the time series clusters using Pearson's correlation with an Adjusted Rand Index (ARI) of 1.
• Abstract（参考訳）: 本稿では, 大規模分散型領域におけるエネルギー消費プロファイルをモデル化し, 分類して, 建物の消費管理を最適化する方法を提案する。 ケース・バイ・ケース・イン・ケース(ケース・バイ・ケース・イン・ケース)で数千の建物を徹底的に監査するには、膨大な時間とお金と、相当数の資格のある人々が必要である。 したがって、関連する効果的なレコメンデーションシステムを確立するために、自動化方法を開発する必要がある。 この問題に対処するために、プリトポロジはサイトの消費プロファイルをモデル化するために使用され、プリトポロジ空間の特性を利用したマルチ基準階層分類アルゴリズムがPythonライブラリで開発されている。 結果を評価するために、3つのデータセットが使用される: 2次元空間における様々な大きさのドットの生成された集合、生成された時系列の集合、およびフランスのエナジー企業による400個の実消費現場の消費時系列のセット。 点データセットにおいて、アルゴリズムは空間における位置と大きさを用いて点のクラスタをパラメータとして識別することができる。 生成された時系列上で、アルゴリズムはピアソンの相関と1の調整されたランダム指数(ARI)を用いて時系列クラスタを識別することができる。

関連論文リスト

• A system identification approach to clustering vector autoregressive time series [50.66782357329375]
  基礎となる力学に基づく時系列のクラスタ化は、複雑なシステムモデリングを支援するために研究者を惹きつけている。 現在の時系列クラスタリング手法のほとんどは、スカラー時系列のみを処理し、ホワイトノイズとして扱うか、高品質な特徴構築のためにドメイン知識に依存している。 システム識別アプローチは、機能/測定構造に頼るのではなく、基礎となる自己回帰力学を明示的に考慮することで、ベクトル時系列クラスタリングを処理できる。
  論文  参考訳（メタデータ） (2025-05-20T14:31:44Z)
• Adaptive and Robust DBSCAN with Multi-agent Reinforcement Learning [53.527506374566485]
  本稿では,多エージェント強化学習クラスタフレームワーク,すなわちAR-DBSCANを用いた新しいAdaptive and Robust DBSCANを提案する。 我々は、AR-DBSCANが、NMIおよびARIメトリクスの最大144.1%と175.3%のクラスタリング精度を向上するだけでなく、支配的なパラメータを確実に見つけることができることを示した。
  論文  参考訳（メタデータ） (2025-05-07T11:37:23Z)
• Line Space Clustering (LSC): Feature-Based Clustering using K-medians and Dynamic Time Warping for Versatility [0.0]
  行空間クラスタリング(Line Space Clustering、LSC)は、データポイントを新たに定義された特徴空間内の行に変換する表現である。 LSCはEuclideanとDynamic Time Warping(DTW)距離をパラメータαで重み付けした組み合わせ距離メートル法を採用している。 実験は、合成および実世界のデータセットに対するLCCの有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-20T01:27:10Z)
• Hierarchical Clustering using Reversible Binary Cellular Automata for High-Dimensional Data [0.0]
  セルオートマトン(CA)ベースのクラスタリングでは、2つのオブジェクトが同じサイクルに属している場合、それらは密接に関連しており、同じクラスタの一部であると考えられている。 本稿では,各サイクルの各要素の中央値に基づいて,2つの異なるサイクルのオブジェクト間の関係を同定し,次の段階にグループ化できるようにする。 様々なパフォーマンス指標を持つ標準ベンチマークデータセットに対して検証された場合、アルゴリズムは2次時間複雑性を持つ既存のアルゴリズムと同等である。
  論文  参考訳（メタデータ） (2024-08-05T05:48:45Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Spatio-Temporal Surrogates for Interaction of a Jet with High Explosives: Part II -- Clustering Extremely High-Dimensional Grid-Based Data [0.0]
  本稿では,高爆薬と相互作用するジェット機のシミュレーションから得られた出力データについて考察する。 ランダムなプロジェクションのランダム性と,k平均クラスタリングにおける初期セントロイドの選択を併用して,データセット内のクラスタ数を決定する方法を示す。
  論文  参考訳（メタデータ） (2023-07-03T23:36:43Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
  時系列データは、気候、経済、医療などいくつかの領域で広く使われている。 最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。 ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
  論文  参考訳（メタデータ） (2021-10-11T13:46:28Z)
• Clustering of Time Series Data with Prior Geographical Information [0.26651200086513094]
  本研究では,空間的・時間的文脈に基づく時系列データを用いた時空間クラスタリングモデルを提案する。 提案したSpatial-DEC(Spatial-DEC)は,遅延特徴表現の構築に先立つ地理情報を利用する。 その結果,提案した空間DECはより望ましい時間的クラスタを見つけることができることがわかった。
  論文  参考訳（メタデータ） (2021-07-03T00:19:17Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Data Curves Clustering Using Common Patterns Detection [0.0]
  分析とクラスタリングの時系列、あるいは一般にあらゆる種類の曲線は、いくつかの人間の活動にとって重要である。 共通パターン(CP)方法論を用いた新しい曲線クラスタリングについて紹介する。
  論文  参考訳（メタデータ） (2020-01-05T18:36:38Z)

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。