論文の概要: SEDR-Seq2P: A Lightweight Dilated Residual Sequence-to-Point Network for Multi-Task Industrial NILM
- arxiv url: http://arxiv.org/abs/2607.28693v1
- Date: Thu, 30 Jul 2026 09:06:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.390083
- Title: SEDR-Seq2P: A Lightweight Dilated Residual Sequence-to-Point Network for Multi-Task Industrial NILM
- Title（参考訳）: SEDR-Seq2P:マルチタスク産業用NILM用軽量拡張残留シーケンス・ポイントネットワーク
- Abstract要約: この研究は、1つのネットワークが集約電力から複数の産業機械負荷を推定する1対多のマルチタスク分散設定を採用する。
エネルギー推定指標と精度遅延基準を用いて,Seq2Seq,Seq2SubSeq,Seq2Point,GRU,WaveNetをベンチマークした。
拡張残差ブロックと圧縮・励起アテンションを備えた軽量なSeq2Point拡張SEDR-Seq2Pを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrial NILM remains challenging because measurement noise and widespread concurrent machine operation reduce the generalization of models tuned on residential data. This work adopts a one-to-many, multi-task disaggregation setting, in which a single network estimates multiple industrial machine loads from aggregate power. Under a unified evaluation protocol on IMDELD, we benchmark Seq2Seq, Seq2SubSeq, Seq2Point, GRU, and WaveNet using energy-estimation metrics and the accuracy-delay criterion. While Seq2Point offers a stronger accuracy-delay balance than Seq2Seq/Seq2SubSeq, GRU and WaveNet achieve higher accuracy at markedly higher computational cost. To close this gap, we propose SEDR-Seq2P, a lightweight Seq2Point extension with dilated residual blocks and squeeze-and-excitation attention. Relative to the Seq2Point baseline, SEDR-Seq2P reduces MAE by approximately 7%, improves the coefficient of determination by approximately 1%, and increases the match rate by approximately 0.8%. In addition, compared to WaveNet, SEDR-Seq2P reduces inference latency by approximately 58%, yielding a favorable accuracy-delay trade-off for scalable industrial deployment.
- Abstract（参考訳）: インダストリアルNILMは, 住宅データに調整されたモデルの一般化を減少させるため, 計測ノイズと並列機械の広範囲な動作が困難である。
この研究は、1つのネットワークが集約電力から複数の産業機械負荷を推定する1対多のマルチタスク分散設定を採用する。
IMDELDの統一評価プロトコルでは,エネルギー推定指標と精度遅延基準を用いてSeq2Seq,Seq2SubSeq,Seq2Point,GRU,WaveNetをベンチマークした。
Seq2PointはSeq2Seq/Seq2SubSeqよりも高い精度/遅延バランスを提供するが、GRUとWaveNetは計算コストが著しく高い。
このギャップを埋めるために,SEDR-Seq2Pを提案する。
Seq2Pointのベースラインに対して、SEDR-Seq2PはMAEを約7%削減し、決定係数を約1%改善し、マッチングレートを約0.8%向上させる。
さらに、WaveNetと比較して、SEDR-Seq2Pは推論遅延を約58%削減し、スケーラブルな産業展開に好適な精度と遅延のトレードオフをもたらす。
関連論文リスト
- Quantile-Free Uncertainty Quantification in Graph Neural Networks [22.90804904063177]
グラフニューラルネットワーク(GNN)における不確実性定量化(UQ)は、高い領域において重要であるが、依然として重要な課題である。
我々は、GNNベースのUQを実現するために、QR(quantile regression)に基づくフレームワークであるQuantile-free Prediction Interval GNN(QpiGNN)を紹介する。
QpiGNNは、予測と不確実性を分離するデュアルヘッドアーキテクチャを採用し、量子自由結合損失を通じてラベルのみの監視で訓練されている。
論文 参考訳（メタデータ） (2026-05-06T12:44:54Z) - Q-GARS: Quantum-inspired Robust Microservice Chaining Scheduling [0.42970700836450487]
本稿では,QUBOモデルとSQA(Simulated Quantum Annealing)に基づく検索とオンラインスケジューリング機構を統合するハイブリッドフレームワークQ-GARSを提案する。
シミュレーションの結果,Q-GARSは最短処理時間のグリーディベースラインに対して平均2.1%の重み付き完了時間改善を実現していることがわかった。
さらに、Q-GARSは、ロバストベースラインよりも1.1ポイント高い0.817の平均ノードリソース利用率を達成する。
論文 参考訳（メタデータ） (2026-03-24T12:24:51Z) - LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。
本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。
本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-18T12:08:38Z) - Intra-request branch orchestration for efficient LLM reasoning [52.68946975865865]
大規模言語モデル(LLM)は、複雑なタスクの正確性を改善するために、推論時推論アルゴリズムにますます依存している。
それまでの作業は、トークンの使用を減らすことを中心に、多くの場合、正確さを犠牲にしつつ、他のレイテンシ要因を見越すことに重点を置いていた。
本稿では,LLMサービスシステムであるDUCHESSについて,予測によって導かれるリクエスト内ブランチオーケストレーションにより,精度を犠牲にすることなく,コストとレイテンシを低減できるシステムを提案する。
論文 参考訳（メタデータ） (2025-09-29T15:52:08Z) - SPARQ: Efficient Entanglement Distribution and Routing in Space-Air-Ground Quantum Networks [50.91365514137301]
宇宙空間量子(SPARQ)ネットワークは、シームレスなオンデマンドの絡み合い分布を提供する手段として開発された。
SPARQの複数のグラフ上でディープQネットワーク(DQN)を用いて深層強化学習フレームワークを提案し,訓練した。
通信相手間の絡み合いを確立するために,サードパーティの絡み合い分散政策を提案する。
論文 参考訳（メタデータ） (2024-09-19T16:31:37Z) - Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。
QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
論文 参考訳（メタデータ） (2024-05-15T02:04:22Z) - PLUM: Improving Inference Efficiency By Leveraging Repetition-Sparsity Trade-Off [2.326200609038491]
量子化とスパシティは、ハードウェア・ソフトウェア・インタフェースにおけるテンソル内の繰り返しとスパシティに変換する重要な技術である。
本稿では,反復スパーシティートレードオフの概念を導入し,推論時の計算効率を説明する。
本稿では、推論システムと量子化を統合し、繰り返しスパーシティトレードオフを利用する統一型協調設計フレームワークPLUMを提案する。
論文 参考訳（メタデータ） (2023-12-04T02:33:53Z) - Improving Deep Attractor Network by BGRU and GMM for Speech Separation [0.0]
Deep Attractor Network (DANet) は、音声分離分野における最先端技術である。
本稿では,BLSTMの代わりに双方向ゲーテッドニューラルネットワーク(BGRU)を用いて,単純化された強力なDANetモデルを提案する。
論文 参考訳（メタデータ） (2023-08-07T06:26:53Z) - OMPQ: Orthogonal Mixed Precision Quantization [72.63889596498004]
混合精度量子化は、ハードウェアの多重ビット幅演算を利用して、ネットワーク量子化の全ポテンシャルを解き放つ。
本稿では、整数プログラミングの損失と高い相関関係にあるネットワーク性の概念であるプロキシメトリックを最適化することを提案する。
このアプローチは、量子化精度にほとんど妥協することなく、検索時間と必要なデータ量を桁違いに削減する。
論文 参考訳（メタデータ） (2021-09-16T10:59:33Z) - AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。
我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文 参考訳（メタデータ） (2020-07-14T09:07:29Z) - Precision Gating: Improving Neural Network Efficiency with Dynamic
Dual-Precision Activations [22.71924873981158]
PG(Precision Gating)は、ディープニューラルネットワークのためのエンドツーエンドのトレーニング可能な動的二重精度量子化技術である。
PGは、ShuffleNetのような静的に圧縮されたモバイルフレンドリーなネットワークを含むCNNで優れた結果を得る。
8ビットの均一量子化と比較すると、PGは1ワードあたりのパープレキシティが1.2%向上し、LSTMの計算コストは2.7$timesである。
論文 参考訳（メタデータ） (2020-02-17T18:54:37Z)
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。